Jahrzehntelang glaubten wir, Legacy-Systeme seien ein technisches Problem.
Fehlende Dokumentation. historische Technologien. Mainframes. Monolithen.
Niemand verstand die Systeme mehr vollständig. Entsprechend bestand ein grosser Teil jedes Modernisierungsprojekts aus Reverse Engineering, Workshops und der mühsamen Rekonstruktion von Geschäftslogik.
Generative AI verändert diese Ausgangslage grundlegend.
Heute können AI-Werkzeuge in wenigen Stunden Abhängigkeiten analysieren, Architekturen rekonstruieren und selbst versteckte Geschäftsregeln sichtbar machen.
Das eigentliche Problem verschwindet dadurch jedoch nicht.
Es verlagert sich.
Vom Verstehen zum Entscheiden
Sobald Transparenz vorhanden ist, beginnt die eigentliche Herausforderung.
Welche Geschäftsregeln werden noch benötigt? Welche Prozesse sollen künftig anders funktionieren? Welche Fähigkeiten gehören überhaupt noch in das Unternehmen? Und vor allem: Wer trifft diese Entscheidungen?
Unsere Erfahrung zeigt:
Die grösste Herausforderung heutiger Modernisierungsprogramme ist nicht mehr die Analyse – sondern die Entscheidungsfähigkeit der Organisation.
Legacy entsteht durch Komplexität
Eine zentrale These unseres Whitepapers lautet:
Legacy entsteht nicht durch alte Technologie.
Legacy entsteht dort, wo geschäftliche Entscheidungen über Jahre untrennbar mit ihrer technischen Implementierung verschmelzen.
Das erklärt auch, weshalb ein Rewrite alleine selten die Lösung ist. Wer lediglich den Code ersetzt, ohne die zugrunde liegenden Geschäftsentscheidungen zu verstehen, baut häufig einen neuen Monolithen – nur mit moderner Technologie.
Modernisierung ist keine reine IT-Aufgabe
Erfolgreiche Legacy System Modernization verbindet:
- Software Engineering
- Business Architecture
- Governance
- Delivery
- AI-gestützte Analyse
- organisatorische Entscheidungsfähigkeit
Technologie bleibt wichtig. Sie ist aber nur ein Teil der Lösung.
Vier Stufen der Entscheidungsreife
Wie gut eine Organisation mit ihren Legacy-Systemen umgehen kann, hängt nicht primär vom Alter ihrer Technologie ab. Entscheidend ist, wie reif sie darin ist, Wissen in Entscheidungen und Entscheidungen in kontinuierliche Veränderung zu überführen.
Dafür haben wir das Legacy Decision Maturity Model (LDMM) entwickelt. Es unterscheidet vier Stufen:
- Legacy als Technologieproblem
- Legacy als Wissensproblem
- Legacy als Entscheidungsproblem
- Legacy als organisatorische Fähigkeit
Das Modell hilft Unternehmen, nicht nur den technischen Zustand ihrer Systeme, sondern ihre eigene Entscheidungsfähigkeit einzuordnen.
In einem separaten Beitrag stellen wir das LDMM mit seinen vier Stufen, typischen Symptomen und nächsten Entwicklungsschritten ausführlicher vor.
Warum wir dieses Whitepaper geschrieben haben
In unserem Whitepaper „Legacy System Modernization im Zeitalter von AI“ zeigen wir anhand einer durchgängigen Fallstudie:
- weshalb viele Modernisierungsprogramme scheitern,
- wie Generative AI den Engpass vom Verstehen zum Entscheiden verschiebt,
- weshalb Governance wichtiger wird als Reverse Engineering,
- wie das Legacy Decision Maturity Model Unternehmen bei der Einordnung ihrer Modernisierungsfähigkeit unterstützt,
- und warum Legacy System Modernization keine Spezialdisziplin, sondern ein zentraler Bestandteil einer gut geführten Software-Organisation ist.
