Systeme

KI und Legacy-Code: was 2026 tatsächlich funktioniert und was Marketing ist

Zwischen „KI modernisiert Ihr System automatisch" und „KI kann bei Altcode gar nichts" liegt die nüchterne Wahrheit, und sie ist für eine Modernisierung gut genug, um den Unterschied zu machen. Nur eben nicht dort, wo die Versprechen liegen.

Schnellantwort

KI hilft bei Altbeständen vor allem durch Menge: Quellcode, Jobs und Tickets in einer Größenordnung durcharbeiten, die manuell nicht bezahlbar ist. Belastbar sind das Auffinden von Geschäftsregel-Kandidaten, das Nachverfolgen von Aufrufketten, Übersetzungen in Fachsprache und das Erzeugen von Charakterisierungstests. Nicht belastbar sind Architekturentscheidungen, die Frage nach der fachlichen Gültigkeit einer Regel und die automatische Migration eines Kernsystems am Stück.

Byte · SystemeSystemeByteRealitätscheck

Was gut funktioniert: Menge

Der eigentliche Hebel ist banal und groß: Ein Modell kann achthunderttausend Zeilen Quellcode, zweitausend Job-Definitionen und zehn Jahre Tickets durcharbeiten. Ein Team kann das nicht — nicht weil es zu schwer wäre, sondern weil niemand die Monate dafür bezahlt. Alles, was aus dieser Fähigkeit folgt, ist belastbar: Kandidaten für Geschäftsregeln finden, Aufrufketten nachverfolgen, Duplikate erkennen, tote Pfade markieren, Zusammenfassungen je Programm erzeugen.

Was gut funktioniert: Übersetzung in Fachsprache

Aus dreihundert Zeilen Abrechnungslogik einen Absatz zu machen, den ein Fachbereich prüfen kann, ist eine Stärke der Modelle. Damit verschiebt sich die Arbeit vom Lesen zum Bestätigen — und Bestätigen kann der Fachbereich, Lesen konnte er nie.

Was gut funktioniert: Testgerüste für Unverstandenes

Für einen Bestand ohne Tests lassen sich Charakterisierungstests erzeugen, die das heutige Verhalten festschreiben — unabhängig davon, ob es richtig ist. Das ist die Voraussetzung dafür, überhaupt etwas ändern zu können, und es ist eine Aufgabe, die Modelle in großer Zahl erledigen können.

Der Hebel ist nicht, dass die KI klüger ist. Er ist, dass sie Mengen durcharbeitet, für die nie jemand Zeit bezahlt hätte.

Was nicht funktioniert: Architekturentscheidungen

Welche Komponente gekapselt und welche zerlegt wird, welches Risiko tragbar ist, in welcher Reihenfolge migriert wird — das sind Entscheidungen mit Verantwortung, und sie hängen an Kontext, den kein Modell hat: Budgetzyklen, Personalsituation, Vertragslaufzeiten, politische Lage im Haus.

Was nicht funktioniert: fachliche Wahrheit

Ein Modell kann sagen, was eine Regel tut. Es kann nicht sagen, ob sie noch gelten soll. Diese Unterscheidung ist der Kern jeder Modernisierung, und sie ist per Definition nicht im Code enthalten.

Was nicht funktioniert: automatische Migration am Stück

Übersetzungen von einer Sprache in eine andere erzeugen lauffähigen Code, der die Struktur des Alten mitbringt — inklusive der Eigenheiten, die man loswerden wollte. Für abgegrenzte, gut getestete Teile ist das ein Werkzeug. Für ein Kernsystem am Stück ist es der schnellste Weg zu einem zweiten Altsystem, diesmal ohne Kenner.

Ein Modell kann sagen, was eine Regel tut. Ob sie noch gelten soll, steht nicht im Code — und ist die eigentliche Frage.

Häufige Fragen

Kann KI ein Altsystem automatisch nach Java migrieren?

Für abgegrenzte, gut getestete Module ist eine werkzeuggestützte Übersetzung brauchbar. Für ein Kernsystem am Stück entsteht lauffähiger Code, der die Struktur und die Eigenheiten des Alten mitbringt — also ein zweites Altsystem, diesmal ohne Menschen, die es verstehen.

Wie verlässlich sind maschinell erzeugte Zusammenfassungen von Programmen?

Als Einstieg sehr nützlich, als Grundlage für Entscheidungen erst nach Prüfung. Sinnvoll ist ein zweistufiges Vorgehen: maschinell erzeugen, stichprobenhaft gegen den Code prüfen, und erst dann dem Fachbereich vorlegen.

Was sind Charakterisierungstests?

Tests, die das heutige Verhalten eines Systems festhalten, ohne zu bewerten, ob es korrekt ist. Sie sind das Sicherheitsnetz für Änderungen an unverstandenem Code: Weicht das Verhalten nach einer Änderung ab, sieht man es sofort — auch wenn niemand sagen kann, warum es vorher so war.

Braucht das Modell Zugriff auf unsere Produktivdaten?

Nein. Für die Analyse reichen Quellcode, Schemata, Konfigurationen und exportierte Protokolle. Produktivdaten helfen nur bei der Frage, welche Regeln tatsächlich greifen, und dafür genügen anonymisierte Auszüge.

Bringen Sie das System mit, das Ihnen Sorgen macht.

30 Minuten, kein Vertrieb. Wir sagen Ihnen, ob eine Discovery bei diesem System etwas bringt.

Legacy Discovery ansehen →
Kostenloses Live-Webinar

In 2 Wochen vom Engpass zum KI-Piloten.

Dienstag, 18.08.2026 · 11:00 Uhr45 Min live · Q&A · AufzeichnungMasiar Ighani · Gründer und CEO
Platz sichern → kostenlos
QR-Code zur Webinar-Anmeldung auf skillbyte.de
Scannen oder antippen