Legacy-App-Refactoring mit KI: Software-Modernisierung per Reverse Engineering
Kurz gesagt
Legacy-App-Refactoring mit KI heißt, Altanwendungen mit Coding Agents zu analysieren, zu dokumentieren und schrittweise in eine moderne Architektur zu überführen. Der größte Hebel liegt nicht im Neuschreiben, sondern im Zurückgewinnen des Wissens: Per Reverse Engineering – seit Oktober 2026 durch das Open-Source-Werkzeug „Reverse Engineer Anything“ (REA) breit bekannt – lassen sich Fachregeln auch dort rekonstruieren, wo Quellcode oder Dokumentation fehlen. Abgesichert durch Charakterisierungstests entsteht daraus eine neue Anwendung mit nachweislich gleichem Verhalten.
01
Warum sich Legacy-Modernisierung gerade jetzt neu rechnet
In vielen Mittelständlern laufen Kernprozesse auf Anwendungen in Delphi, Visual Basic 6, Access, PowerBuilder, .NET Framework oder Java 8 – teils seit über 20 Jahren. Wer sie gebaut hat, geht in Rente; die Dokumentation ist lückenhaft; Betriebssysteme und Laufzeitumgebungen fallen aus dem Support.
Bisher scheiterte die Modernisierung oft am Aufwand für das Verstehen: Bevor eine Zeile neu geschrieben werden kann, muss klar sein, was das Altsystem eigentlich tut. Genau diesen Teil beschleunigen KI-Agenten am stärksten – sie lesen Code in großem Umfang, erklären ihn und erzeugen Tests.
02
Was KI-Agenten beim Refactoring gut können – und was nicht
Die Arbeitsteilung zwischen Agent und Team ist der wichtigste Erfolgsfaktor.
| Aufgabe | KI-Agent | Verantwortung bleibt beim Team |
|---|---|---|
| Code lesen und erklären | Sehr gut, auch in älteren Sprachen | Fachliche Plausibilität prüfen |
| Dokumentation und Diagramme | Entwürfe in Stunden statt Wochen | Freigabe |
| Charakterisierungstests | Viele Testfälle aus beobachtetem Verhalten | Repräsentative Fälle auswählen |
| Übersetzung in neue Sprache | Gut für klar abgegrenzte Module | Architektur und Schnittstellen |
| Fachliche Entscheidungen | Ungeeignet | Vollständig |
03
Reverse Engineer Anything: Was hinter dem Hype steckt
„Reverse Engineer Anything“ (REA) ist ein Open-Source-Projekt unter MIT-Lizenz. Es verbindet Coding Agents wie Claude Code oder Codex über einen MCP-Server mit klassischen Reverse-Engineering-Werkzeugen wie Ghidra, IDA und Hopper sowie mit Browser- und Laufzeitanalyse. Damit kann ein Agent native Programme, JavaScript- und Electron-Anwendungen oder .NET-Assemblies untersuchen, ohne den Quellcode zu kennen.
Das Repository entstand im April 2026 und wurde im Oktober 2026 innerhalb weniger Wochen zu einem der meistbeachteten Projekte auf GitHub, mit über 400.000 Sternen. Perplexity hat REA als Skill „/reverse-engineer“ in seinen Agenten Computer übernommen. Ein viel zitiertes Beispiel des Projekts: Eine Klangfunktion des Spiels DX-Ball wurde so rekonstruiert, dass sie alle 3.205 Original-Testfälle besteht.
Wichtig für die Einordnung: REA stellt nicht den Original-Quellcode wieder her. Das Ergebnis ist eine Rekonstruktion der Logik mit Belegstellen und einer Liste offener Fragen. Für die Modernisierung ist genau das wertvoll – aber es ersetzt keine fachliche Prüfung.
