Cisco hat einen 27-jährigen ehemaligen Gründer damit beauftragt, Altcode im Konzern mit KI-Unterstützung zu überarbeiten. Die Rahmenbedingungen sind ungewöhnlich: Es stehen unbegrenzte KI-Token zur Verfügung, also kein festes Kontingent an Anfragen und generiertem Text, das den Einsatz von Sprachmodellen begrenzen würde. Das erklärte Ziel: Bis Ende 2027 sollen 70 Prozent der Produkte erneuert sein.

Mehr ist über das Vorhaben bislang nicht öffentlich. Genau deshalb ist es als Fallbeispiel interessant – weniger wegen der Zahlen, mehr wegen der Entscheidung, die dahintersteht: Ein Konzern behandelt die Modernisierung von Bestandssystemen nicht als Nebenaufgabe der laufenden Entwicklung, sondern als eigenes Programm mit eigener Verantwortung und eigenem Budget.

Warum Legacy-Code so hartnäckig ist

Als Legacy-Code gilt Software, die produktiv läuft, aber mit veralteten Techniken, ohne ausreichende Tests oder ohne aktuelle Dokumentation gewartet wird. In Web- und CMS-Landschaften mittelständischer Unternehmen sieht das typischerweise so aus: eine über zehn Jahre gewachsene Website, mehrere Generationen an Erweiterungen, individuelle Anpassungen von Dienstleistern, die längst nicht mehr im Projekt sind, dazu Schnittstellen zu ERP, CRM oder Shop, die irgendwann einmal funktionierten und seitdem niemand anfasst.

Das Problem ist selten die Technik allein. Es ist das fehlende Wissen darüber, was der Code eigentlich tut und warum er so gebaut wurde. Jede Änderung ist deshalb riskant, jedes Risiko führt zu Aufschub, und jeder Aufschub vergrößert den Abstand zur aktuellen Technologie. Nach einigen Jahren erscheint der komplette Neubau als einzige Option – mit allen bekannten Nachteilen: langer Stillstand bei Weiterentwicklungen, hohe Einmalkosten und der Verlust von Funktionen, an die sich niemand mehr erinnert hat.

Was KI an dieser Stelle tatsächlich beitragen kann

Der produktivste Einsatz von Sprachmodellen bei Bestandssystemen liegt nicht im Schreiben von neuem Code, sondern im Verstehen von vorhandenem. Modelle können große Mengen unbekannten Codes durchgehen, Abhängigkeiten sichtbar machen und in verständlicher Sprache zusammenfassen, welche Aufgabe ein Modul erfüllt. Das ersetzt keine Fachentscheidung, verkürzt aber die Einarbeitungsphase erheblich – also genau den Teil, der Modernisierungsprojekte traditionell teuer macht.

Praktisch nutzbar ist KI in Bestandsprojekten vor allem für:

  • Bestandsaufnahme: Dokumentation von Modulen, Schnittstellen und Datenflüssen, die nie schriftlich festgehalten wurden.
  • Testabdeckung: Erzeugen von Tests für Code, der bisher ungetestet war – als Sicherheitsnetz, bevor überhaupt etwas umgebaut wird.
  • Routineumbauten: wiederkehrende Anpassungen über viele Dateien hinweg, etwa bei Versionssprüngen oder dem Austausch veralteter Funktionen.
  • Risikoeinschätzung: Hinweise auf tote Codepfade, doppelte Logik oder offensichtliche Sicherheitsprobleme.

Der entscheidende Punkt: Diese Aufgaben sind überprüfbar. Ein generierter Test läuft entweder oder nicht. Eine Dokumentation lässt sich gegen das tatsächliche Verhalten prüfen. Wo Ergebnisse maschinell oder schnell manuell verifizierbar sind, trägt KI-Unterstützung zuverlässig – wo sie es nicht sind, entsteht lediglich plausibel klingender Text.

Unbegrenzte Token lösen das Problem nicht allein

Das Besondere am Cisco-Ansatz ist die Entkopplung von Nutzungskosten. Wenn jede Anfrage an ein Modell im Budget spürbar wird, entsteht Zurückhaltung: Man probiert weniger aus, lässt weniger Varianten erzeugen, verzichtet auf den dritten Durchlauf. Fällt diese Grenze weg, verschiebt sich die Arbeitsweise in Richtung Experiment.