Was erfolgreiche Legacy System Modernization auszeichnet
Die Fallstudie im Whitepaper verdichtet sich zu acht Erkenntnissen. Zusammen zeigen sie, warum Modernisierung weniger an der Technologie als an Wissen, Entscheidungen und organisationaler Führung scheitert.
Acht zentrale Erkenntnisse
Was sich für CIOs, CTOs und die Geschäftsleitung verändert
Wenn sich der Engpass von der Analyse zur Entscheidung verschiebt, verändert sich auch die Führungsaufgabe. Aus dem Whitepaper folgen sieben konkrete Konsequenzen.
Von den Erkenntnissen zur konkreten Vorgehensweise
Die acht Erkenntnisse zeigen, warum Legacy System Modernization heute anders betrachtet werden muss. Die sieben Konsequenzen zeigen, was sich daraus für Führung und Software-Organisation ableitet.
Im Whitepaper werden diese Zusammenhänge anhand einer vollständigen Fallstudie, des Legacy Decision Maturity Model und konkreter Modernisierungsstrategien vertieft.
Von der Legacy-Challenge zur Software Organization Simulation
Während der Arbeit an diesem Whitepaper entstand eine weitere Frage:
Kann man die Dynamik einer Software-Organisation so simulieren, dass die Auswirkungen strategischer Entscheidungen unmittelbar erlebbar werden?
Ursprünglich entstand daraus die Idee eines Legacy Rescue Games. Schnell zeigte sich jedoch, dass Legacy System Modernization gar kein isoliertes Problem ist.
Die Herausforderungen, mit denen Modernisierungsprogramme kämpfen – technische Schuld, Wissensverlust, Priorisierung, Delivery, Teamgesundheit, Architektur oder Budgetdruck – sind dieselben Herausforderungen, mit denen jede Software-Organisation täglich konfrontiert ist. Legacy verschärft sie, erzeugt sie aber nicht.
Aus dieser Erkenntnis entwickelte sich das Konzept weiter.
Statt einer reinen Legacy-Simulation entstand eine Software Organization Simulation. Die Spielenden übernehmen die Verantwortung für eine Software-Organisation und treffen über mehrere Quartale hinweg Entscheidungen zu Strategie, Architektur, Team, Delivery und Business.
Die Legacy System Modernization Challenge ist dabei bewusst nur eine von mehreren möglichen Herausforderungen. Sie tritt im Verlauf der Simulation auf und zwingt die Organisation, unter realistischen Rahmenbedingungen zu entscheiden:
- Jetzt modernisieren oder aufschieben?
- Refactoring oder Rewrite?
- Investitionen in neue Features oder in technische Schuld?
- Kurzfristige Lieferfähigkeit oder langfristige Zukunftsfähigkeit?
Genau wie in der Realität gibt es keine perfekte Lösung – sondern nur Entscheidungen mit Konsequenzen.
Legacy System Modernization Challenge
Die Simulation macht sichtbar, was sich in einem Whitepaper nur beschreiben lässt: Wie technische, organisatorische und geschäftliche Entscheidungen über mehrere Quartale hinweg zusammenwirken und warum erfolgreiche Legacy Modernization letztlich Ausdruck einer gut geführten Software-Organisation ist.
Fazit
Generative AI wird Legacy-Systeme nicht automatisch modernisieren.
Sie verändert jedoch die Voraussetzungen grundlegend.
Wer die neue Transparenz nutzt, um bessere Entscheidungen zu treffen, gewinnt Geschwindigkeit, reduziert Risiken und macht Modernisierung zu einer dauerhaften organisatorischen Fähigkeit.
Ob die Ausgangslage SAP, Java, .NET, SaaS-Plattformen, Cloud-Services oder Eigenentwicklungen betrifft, ist dabei zweitrangig. Entscheidend ist die Fähigkeit, Verflechtungen sichtbar zu machen, Verantwortung zu klären und Veränderung kontrolliert umzusetzen.
Genau dieser Perspektivwechsel steht im Mittelpunkt unseres Whitepapers.
