KI-Agenten übernehmen zunehmend operative Aufgaben bei der Ablösung von Legacy-Systemen und bringen strukturierte, nachvollziehbare Workflows in komplexe Code-Migrationsprojekte. Wie Agenturen davon profitieren und worauf es bei der Implementierung ankommt.

Laut McKinsey wurden 70 Prozent der Software in Fortune-500-Unternehmen vor mehr als 20 Jahren entwickelt. KI-Agenten ermöglichen 2026 erstmals strukturierte, automatisierte Workflows zur Migration solcher Legacy-Systeme. Für mittelständische E-Commerce-Agenturen ist veralteter Code ein konkretes Geschäftsrisiko: Delta Airlines verlor 2024 schätzungsweise 500 Millionen US-Dollar durch einen IT-Ausfall, der auf Legacy-Systemen basierte. KI-gestützte Migrationsagenten können den bisher prohibitiv teuren und fehleranfälligen Ablöseprozess beschleunigen und kosteneffizienter gestalten. Das macht Projekte realisierbar, die jahrelang zurückgestellt wurden.

KI-Agenten für Code-Migration: Strukturierte Workflows bei Legacy-Systemablösungen

Laut einem McKinsey-Bericht, zitiert von VirtusLab, wurden 70 % der Software in Fortune-500-Unternehmen vor mehr als 20 Jahren entwickelt. Reuters zufolge laufen 95 % aller Geldautomaten-Transaktionen auf COBOL-basierten Systemen. Die Kosten des Nichtstuns sind bekannt: Delta Airlines erlitt 2024 nach einem IT-Ausfall einen geschätzten Schaden von 500 Millionen US-Dollar. KI-Agenten werden 2026 als neues Werkzeug für die systematische Modernisierung solcher Systeme diskutiert.

Was Legacy-Code-Modernisierung heute bedeutet

Legacy-Code-Modernisierung beschreibt laut Tembo die Aktualisierung veralteter Softwaresysteme durch Refactoring, Replatforming, Neuentwicklung oder Ablösung. Das Ziel: Ausrichtung an aktuellen Architekturen, Sicherheitsstandards und Geschäftsanforderungen. Es handelt sich nicht um eine einzelne Maßnahme, sondern um ein Spektrum, das vom einfachen Rehosting auf neuer Infrastruktur bis hin zur vollständigen Neuentwicklung reicht.

Der entscheidende neue Faktor in 2026 ist laut Tembo der Einsatz von Coding-Agenten: Sie können den ersten Durchlauf des Lesens, Kartierens und Refactorings von Altcode beschleunigen. Projekte, die jahrelang deprioritisiert wurden, werden dadurch erstmals realisierbar.

Agentenbasierter Ansatz: Drei Gestaltungsprinzipien

VirtusLab beschreibt beim Entwurf agentenbasierter Migrationssysteme drei Leitprinzipien:

Menschliche Vorgehensweise imitieren: LLMs sind darauf trainiert, wie Menschen zu kommunizieren und zu handeln. Ein menschlicher Problemlösungsansatz ist für sie am intuitivsten.
Problem in Teilaufgaben zerlegen: Kleine, logisch strukturierte Aufgaben sind fehleranfälliger und lenken den Prozess zuverlässiger in die richtige Richtung.
Doppelte Verifikation und Reflexion: Kritisches Denken und gegenseitige Überprüfung erhöhen die Qualität der Ergebnisse.

Dieser Ansatz ähnelt strukturierten Projektmanagement-Workflows, wie sie auch bei der Orchestrierung von KI-Agenten im Projektmanagement beschrieben werden.

Akademische Perspektive: LLM-Agenten und Umgebungsintegration

Auf dem 1st Workshop on Code Translation, Transformation, and Modernization (ReCode ‘26, April 2026, Rio de Janeiro) präsentierten Forscher der Nanjing University, der Brunel University, des University College London und weiterer Institutionen eine Arbeit zum Thema “Rethinking Code Migration with LLM-based Agents: Environment-in-the-Loop” (DOI: 10.1145/3786180.3788315).

Die Arbeit stellt fest, dass moderne Softwaresysteme kontinuierlich Code-Upgrades zur Verbesserung von Funktionalität, Sicherheit und Performance durchlaufen. LLMs hätten bemerkenswerte Fähigkeiten bei Code-Migrationsaufgaben gezeigt. Gleichzeitig verweisen die Autoren darauf, dass die Forschung zu automatisierter Code-Migration, einschließlich Refactoring, API-Adaption und Dependency-Management, noch nicht abgeschlossen sei.

4 praktische Implikationen für Entscheider im E-Commerce und Mittelstand

1. Aufwandsschätzungen für Legacy-Projekte neu kalibrieren

Traditionelle Legacy-Migrationen können laut VirtusLab ein Vielfaches des Jahresumsatzes eines Unternehmens kosten und trotzdem nur eingeschränkte Funktionalität liefern. KI-gestützte Agenten können diesen Prozess beschleunigen und günstiger gestalten. Für Entscheider bedeutet das: Businesscases für Systemablösungen sollten neu berechnet werden, insbesondere wenn bisher der Aufwand das entscheidende Hindernis war.