Der Engpass wandert damit aber nur. Er liegt dann nicht mehr bei den Token, sondern bei der Prüfung der Ergebnisse. Jede generierte Änderung muss gelesen, getestet und verantwortet werden. Ohne automatisierte Tests, saubere Versionsverwaltung und eine funktionierende Deployment-Strecke – also einen geregelten Weg, Änderungen kontrolliert in den Live-Betrieb zu bringen – erzeugt mehr KI-Output schlicht mehr ungeprüfte Änderungen. Die Grundlagen moderner Softwareentwicklung werden durch KI nicht ersetzt, sondern wichtiger.

Übertragung auf mittelständische Projekte

Ein Konzernprogramm mit Mehrjahresziel lässt sich nicht eins zu eins übertragen. Das Muster dahinter schon. Für gewachsene TYPO3-Installationen, individuelle Portale oder ältere Fachanwendungen bietet sich ein schrittweises Vorgehen an:

  1. Inventur vor Umbau: Erfassen, welche Teile des Systems aktiv genutzt werden, welche nur noch mitlaufen und welche gefahrlos entfallen können. Nicht modernisierter Code ist günstiger als modernisierter Code, den niemand braucht.
  2. Absicherung aufbauen: Tests für die geschäftskritischen Abläufe, bevor der erste Umbau beginnt. Hier ist KI-Unterstützung besonders wirtschaftlich, weil Testschreiben für Altcode mühsam und wenig beliebt ist.
  3. In Scheiben modernisieren: Einzelne Bereiche ablösen, während das Gesamtsystem produktiv bleibt. Bei CMS-Projekten etwa Erweiterung für Erweiterung statt Relaunch am Stück.
  4. Wissen festhalten: Die während der Modernisierung entstandene Dokumentation gehört ins Repository, nicht in einen Chatverlauf.

Der betriebswirtschaftliche Vorteil liegt in der Verteilung des Risikos. Jeder Schritt ist einzeln bewertbar, einzeln abbrechbar und liefert für sich genommen bereits Nutzen – etwa in Form niedrigerer Wartungskosten oder besserer Sicherheitslage. Ein kompletter Neubau liefert Nutzen erst am Ende, und das Ende verschiebt sich erfahrungsgemäß.

Was realistisch zu erwarten ist

Ob Cisco das Ziel für Ende 2027 erreicht, ist offen, und eine Quote von 70 Prozent erneuerter Produkte sagt für sich genommen wenig über Qualität oder Betriebsstabilität aus. Belastbare Vergleichszahlen zur Produktivität von KI in Modernisierungsprojekten liegen bislang kaum vor. Wer Budgets plant, sollte deshalb mit messbaren Zwischenergebnissen arbeiten statt mit pauschalen Einsparungsversprechen.

Sinnvoll ist ein begrenzter Pilot: ein klar abgegrenztes Modul, ein definierter Zeitraum, eine Vorher-Nachher-Messung bei Aufwand, Fehlerquote und Durchlaufzeit. Daraus ergibt sich eine Entscheidungsgrundlage, die auf dem eigenen Code basiert – und nicht auf Erfahrungsberichten aus einer ganz anderen Größenordnung.

Für Web- und Softwareprojekte verschiebt sich damit vor allem die Kosten-Nutzen-Rechnung zwischen Neubau und Weiterentwicklung: Bestandssysteme zu verstehen und abzusichern wird günstiger, der vollständige Relaunch verliert einen Teil seiner Rechtfertigung. Voraussetzung bleibt eine ordentliche technische Basis aus Tests, Versionsverwaltung und automatisierten Deployments – ohne sie beschleunigt KI lediglich die Produktion von Änderungen, die niemand mehr überblickt. Wer eine gewachsene TYPO3- oder Individuallösung betreibt, fährt derzeit am besten mit einem kleinen, messbaren Modernisierungsschritt statt mit einem großen Versprechen.

Quellen