400.000+
GitHub-Sterne, Ende Oktober 2026
MIT
Open-Source-Lizenz
3.205 / 3.205
bestandene Testfälle im DX-Ball-Beispiel
04
Reverse Engineering für eigene Altanwendungen
In Unternehmen liegt der Nutzen weniger im Nachbau fremder Apps als im Wiedergewinnen von Wissen über die eigenen. Typische Fälle: Der Quellcode ist verloren oder weicht von der produktiven Version ab; eine Individualsoftware stammt von einem Anbieter, den es nicht mehr gibt; Schnittstellen existieren nur als kompilierte Bibliothek; Dateiformate sind nirgends beschrieben.
Drei Blickwinkel ergänzen sich: die statische Analyse von Code oder Binärdateien, die dynamische Analyse des laufenden Programms mit Datenbankabfragen und Netzwerkverkehr sowie der Black-Box-Blick auf Ein- und Ausgaben aus echten Fällen. Am Ende steht eine Spezifikation der Fachregeln, bei der jede Aussage auf eine Belegstelle verweist.
05
Parallelen zum SaaS-Replacement
Legacy-Refactoring und der Ersatz von SaaS-Werkzeugen folgen demselben Kern: Spezifikation aus vorhandenem Verhalten ableiten, mit Coding Agents neu bauen, Gleichwertigkeit mit Tests nachweisen. Der Unterschied liegt in der Wissensquelle.
| Schritt | SaaS-Replacement | Legacy-Refactoring |
|---|---|---|
| Ausgangspunkt | Fremdes Produkt, nur die Oberfläche ist sichtbar | Eigene Anwendung, oft ohne Dokumentation |
| Wissensquelle | Beobachtbares Verhalten und eigene Nutzung | Code, Binärdateien, Datenbank, Laufzeitverhalten |
| Ergebnis der Analyse | Funktionsspezifikation | Fachregeln mit Belegen und Charakterisierungstests |
| Umsetzung | Neubau mit Coding Agents | Schrittweise Ablösung nach dem Strangler-Fig-Muster |
| Abnahme | Pilot mit einem Team | Parallelbetrieb mit identischen Ergebnissen |
06
Vorgehen in sechs Schritten
So wird aus einer Altanwendung schrittweise eine moderne Lösung, ohne den Betrieb zu unterbrechen.
- 1Inventar und Priorisierung: Geschäftskritikalität, technisches Risiko und Supportende je Anwendung bewerten.
- 2Analyseumgebung abschotten: Kopie des Systems, pseudonymisierte Daten, keine Produktivzugänge; Sprachmodelle lokal oder über ein europäisches Gateway.
- 3Verhalten erfassen: Ein- und Ausgaben echter Fälle als Golden Master sichern, ergänzt um Logs und Datenbankstände.
- 4Reverse Engineering und Dokumentation: Der Agent rekonstruiert Fachregeln mit Belegstellen, der Fachbereich prüft und gibt frei.
- 5Schrittweise Ablösung: Modul für Modul hinter einer Fassade ersetzen; die Charakterisierungstests sind das Abnahmekriterium.
- 6Parallelbetrieb und Abschaltung: Ergebnisse vergleichen, Daten migrieren, Altsystem stilllegen.
07
Rechenbeispiel: Lagerverwaltung in Delphi
Annahme: eine interne Lagerverwaltung mit rund 150.000 Zeilen Delphi-Code und Stored Procedures; von zwei Entwicklern mit Systemwissen geht einer bald in Rente. Wir vergleichen eine klassische Neuentwicklung mit einer KI-gestützten. Die Werte sind Annahmen für eine Größenordnung, keine Messwerte.
| Phase | Klassisch (PT) | KI-gestützt (PT) | Kommentar |
|---|---|---|---|
| Analyse und Dokumentation | 60 | 20 | Agent liest Code und erstellt Dokumentationsentwürfe |
| Charakterisierungstests | 40 | 20 | Tests aus echten Fällen erzeugt, fachlich ausgewählt |
| Neuentwicklung | 220 | 110 | Coding Agents mit Review-Pflicht |
| Parallelbetrieb und Migration | 40 | 35 | Kaum Hebel durch KI |
| Summe | 360 | 185 | bei 1.100 €/PT: 396.000 € gegenüber 203.500 € |
08
Rechtlicher Rahmen in Deutschland
Bei eigener Software mit eigenen Nutzungsrechten ist Reverse Engineering unproblematisch. Bei lizenzierter Software erlaubt § 69d Abs. 3 UrhG berechtigten Nutzern, das Funktionieren eines Programms zu beobachten, zu untersuchen und zu testen. Die Dekompilierung ist nach § 69e UrhG nur eingeschränkt zulässig, etwa um Interoperabilität mit einem unabhängig geschaffenen Programm herzustellen. Das Geschäftsgeheimnisgesetz (§ 3 GeschGehG) erlaubt das Untersuchen rechtmäßig erworbener Produkte, sofern dies nicht wirksam vertraglich ausgeschlossen ist.
