Erfolgreiche Legacy-Modernisierung beginnt selten mit technischen Fragen. Meist beginnt sie in einem Umfeld aus Unsicherheit: Welche fachlichen Fähigkeiten stecken eigentlich im Bestandssystem? Welche werden tatsächlich noch genutzt? Welche Abhängigkeiten haben sich über Jahre aufgebaut? Wer versteht noch, warum bestimmte Prozesse so laufen, wie sie laufen? Und wie lässt sich entscheiden, ob ein System refactored, neu gebaut oder durch Standardsoftware ersetzt werden sollte, ohne dabei kritisches Wissen zu verlieren?

Genau hier setzt der Workshop an. Im zweiten Teil sprechen wir auch über Zielarchitekturen, Migrationspfade und KI-gestützte Code-Analyse. Im ersten Teil geht es um das Verstehen: fachlich, technisch und organisatorisch. Denn wer ein gewachsenes Kernsystem ablöst, ohne seine Logik, Risiken und stillschweigenden Annahmen sichtbar gemacht zu haben, verschiebt alte Probleme lediglich in eine neue Umgebung. Das beschreibt ein Zitat von Philipp Kremling von CROZ, IBM-Partner mit reichlich watsonx-Praxiserfahrung, in einem Satz: "You're essentially getting Java that 'thinks' in COBOL."

Modernisierung fängt also beim Verstehen an. Der Workshop führt Sie durch die Methodik einer KI-gestützten Legacy-Ablöse in drei Phasen: Verstehen → Absichern → Modernisieren. Wir arbeiten an einem Beispiel-Bestandssystem aus dem Mainframe-Umfeld. Klein genug, um an einem Tag wirklich durchdrungen zu werden, realistisch genug, um die typischen Eigenheiten gewachsener Systeme zu zeigen.

Vormittag: Discovery-Workshop. An mehreren Stationen parallel: die drei Wissensebenen (fachlich, technisch, organisatorisch), die sechs Risikoflächen, ein erstes Zielbild. Am Mittag steht ein gefülltes Discovery-Set, und Sie haben die Methodik einmal komplett unter den Händen gehabt.

Nachmittag: Was passiert, wenn der Discovery-Output an die KI-Agenten übergeht? Die Agenten lesen Quellcode, Daten und Dokumentation, prüfen die Aussagen gegeneinander und bauen daraus eine Wissensbasis, die als Single Source of Truth taugt. Sie sehen das live am selben Beispielsystem. Aus dieser Wissensbasis wird dann die Make-or-Buy-Entscheidung: refactoren, neu bauen oder durch Standardsoftware ersetzen. Und die alltäglichen Anwendungsfälle werden konkret: Onboarding neuer Mitarbeitender, Impact-Analyse vor Änderungen, KI-Unterstützung in der Entwicklungsumgebung. Die Lücke zwischen Analyse und Umsetzung schließt sich. Am Ende des Tages steht ein erster Migrationsplan-Entwurf für das Beispielsystem: fachliche Schnitte, Optionen pro Schnitt, Reihenfolge.

Sie nehmen mit: das ausgefüllte Discovery-Set als Referenzbeispiel, einen ersten Migrationsplan-Entwurf für das Beispielsystem (Schnitte, Optionen, Reihenfolge), eine Methodik, die Sie auf eigene Systeme übertragen können, vier Prinzipien für KI-gestützte Legacy-Modernisierung und eine Einschätzung, an welchen Stellen der Modernisierung KI Ihnen Arbeit abnimmt.

Lernziele:

  1. ein Bestandssystem entlang der drei Wissensebenen (fachlich, technisch, organisatorisch) durchleuchten, Schwerpunkte priorisieren und Wissenslücken sichtbar machen,
  2. das Discovery-Set eigenständig anwenden,
  3. aus dem Discovery-Ergebnis ein Zielbild ableiten und eine erste Migrationsentscheidung treffen (Schnitte, Optionen, Reihenfolge),
  4. einschätzen, was eine KI-gestützte Verstehens-Pipeline aus Wissensbasis und KI-Agenten leistet und wo sie an Grenzen stößt,
  5. entscheiden, an welchen Stellen einer Legacy-Modernisierung KI tatsächlich hilft und wo Methodik und Erfahrung unverzichtbar bleiben.

Zielgruppe: Der Workshop richtet sich an alle, die ein gewachsenes Kernsystem verantworten oder seine Ablösung treiben: IT-Leiter:innen, IT-Architekt:innen, Modernisierungs-, Projekt- und Programmleiter:innen, Business-Analyst:innen und Product Owner. Auch Entscheider:innen aus Fachbereichen, die ein Modernisierungsvorhaben anstoßen oder begleiten, sind ausdrücklich gemeint.