2. Strukturierte Workflows vor KI-Einsatz definieren

KI-Agenten arbeiten zuverlässiger, wenn das Problem in kleine, klar abgegrenzte Teilaufgaben zerlegt ist. Wer eine Migration plant, sollte zunächst den eigenen Prozess modellieren, bevor Agenten eingesetzt werden. Parallelen dazu zeigen sich in API-First-Architekturen für Websites, Webhooks und CRM/ERP-Anbindungen, wo saubere Schnittstellendefinitionen Grundvoraussetzung für Automatisierung sind.

3. Testabdeckung als Migrationsvorbedingung behandeln

Tembo beschreibt ein typisches Szenario: Das Test-Suite eines Legacy-Systems hat seit 2021 nicht mehr vollständig funktioniert. KI-Agenten können den ersten Lesedurchlauf beschleunigen, ersetzen aber keine fehlende Testabdeckung. Vor dem Start einer agentengestützten Migration sollte die Testinfrastruktur bewertet und ggf. ausgebaut werden. Das gilt auch für Shop-Migrationen, etwa bei einem Wechsel von Shopify zu Headless-Systemen oder bei Shopware- und Magento-Migrationsstrategien.

4. KI-gestützte Shopware-Migrationen als konkreten Anwendungsfall prüfen

Für Agenturen und Mittelständler im E-Commerce ist die KI-gestützte Shopware-Migration von Produktdaten, Analyse und Deployment ein direkt anwendbares Szenario. Die Kombination aus agentenbasiertem Workflow und menschlicher Verifikation reduziert das Risiko eines “Big-Bang-Rewrites”, vor dem auch Tembo explizit warnt.

Fazit

KI-Agenten machen Legacy-Migrationen nicht trivial, sie senken jedoch die Einstiegshürde für Projekte, die bisher aus Kapazitäts- oder Kostengründen verschoben wurden. Entscheidend bleibt die strukturierte Vorbereitung: klare Teilaufgaben, valide Testgrundlagen und ein Verifikationsprozess. Die Technologie ist ein Beschleuniger, kein Ersatz für methodische Planung.

Quellen

Häufige Fragen

Wie verbreitet ist Legacy-Code in großen Unternehmen tatsächlich?

Laut einem McKinsey-Bericht wurden 70 % der Software in Fortune-500-Unternehmen vor mehr als 20 Jahren entwickelt. 95 % aller Geldautomaten-Transaktionen weltweit laufen noch heute über COBOL-basierte Systeme. Für mittelständische E-Commerce-Agenturen bedeutet das: Legacy-Abhängigkeiten sind kein Randphänomen, sondern strukturelle Realität in vielen Kundenprojekten.

Welche konkreten Risiken entstehen, wenn Legacy-Systeme nicht modernisiert werden?

Das Beispiel Delta Airlines verdeutlicht das finanzielle Ausmaß: Das Unternehmen verlor 2024 infolge eines IT-Ausfalls schätzungsweise 500 Millionen US-Dollar. Experten gehen davon aus, dass modernere Systemarchitekturen den Schaden deutlich begrenzt hätten. Für Agenturen, die geschäftskritische Plattformen betreiben, ist unkontrollierter Legacy-Betrieb damit ein messbares unternehmerisches Risiko.

Wo helfen KI-Agenten bei der Code-Migration konkret, und wo stoßen sie noch an Grenzen?

KI-Agenten beschleunigen nachweislich den ersten Durchlauf: das Lesen, Kartieren und initiale Refaktorieren von bestehendem Code. Laut Tembo (2026) machen sie Modernisierungsprojekte, die jahrelang deprioritisiert wurden, plötzlich umsetzbar. Schwächer sind KI-Agenten noch bei komplexen Kontextentscheidungen und bei fehlendem oder nicht funktionierendem Testbestand, was in der Praxis häufig vorkommt, da viele Test-Suites seit Jahren nicht mehr erfolgreich durchgelaufen sind.

Wie sollte ein strukturierter, agentenbasierter Migrations-Workflow aufgebaut sein?

Laut VirtusLab empfiehlt sich ein Vorgehen nach drei Prinzipien: erstens das Problem so angehen, wie ein erfahrener Entwickler es tun würde, da LLMs auf menschliche Problemlösungslogik trainiert sind. Zweitens die Migration in möglichst kleine, klar abgegrenzte Aufgaben zerlegen, um Fehlerquellen zu minimieren. Drittens eine doppelte Verifikation mit kritischer Reflexion einbauen, vergleichbar mit einem strukturierten Code-Review-Prozess.

Was zeigt die aktuelle Forschung zur LLM-basierten Code-Migration?

Auf dem ReCode-Workshop im April 2026 in Rio de Janeiro präsentierten Forschende der Nanjing University, des University College London und der Brunel University den Ansatz ‘Environment-in-the-Loop’. Dieser adressiert eine zentrale Schwäche bisheriger Ansätze: Automatisierte Code-Migration scheitert häufig an fehlendem Umgebungskontext. Der Ansatz bindet die Laufzeitumgebung aktiv in den Agenten-Workflow ein und verbessert damit Refactoring, API-Adaption und Abhängigkeitsverwaltung messbar.

Dieser Artikel wurde von einem KI-System automatisiert erstellt. Kennzeichnung gemäß Art. 50 der EU-KI-Verordnung.

KI-Agenten für Code-Migration: Workflows bei Legacy-Ablösungen