Legacy-Modernisierung mit KI

Technische Schulden systematisch abbauen

Altanwendungen laufen stabil und binden trotzdem Budget. Die Dokumentation ist Jahre alt, die Fachlogik steckt im Code, und die Entwickler, die das System kennen, gehen in Rente. Ein Neubau derselben Funktionalität kostet Mega-Budgets und schafft wenig Mehrwert. Wir setzen KI genau dort ein, wo bisher der Aufwand lag: Analyse, Spezifikation, Testerstellung, Code-Transformation. Erfahrene Entwickler entscheiden über Architektur und Qualität. Am Ende steht produktive Software.

Steckt Ihre Fachlogik in Code, den nur noch wenige Personen verstehen?

Fehlt eine aktuelle Spezifikation Ihrer Altanwendungen?

Sprengt ein Neubau mit gleicher Funktionalität jedes Budget?

Technische Schulden systematisch abbauen

Anwendungsfälle

Eigenentwicklungen mit lückenhafter Dokumentation

Die Anwendung läuft, die Spezifikation liegt nirgends vor. Wir lesen Source Code, vorhandene Dokumente und das laufende System aus und erstellen daraus Domänenmodell, Use Cases und Rechenregeln. Ihre Application Owner prüfen das Ergebnis in kurzen Reviews.

Monolithen in .NET, Java und PHP

Gewachsene Monolithen bündeln zehn Fachdomänen in einer Codebasis. Wir schneiden sie in Bounded Contexts, legen eine geschichtete Zielarchitektur fest und führen Eigenbauten wie hauseigene State Machines auf Standards wie BPMN zurück.

Technologien am Support-Ende, Mainframe und Host

Beim Auslaufen von Support und Patches zählt das Datum. Wir vermessen den funktionalen Umfang, planen die Zielarchitektur und legen den Termin für Umstellung und Abschaltung des Altsystems fest.

Portfolios mit 100 und mehr Altanwendungen

Wir inventarisieren das gesamte Portfolio KI-gestützt und clustern es nach Kritikalität, technischem Zustand und Komplexität. Daraus entsteht eine Roadmap in Wellen mit den vier Handlungsfeldern Sanieren, Erhalten und Pflegen, Ablösen, Beobachten. Jede Welle liefert modernisierte Anwendungen und Blueprints für die nächste.

Ein Fallbeispiel: 65 Personentage statt über 500

Ein zentrales ERP- und Finanzsystem, 15 Jahre gewachsen, PHP-Monolith, zehn Fachdomänen, rund 200 Elementarprozesse. Wir haben es vermessen, die Fachlogik rekonstruiert und auf Java Spring Boot gebracht. Die menschliche Arbeit lag über alle vier Phasen bei 65 Personentagen. Klassisch kalkuliert liegt ein System dieser Größe bei über 500. Die Arbeit verschwindet dabei nicht, sie verschiebt sich vom Schreiben auf das Prüfen.

Mehr erfahren

Faktor 8

weniger menschliche Arbeit gegenüber dem klassischen Vorgehen

65 PT

menschliche Arbeit über alle vier Phasen

ca. 1.100

Function Points nach IFPUG im Fallbeispiel

46.653

Codezeilen im Quercheck der Vermessung

Unser Ansatz

Vier Phasen führen von der Vermessung zur produktiven Anwendung. Nach jeder Phase entscheiden Sie über den nächsten Schritt, denn jede Phase liefert ein eigenständig verwertbares Ergebnis.

Phase 1 vermisst die Anwendung mit einer KI-gestützten Function-Point-Analyse nach ISO 14143. Das ergibt eine objektive Größe für Aufwand, Budget und Priorisierung, bevor Entwicklungsbudget fließt.
Phase 2 rekonstruiert die Fachlogik aus drei unabhängigen Quellen: Source Code, vorhandene Dokumentation und automatisierte Tests am laufenden System. Sie erhalten Domänenmodell, Use Cases sowie Regeln und Algorithmen als Pseudocode mit Referenz in den Bestand.
Phase 3 legt die Zielarchitektur fest, auf etablierten Standards und entlang Ihrer Cloud-Strategie.
Phase 4 setzt um: Ein Squad aus mehr als zehn KI-Agenten arbeitet parallel an Design, Implementierung und Tests, gesteuert von erfahrenen Entwicklern entlang unseres Software Development Lifecycle. Die Qualitätssicherung läuft in der Pipeline mit. Am Ende stehen Migration und Cutover zum festen Termin.

Vorteile

Vermessen statt schätzen

Die Function-Point-Analyse nach ISO 14143 liefert eine objektive, herstellerneutrale Größe für Umfang und Komplexität. Fachbereich, IT und Einkauf sprechen damit über dieselben Zahlen.

Fachwissen liegt dokumentiert vor

Domänenmodell, Use Cases und Rechenregeln entstehen schriftlich und bleiben unabhängig von einzelnen Köpfen verfügbar.

Funktionsparität als Baseline

Modernisiert wird, was heute läuft, auf einem zukunftsfähigen Stack. Neue Anforderungen gehen in ein separates, priorisiertes Change-Backlog.

Wenig Aufwand für Ihre Application Owner

Die KI erstellt die Analyse, Ihre Owner validieren in kurzen Reviews. Aus wochenlangen Workshops wird ein gezieltes Review.

Festpreis auf Basis von Function Points

Pro Applikation gibt es einen verbindlichen Festpreis für die Ablösung. Gezahlt wird bei Erreichen definierter Meilensteine, bis zum Cutover.

Verbindliches Cutover-Datum

Für jede Applikation steht der Termin für Umstellung und Abschaltung des Altsystems fest. Damit sinkt die technische Schuld messbar.

Marktgängiger Stack

Wir bauen auf Technologien, für die Sie in zehn Jahren Entwickler am Markt finden, im Fallbeispiel Java Spring Boot, Spring Data JPA, Vaadin, MariaDB, Flyway, Flowable BPMN und Docker.

Unabhängigkeit auf Technologie- und Dienstleisterseite

Offene Schnittstellen und etablierte Standards halten Betrieb und Wartung planbar. Sie behalten die Wahl, wer die Anwendung weiterentwickelt. Auf Wunsch betreibt Liongate die modernisierte Anwendung mit festen SLAs.