KI-gestützte Modernisierung

Wenn Legacy auf Agenten trifft

Mayflower GmbH

Die Zukunft der Software-Modernisierung ist agentisch

Die KI-Welt der
Zukunft ist schon da

🔌 MCP (Model Context Protocol)

Das erste echte SOA - Universal-Protokoll für AI-Tool-Integration

🤝 A2A (Agent-to-Agent)

Kontinuierliches Aushandeln statt starrer APIs

🧠 Universeller Wissenszugriff per Agenten und Rag

Alles ist jederzeit verfügbar - strukturiert & unstrukturiert

Adoptiert von Anthropic, OpenAI, Google und 50+ Technologiepartnern

Währenddessen, zuhause ...

Wir haben da noch was...

"Legacy = Java, Ruby on Rails, PHP, C++"

Die unbequeme Wahrheit

  • 📟 Windows-Desktop-Lösungen ohne APIs
  • 🖥️ iSeries/AS-400 Systeme
  • 🏢 COBOL auf Mainframes
  • 🔧 Branchenlösungen mit
    proprietären Protokollen
  • 💼 D365-Setups mit versteinerten Prozessen
  • 🗄️ Datenbanken ohne Dokumentation

Der Eisberg unter der Wasseroberfläche

Wenn Wrapper nicht reichen

Fassaden und Schnittstellen existieren nicht.

Computer-Use ist teuer
und langsam.

Nur APIs, keine ganzen Prozesse

Gesamtprozess zu langsam

Das Modernisierungs-Dilemma

📊 Legacy-Komplexität = Business-Komplexität

Jahrzehnte gewachsene Geschäftslogik

🔒 Versteckte Geheimnisse

Undokumentierte Sonderregeln, Edge Cases

👥 Fehlende Experten

Wissen in Rente, Dokumentation nicht existent

Resultat: Modernisierungsprojekte dauern Jahre, nicht Monate

Die reale Architektur
der Gegenwart

┌─────────────────────────────────────────────┐
│  Moderne Services  │  Legacy Systeme        │
│  - Microservices   │  - Mainframe           │
│  - Cloud APIs      │  - Desktop-Apps        │
│  - REST/GraphQL    │  - Batch-Jobs          │
│                    │  - FTP-Schnittstellen  │
├────────────────────┴────────────────────────┤
│         Keine gemeinsame Sprache            │
│      Keine einheitlichen Interfaces         │
│        Daten in 20 verschiedenen            │
│          Formaten und Systemen              │
└─────────────────────────────────────────────┘

KI!

Der Feenstaub der Neuzeit!

Evolution der Coding Agents

1️⃣ Generation: Copilot & Co

"Intelligente Autocomplete"

2️⃣ Generation: Windsurf, Cursor

Assistenten - aber 84% machen YOLO: Lassen Agenten einfach arbeiten

3️⃣ Generation: Agentische Systeme

Autonomer Einsatz unter menschlicher Aufsicht

Das Problem: Alle produzieren "Autogenerated Bullshit"

Auto-
gener-
ated

Bullshit

📋 Was die Requirements sagen

"Implementiere User Authentication"

🤖 Was der Agent denkt, was er macht

"Ich habe ein Login-System gebaut"

👤 Was der Nutzer denkt, was der Agent macht

"Er baut mir eine sichere Auth-Lösung"

⚠️ Was in Wahrheit passiert ist

Loginform, keine Datenbank, keine Session-Verwaltung

Das Problem

  • Agenten übersehen Instruktionen und Regeln
  • Sie ignorieren implizite Schlussfolgerungen
  • Im Schnitt 4-5 Iterationen 
    "Prüfe nochmal die Spezifikation" nötig

Arbeiten mit statistischen
Denksimulatoren

📚 Mehr Spezifikation = Mehr Verwirrung

Je detaillierter die Anweisungen, desto mehr übersieht der Agent

🤖 Multi-Agenten multiplizieren das Problem

Jeder Agent hat sein eigenes unvollständiges Bild

🔄 Die Lösung ist NICHT mehr Input

Sondern Verifikation und Iteration

Arbeiten mit statistischen
Denksimulatoren

"Nach dem vierten Durchlauf stimmt
     es vielleicht - aber vielleicht der ganze
     Ansatz war falsch"

Konsequenz: Wir brauchen Verifikations-Loops, nicht mehr Prompts

Verifikations-getriebene Modernisierung

1️⃣ Test-Definition

"Welche Tests beweisen, dass der Schritt funktioniert?"

