adesso SE erläutert, wie KI-Agenten die Analyse und Modernisierung von Unternehmenssoftware beschleunigen können. Welche technischen und organisatorischen Hürden bestehen, bleibt jedoch umstritten
Die Modernisierung von Unternehmenssoftware bleibt für viele Organisationen eine zentrale Herausforderung. Insbesondere ältere IT-Systeme, sogenannte Legacy-Systeme, erschweren die Integration neuer Technologien wie künstlicher Intelligenz. adesso SE hat nun einen Ansatz vorgestellt, bei dem KI-Agenten gezielt für die Analyse und Transformation bestehender Softwarelandschaften eingesetzt werden. Ziel ist es, Modernisierungsprojekte effizienter und wirtschaftlich tragfähiger zu gestalten.
Widersprüchliche Einschätzungen zur Zukunftsfähigkeit
Eine aktuelle Erhebung von adesso SE zeigt, dass vier von fünf Unternehmen ihre Altsysteme als Hemmnis für den wirtschaftlichen Erfolg betrachten. Gleichzeitig halten 86 Prozent der Befragten ihre Kernanwendungen für die kommenden fünf Jahre für ausreichend gerüstet. Diese Diskrepanz deutet darauf hin, dass viele Unternehmen zwar die Belastung durch technische Schulden erkennen, aber den Handlungsdruck zur umfassenden Modernisierung noch nicht als akut einstufen. Die Wartung und Weiterentwicklung bestehender Systeme wird zunehmend aufwendiger, insbesondere wenn Know-how-Träger aus dem Unternehmen ausscheiden.
Die Bereitschaft zur Modernisierung ist häufig von Unsicherheit geprägt. Unternehmen müssen abwägen, ob der Aufwand und die Risiken eines Umbaus durch die erwarteten Vorteile gerechtfertigt werden. Laut adesso SE sehen 43 Prozent der Unternehmen die eingeschränkte Integration neuer Technologien wie KI als Haupttreiber für Modernisierungsvorhaben. Dennoch bleibt die Umsetzung oft zögerlich, da die Folgen und der Nutzen im Vorfeld schwer abschätzbar sind.
Technische Hürden bei der KI-Integration
Die Einführung von KI in bestehende IT-Landschaften ist technisch anspruchsvoll. Insbesondere heterogene Datenstrukturen und proprietäre Architekturen erschweren die Integration. Unternehmen stehen vor der Entscheidung, ob sie KI als zentrale Plattform - etwa in Form eines EnterpriseGPT - oder als gezielte Erweiterung einzelner Systeme implementieren wollen. Für beide Ansätze müssen zunächst die technischen und architektonischen Voraussetzungen geschaffen werden. Erst wenn diese Basis vorhanden ist, lässt sich bewerten, welche Systeme für KI-Anwendungen geeignet sind und wie sich die Integration praktisch umsetzen lässt.
Ein zentrales Problem bleibt die mangelnde Interoperabilität vieler Altsysteme. Die Modernisierung erfordert häufig eine grundlegende Überarbeitung der Systemarchitektur, bevor KI-gestützte Funktionen sinnvoll eingebunden werden können. Die Auswahl geeigneter Technologien und die Definition klarer Ziele sind dabei entscheidend für den Projekterfolg.
KI-Agenten im Reverse Engineering und Modernisierungsprozess
adesso SE setzt KI-Agenten insbesondere in der frühen Phase von Modernisierungsprojekten ein. Die Agenten analysieren Quellcode, Logdateien und weitere Systemartefakte, um eine strukturierte Anforderungsanalyse zu erstellen. Dieser Prozess, der als Reverse Engineering bezeichnet wird, soll die Abhängigkeit von spezifischem Expertenwissen reduzieren und die Projektdauer verkürzen. Nach Unternehmensangaben können so auch große und komplexe Systeme wie COBOL-Anwendungen effizienter untersucht werden.
Der Ansatz ist nicht auf einzelne Programmiersprachen beschränkt, sondern lässt sich auf verschiedene Technologie-Stacks wie Java, Delphi oder RPG übertragen. Allerdings nimmt die Effizienz der Agenten mit steigendem Grad an Proprietät der Systeme ab. adesso SE berichtet, dass durch den Einsatz von KI-Agenten die Projektdauer in Einzelfällen von sieben auf rund zweieinhalb Jahre reduziert werden konnte. Die Kostenersparnis wird mit 30 bis 60 Prozent angegeben, wobei diese Werte von der Systemlandschaft und der Qualität der Spezifikation abhängen.
Prozess-Framework und Anforderungen an das Engineering
Mit dem Prozess-Framework adSCAILE verfolgt adesso SE das Ziel, KI-Agenten durchgängig in den Softwareentwicklungsprozess einzubinden. Die Agenten übernehmen dabei Aufgaben im Requirements Engineering, Coding und Testing. Entscheidend ist laut Unternehmen eine präzise und saubere Spezifikation, da unklare Anforderungen zu Fehlentwicklungen führen können. Die Verantwortung für die Qualität der Ergebnisse bleibt bei den Softwareingenieuren, die das agentische Framework steuern und kontrollieren müssen.
Im Unterschied zu klassischen Entwicklungsmodellen wie Scrum ermöglichen KI-Agenten deutlich kürzere Iterationszyklen und ein kontinuierliches Deployment. Die Modernisierung erfolgt in zwei Schritten: Zunächst werden bestehende Systeme analysiert und Anforderungen extrahiert, anschließend wird die neue Software mit Unterstützung der Agenten entwickelt. Die tatsächliche Leistungsfähigkeit dieses Ansatzes hängt jedoch von der Qualität der Datenbasis und der Erfahrung des Engineering-Teams ab.
Die Diskussion um die Modernisierung von Unternehmenssoftware und die Integration von KI ist nicht auf einzelne Branchen beschränkt. Auch andere Unternehmen im Technologiesektor stehen vor ähnlichen Herausforderungen, wie etwa bei der Digitalisierung von Vereinsverwaltungen, worauf ein aktueller Beitrag zur Finanzierung von CoTrainer verweist.
Ob sich agentenbasierte Modernisierungsansätze in der Breite durchsetzen, bleibt angesichts der technischen und organisatorischen Komplexität offen. Die Erfahrungen aus Pilotprojekten deuten jedoch darauf hin, dass KI-Agenten die Wirtschaftlichkeit und Umsetzbarkeit von Transformationsvorhaben in Unternehmen verbessern können - vorausgesetzt, die Voraussetzungen für eine erfolgreiche Integration sind gegeben.
Der Begriff Reverse Engineering bezeichnet die systematische Analyse bestehender Software oder technischer Systeme, um deren Funktionsweise, Architektur und Anforderungen zu rekonstruieren. Im Kontext der Modernisierung von Unternehmenssoftware dient Reverse Engineering dazu, die oft unzureichend dokumentierten Strukturen und Abläufe von Altsystemen nachvollziehbar zu machen. KI-Agenten können diesen Prozess automatisieren und beschleunigen, indem sie große Mengen an Quellcode und Systemdaten auswerten. Die Qualität der Ergebnisse hängt jedoch maßgeblich von der Verfügbarkeit relevanter Artefakte und der Präzision der Analysewerkzeuge ab.