Prüfen Sie daher Lizenz- und Wartungsverträge, bevor Sie fremde Komponenten analysieren. Dies ist keine Rechtsberatung.
09
Wie MAKONIS unterstützt
MAKONIS bewertet Ihre Altanwendungen im Modernisierungs-Assessment, richtet abgeschottete Analyseumgebungen mit souverän betriebenen Modellen ein und modernisiert mit AI Software Engineering – Context Engineering, Review-Gates und Tests inklusive.
Ziel ist meist eine Cloud-native Anwendung in Ihrer Azure Landing Zone; die Cloud-/Azure-Migration planen wir auf Wunsch zum Festpreis. Starten Sie mit einem kostenlosen 30-Minuten-Gespräch mit unseren Engineers.
Häufige Fragen
Teilweise. Eine Eins-zu-eins-Übersetzung überträgt aber auch alte Designprobleme. Besser ist: Verhalten verstehen und mit Tests festhalten, dann Modul für Modul in einer sauberen Architektur neu bauen.
Weiterlesen
Ratgeber · 7 Min. Lesezeit
LLM lokal betreiben: Leitfaden für Unternehmen
Ein LLM lokal zu betreiben heißt, ein Sprachmodell auf eigener oder dedizierter Infrastruktur auszuführen, sodass Eingaben und Daten das Unternehmen nicht verlassen. Dafür braucht es ein passendes Open-Weight-Modell, ausreichend GPU-Speicher, eine Inferenz-Software, eine Anbindung an Unternehmenswissen (RAG) sowie Zugriffskontrolle und Protokollierung.
WeiterlesenRatgeber · 7 Min. Lesezeit
KI-DSGVO-Checkliste und EU AI Act für den Mittelstand
Für den DSGVO-konformen KI-Einsatz brauchen Unternehmen eine Rechtsgrundlage, Transparenz gegenüber Betroffenen, einen Auftragsverarbeitungsvertrag mit dem KI-Anbieter, Kontrolle über Datenstandort und Speicherung sowie eine Datenschutz-Folgenabschätzung bei hohem Risiko. Der EU AI Act ergänzt das um risikobasierte Pflichten; für die meisten Anwendungen im Mittelstand sind vor allem KI-Kompetenz der Mitarbeitenden und Transparenzpflichten relevant. Dieser Artikel ersetzt keine Rechtsberatung.
WeiterlesenRatgeber · 9 Min. Lesezeit
SaaS-Replacement mit KI: Wann sich der Eigenbau rechnet – am Beispiel Calendly
SaaS-Replacement mit KI heißt: Ein eng umrissenes SaaS-Werkzeug wird durch eine eigene, mit KI-Coding-Agents gebaute Anwendung ersetzt, die in Ihrer eigenen Cloud-Umgebung läuft. Das rechnet sich vor allem bei Preisen pro Nutzer, überschaubarem Funktionsumfang und hohen Sicherheitsanforderungen. Im Rechenbeispiel einer Terminbuchung wie Calendly mit 60 Gastgebern und SSO-Pflicht kostet der Eigenbau über drei Jahre rund die Hälfte – bei 10 Nutzern lohnt er sich dagegen nicht.
WeiterlesenInnovation aus München.Weltweit tätig.
Sprechen Sie mit uns über Ihre Cloud-, DevOps- und AI-Vorhaben — unverbindlich und direkt mit unseren Engineers.