2️⃣ Test-Erstellung mit Verifikation

Agent A erstellt Tests → Agent B prüft → Bei Bedarf: Korrektur

3️⃣ Implementation mit Iteration

Agent A führt aus → Scheitert → Passt an → Wiederholt bis Erfolg

4️⃣ Doppelte Verifikation

Agent B prüft: "Hat Agent A wirklich das Ziel erreicht?"

5️⃣ Supervisor-Eskalation

Nach mehrfachem Scheitern: Strategie-Anpassung mit Mensch

Kernprinzip: Verifikation VOR Fortschritt

Die innere Schleife

Phase 1: Verstehen 

  • Automatische Code-Dokumentation
  • Business Rules Extraktion via CodeAnalysisMCP
  • Dependency Mapping & Architecture Discovery

Phase 2: Bewerten 

  • Technical Debt Assessment
  • Antipattern-Erkennung
  • Domain Model Extraktion

Phase 3: Planen

  • Abhängigkeitsbaum erstellen
  • Atomare Migrationsschritte definieren
  • Verifikations-Kriterien pro Schritt

Phase 4: Ausführen mit Verifikationsloop

  1. Test-Definition → Test-Verifikation
  2. Implementation → Fehler → Retry → Erfolg
  3. Doppel-Check → Lücken finden → Nachbessern
  4. Bei Scheitern: Supervisor → Strategie anpassen

Die innere Schleife

Unsere Tool-Stack

📝 Claude Agent SDK

Claude Code als automatisierte Flotte von Agenten mit MCP

🔌 Container-Use (Dagger)

Isolierte Environments + Git-basiertes State Management

Eigene Tools, kein Vendor Lock-in

🔧 Modernizer

Agent für Analyse, Doku, TechDD, Risiko, Dependencies Basis:
Orchestrierte Claude Agent SDK über LangGraph

🔍 CodeAnalysisMCP

MCP-Server für Code-Analyse und Business Rule Extraction
Features: RAG auf Code, Domain Models, Refactoring-Todos

Beispiel: PHProjekt 6 Migration

Einfach mal 15 Jahre Entwicklung aufholen

Die Herausforderung

  • PHP-Version gibt es nicht mehr
  • die stabilen Versionen sind nicht kompatibel
  • das Framework gibt es nicht mehr
  • die Software läuft auf keiner aktuellen Version

Mit Claude Code alleine: Autogenerated Bullshit
Mit Verifikation: Funktionierende Migration

PHProjekt 6: Die Schmerzen

Warum schrittweise Migration essentiell ist

PHP 5.3 → PHP 5.6 → PHP 7.4 → PHP 8.4
   ↓         ↓         ↓         ↓
Library A  Library B  Library C  Modern
nur hier   updated    replaced   Stack

Das Problem der Abhängigkeiten

  • Library A: Nur kompatibel mit PHP 5.x
  • Library B: Brücken-Version für PHP 5.6-7.x
  • Library C: Ersatz nötig für PHP 8.x

Die Lösung

  1. Dependency-Graph vollständig analysieren
  2. Migrations-Pfad mit kleinsten gemeinsamen Nennern
  3. Jeder Schritt getestet und lauffähig
  4. Verifikation verhindert "es läuft (nicht)"-Illusion

Erfolgsmetriken

Was wir beobachten

✅ Positiv

  • Geschwindigkeit: Faktor 10-20 schneller
  • Erfolgsrate: 90-95% vollautomatisch
  • Qualität: Konsistente Patterns, bessere Tests

⚠️ Zu beachten

  • KI-Kosten: X.XXX €/Monat je nach Projektgröße
  • Lernkurve: Teams brauchen Einarbeitung. 20 Jahre Erfahrung helfen nicht.
  • Grenzen: Nicht alles ist automatisierbar

Wann funktioniert agentische Modernisierung?

