KI-Fallbeispiele
Wenn man ein Legacy-System auf eine neue Plattform überführt, steht zuerst die Architekturprüfung an. Nach herkömmlicher Vorgehensweise bindet sie Personal für rund einen Monat. Das Ergebnis sind eine theoretische Vergleichstabelle und eine grobe Schätzung. Das Problem ist, dass die Richtigkeit dieser Vergleichstabelleniemand überprüfen kann, bevor die eigentliche Entwicklung beginnt. Dass „die gewählte Architektur die Leistungsanforderungen in Wahrheit nicht erfüllte“, kommt meist erst heraus, wenn eine Umkehr nicht mehr möglich ist. Bei diesem Projekt haben wir diese Vorgehensweise verworfen.
In 2 Tagen einen „lauffähigen Prototyp“ bauen und anhand echter Messungen entscheiden.
- 1. Analyse des bestehenden Systems – Mit dem KI-Agenten (Claude Code) haben wir Oberflächen, Funktionen und Berechtigungen des bestehenden Systems vollständig durchgesehen und daraus eine rollenbezogene Matrix mit 14 Bildschirmen, 45 Funktionen und 527 Feldern sowie ein Aufgabenverzeichnis mit 46 Punkten samt Bearbeitungskategorie erstellt.
- 2. Aufbau des Prototyps (2 Arbeitstage) – Genau in der geprüften Architektur bauten wir einen lauffähigen Prototyp aus API und Demo-Oberfläche. Umfang: rund 66.000 Zeilen (API rund 27.000 Zeilen + Oberfläche rund 39.000 Zeilen).
- 3. Daten einspielen und messen – Wir spielten 10.000 Datensätze ein und maßen die Antwortzeiten aller APIs und aller Bildschirme. „Diese Architektur liefert bei diesem Umfang diese Geschwindigkeit“ wird zur Zahl.
Weil wir gemessen haben, ließen sich sowohl die Einbrüche als auch die Gegenmaßnahmen anhand von „Fakten“ beschreiben.
Bei der ersten Messung mit 10.000 eingespielten Datensätzen brauchten einige APIs 22 Sekunden, und die Bildschirmanzeige überschritt 90 Sekunden. Bei einer rein theoretischen Prüfung würde man hier auf null zurückfallen, doch weil ein reales Objekt vorlag,lässt sich feststellen, wo es langsam ist, und gezielt gegensteuern. Von der Überarbeitung des Index-Designs bis zur Änderung der Zugriffsmuster wandten wir die Maßnahmen in 4 Stufen an und maßen erneut. Das Ergebnis:alle APIs von 22 Sekunden auf unter 3 Sekunden, alle Bildschirme von über 90 Sekunden in den 2-Sekunden-Bereich. Beim Einzelabruf haben wir eine Verbesserung um das 600-Fache gemessen. Da wir die Architektur zusammen mit diesen Zahlen festgelegt haben, ist auch die Sorge „im Produktivbetrieb bringt es vielleicht nicht die Leistung“ vollständig ausgeräumt.
Das Selbstverständnis von „Untersuchung“ verändert sich.
Das Wesen dieser Vorgehensweise ist nicht die Geschwindigkeit an sich.Die Grundlage der Entscheidungen wechselt von „Vermutung“ zu „Messung“. Die theoretische Vergleichstabelle wird zu lauffähigem Prototyp und Messdaten, das „dürfte wohl halten“ wird zu „bei diesem Umfang diese Antwortzeit“, und der Zeitpunkt der Erkenntnis verschiebt sich von der eigentlichen Entwicklung in die Architekturprüfung (= die Phase, in der sich beliebig oft neu ansetzen lässt). Ein Prototyp lässt sich inzwischen zu Kosten bauen, deren Verwerfen nicht schmerzt. Deshalb: erst bauen, dann entscheiden. Wie man Architekturprüfung, Technologieauswahl und PoC angeht, wird mit dem Auftreten der KI-Agenten von Grund auf neu geschrieben.
Stehen Sie vor einer ähnlichen Situation?
„Wir können uns nicht auf die Architektur des neuen Systems festlegen“, „wir können nicht beurteilen, ob der Vorschlag des Anbieters angemessen ist“, „wir wollen nicht mehrere Monate in einen PoC stecken“ – warum diese Prüfung nicht mitetwas Lauffähigem + echten Messwertenvorantreiben?
Wir bieten die Legacy-Modernisierung als „AI Re: Platform“ (kurz: AIR Platform) an.
Die Analyse des bestehenden Quellcodes ist kostenlos.Das Ergebnis übergeben wir Ihnen alsvereinfachten „AIR-Report“, der eine Übersicht der technischen Schulden sowie eine erste Strategie „neu bauen / umhüllen“ zusammenfasst (durchgeführt nach Abschluss einer Geheimhaltungsvereinbarung).Kontaktieren Sie uns jetzt.
Kontaktformular (bitte mit dem Hinweis „Kostenlose Analyse (AIR-Report) gewünscht“) / info@flagship-ai.jp
Kostenloses Online-Seminar„Legacy to AI – Die industrielle Revolution der IT-Branche und der Praxisbericht über die Wiederbelebung eines 20 Jahre alten Java-Systems“geplant (Termin in Abstimmung).Die Voranmeldung startet in Kürze – wir kündigen sie in diesem Blog an.
Serie „Legacy to AI – Praxisberichte“
- Gesamtüberblick: 22 Systeme und 246.000 Zeilen auf einem einzigen PC – ein messbarer Bericht über 3,5 Monate KI-Entwicklung
- Praxisbericht ①: Ein 20 Jahre altes Java-System in rund einer Woche vollständig erneuert
- Praxisbericht ②: Einen neuen Zugang zum Kernsystem schaffen, ohne eine einzige Zeile bestehenden Codes zu ändern
- Praxisbericht ③: Eine einmonatige Architekturprüfung mit einem Prototyp in 2 Tagen + echten Messungen (dieser Beitrag)
* Die Zahlen in diesem Beitrag sind Messwerte mit Stand Ende Juli 2026. Die Entwicklungsergebnisse variieren je nach Zustand und Anforderungen des Systems.