✅ Besonders gut für

  • Schlecht dokumentierte Systeme - Agenten reverse-engineeren
  • Legacy mit unklaren Dependencies - Systematische Analyse
  • Unstrukturierter Code - Agenten erkennen Patterns
  • Veraltete Libraries - Agenten recherchieren Alternativen

Warum gerade für "schwierige" Systeme?

Menschen vs. Agenten bei Sisyphus-Aufgaben

  • Code-Analyse: Agent liest 100.000 Zeilen ohne Ermüdung
  • Dokumentation: Agent erstellt konsistente Docs
  • Refactoring: Agent wendet Patterns systematisch an
  • Test-Erstellung: Agent schreibt Tests für jede Funktion

Wer folgendes mal probieren möchte ...

  • Vollständige Inline-Dokumentation
  • ARC42-Dokumentation für die eigene Lösung
  • Technische Dual Dilligence und Evaluation

Mit NDA und Git-Zugang, einfach so.

Ab 21:00: unsere R&D -Demos

Der pragmatische Weg

Start klein, skaliere bei Erfolg

📊 Assessment (1-2 Wochen)

  • Systemlandschaft analysieren
  • Quick Wins identifizieren
  • Risiken bewerten

🚀 Pilot (4-6 Wochen)

  • Ein überschaubares System
  • Vollständiger Modernisierung
  • Messbare Ergebnisse

📈 Skalierung (3-6 Monate)

  • Lessons Learned anwenden
  • Team-Enablement
  • Parallele Modernisierung

Warum Mayflower?

🔬 Research Leadership

Früher Zugang zu Technologien, nationale Konferenz-Präsenz

💼 Praktische Erfahrung

Jahrzehnte Modernisierungsprojekte, alle Branchen

🛠️ Tool-Entwicklung

Eigene Werkzeuge, kein Vendor-Lock-in

Unser Versprechen: Werkzeuge statt Produkte - Enablement statt Abhängigkeit

Die Zukunftsvision

Der Zeitplan

2025: Experimentelle Pioniere

Erste erfolgreiche Piloten

2026: Early Adopters

10-20% der Modernisierungen agentisch

2027: Mainstream

Agentische Modernisierung als Standard

Die Frage ist nicht ob, sondern wann Sie starten.

Ihr nächster Schritt

Assessment-Workshop (2 Tage)

Tag 1: Discovery

  • Ihre Legacy-Landschaft
  • Ihre Modernisierungsziele
  • Ihre Constraints

Tag 2: Opportunity Mapping

  • Quick Wins identifizieren
  • Pilot-Projekt definieren
  • Roadmap skizzieren

Investment: 8.500 €
Potenzial: Monate Zeitersparnis

Call to Action

1️⃣ Assessment-Workshop

Start in 2-4 Wochen möglich

2️⃣ Tech-Briefing

Tiefere technische Details für Ihr Team

3️⃣ Proof of Concept

Mit Ihrem konkreten Legacy-System

Kontakt:
modernisierung@mayflower.de
www.mayflower.de

Backup: MCP im Detail

Model Context Protocol

Die technische Revolution

  • Standardprotokoll für Tool-Integration
  • JSON-RPC 2.0 basiert
  • Drei Primitive: Tools, Resources, Prompts
  • Adoptiert von allen Major Players
{
  "tool": "legacy_system_access",
  "method": "get_customer_data",
  "params": {"id": "12345"}
}

Backup: Container-Use Architektur

Isolierte Entwicklung im großen Stil

Features

  • Git Worktree pro Agent
  • Dagger Container Runtime
  • Parallele Execution ohne Konflikte
  • Auto-Merge/Delete Patterns

Workflow

Agent Request → Git Branch → Container → Execute → Test
      ↓              ↓            ↓         ↓        ↓
    Success?  →  Merge    or    Failure?  →  Delete

Backup: ROI-Kalkulation

Beispiel: 1000 Klassen Java-System

Traditional

  • Dauer: 18 Monate
  • Team: 6 Entwickler
  • Kosten: ~900.000 €

Agentisch

  • Dauer: 3 Monate
  • Team: 2 Entwickler + KI
  • Kosten: ~200.000 € + 30.000 € KI

Ersparnis: 670.000 € und 15 Monate

Modernisierung mit AI

By Johann-Peter Hartmann

Modernisierung mit AI

  • 56

More from Johann-Peter Hartmann