Legacy-Modernization mit AI: COBOL bis Java-Monolith

TL;DR

• Vier AI-Pattern decken 2026 die produktive Legacy-Modernization ab: Code-Understanding, Test-Generation, Strangler-Fig mit AI-Begleitung, Direkte Translation.
• Strangler-Fig ist Default — Big-Bang-Rewrites scheitern, inkrementelle Modernization mit AI-Co-Pilot ist Industrie-Standard.
• 30–50 % Velocity-Gewinn plus 20–40 % günstiger als klassisch — aber nur mit Test-Layer und Senior-Architekt-Review, sonst Bugs in Production.

Vier AI-Pattern für Legacy-Modernization

Legacy-Modernization ist 2026 ein Milliarden-Problem im DACH-Mittelstand: Geschätzt 200–300 Mrd. Lines COBOL, AS/400/RPG, Visual Basic 6 und alte Java-Monolithen laufen produktiv. Die zentrale Hürde ist die Wissens-Erosion — Originale Entwickler in Rente, Dokumentation lückenhaft, Test-Coverage unter 10 %. AI verschiebt das Verhältnis von Kosten zu Risiko, wenn sie als Co-Pilot statt Auto-Pilot eingesetzt wird: 800.000 Lines COBOL in 14 Tagen verstanden — aber die letzten 5 % Business-Logik kosten Monate, und dort liegt der Wert.

• Code-Understanding: Claude Opus Vision plus Code-Tools liest Legacy-Code und produziert Architektur-Diagramme, Datenmodelle, Business-Logic-Doku — bei 100k LOC in 2–5 Tagen statt 3–6 Mensch-Monaten. Der Output ist Diskussions-Grundlage, nicht Endprodukt; der Senior-Architekt validiert die 5–15 % Halluzinationen.
• Test-Generation: AI generiert Charakterisierungs-Tests aus Production-Logs als Sicherheitsnetz vor jedem Refactoring, Coverage steigt von unter 10 % auf 65–85 %. Ohne diese Schicht ist Modernization fahrlässig — jede Translation ohne Test-Layer produziert Silent Regressions.
• Strangler-Fig mit AI-Begleitung: Neue Module in TypeScript oder Python, alte Module bleiben bis zum Funktionsersatz live. AI hilft bei Schnittstellen, Daten-Mapping und Adapter-Generation. Inkrementelle Migration über 12–36 Monate, Risiko verteilt, Business-Continuity gewahrt.
• Direkte Translation: COBOL → Java oder VB6 → C# mit AI-Pair-Programming, Velocity-Gewinn 40–70 % — aber immer mit Senior-Architekt-Review pro PR. Funktioniert für isolierte Module mit klarer Business-Logik und hoher Test-Coverage; für vermischte Monolithen bleibt Strangler-Fig der Default.

Tool-Stack für Legacy 2026

Drei Layer decken Understanding, Translation und Test-Generation ab. Understanding ist kommoditisiert — der Wert liegt in Test-Generation und Strangler-Glue. Wer auf den Test-Layer verzichtet, spart einen kleinen Posten und riskiert ein Vielfaches an Production-Schaden.

Velocity-Vergleich klassisch vs. AI-assistiert

AI-assistierte Modernization ist 30–50 % schneller und 20–40 % günstiger als klassisch — aber nur mit Disziplin. Bei fehlender Test-Schicht frisst sich die Differenz in Rework-Cost auf. Der Gewinn konzentriert sich auf die code-zentrischen Phasen: Code-Understanding (rund Faktor 5 schneller, bessere Diagramme), Test-Charakterisierung (Faktor 3, höhere Coverage), Translation (gleiche Quality bei halbem Aufwand mit Review). Nicht überall ist das Delta positiv — Cutover und Production-Stabilisierung bleiben menschen-getriebene Disziplinen. AI hilft beim Verstehen und Schreiben, nicht beim Operations-Risk.

Pilot: Versicherer, COBOL-Modernization über 24 Monate

Ein DACH-Versicherer (340 MA, 1,2 Mio. Lines COBOL, Mainframe seit 1987) modernisiert seit Q1 2025 auf Java + PostgreSQL. AI als Co-Pilot, Strangler-Fig als Architektur-Pattern.

• Understanding + Tests: 1,2M LOC in 18 Tagen kartiert (4 statt 22 Mannmonate), Charakterisierungs-Tests aus 8 Wochen Prod-Logs hoben die Coverage von 12 % auf 71 % und fanden 14 Silent-Bugs.
• Translation + Strangler: Modul Tarifrechnung 32k LOC COBOL → Java mit 6 Senior-Reviews, 9 Adapter zwischen Legacy-DB und neuem PostgreSQL-Layer.
• Skalierung + Cutover: Module Schaden/Vertrag/Kunden mit 184k LOC parallel (38 statt 72 Mannmonate), Welle 1 mit 6 Modulen live — 4 Edge-Case-Rollbacks in Woche 2, in Woche 4 stabil.

Resultat nach 24 Monaten: 41 % der Legacy-Codebasis modernisiert, Velocity-Gewinn 47 % gegenüber klassischer Modernization, rund ein Viertel des Gesamtbudgets eingespart.

Anti-Patterns

• Pure-AI-Translation ohne Tests: COBOL durch Claude in Java übersetzt, ohne Charakterisierungs-Tests vorher — Ergebnis sind 5–15 % Silent Regressions und Production-Bugs Wochen später. Fix: Test-Generation ist Pflicht-Phase vor jeder Translation, Coverage unter 60 % = abbrechen.
• Big-Bang-Rewrite: Gesamter Monolith in einem Wurf, Cutover als Single-Event. Industrie-Daten zeigen 62 % Failure-Rate bei Rewrites über 500k LOC. Fix: Strangler-Fig, kein einziger Cutover über 100k LOC in einem Wurf.
• AI-only ohne Senior-Architekt: Junior-Team plus AI-Tools ohne Review pro PR. Die ersten Wochen sehen schnell aus, dann häuft sich Architecture-Debt. Fix: Senior-Architekt-Review als Pflicht-Gate vor jedem Merge.

Default-Pattern 2026

Die Default-Sequenz ist vier-stufig und nicht verhandelbar: Code-Understanding → Test-Generation → Strangler-Fig → AI-Co-Pilot pro Modul. Wer mit Translation startet, ohne Tests, ohne Strangler-Architektur, produziert Production-Bugs in Monat 4. AI ändert die Geschwindigkeit, nicht die Disziplin — Projekte laufen je Komplexität 12–36 Monate, ohne Big-Bang.

Praxis-Schritt: Ein 5-Tages-Legacy-Audit kartiert die Codebasis mit AI-Tools, identifiziert Strangler-Schnittstellen und liefert Tranche-Plan plus ROI-Modell. Erstgespräch anfragen → /anfrage

Stand Mai 2026. Legacy-Modernization bei Azena läuft mit Senior-Architekt-Review pro PR, Test-Layer-Pflicht und Strangler-Fig als Default. Keine Big-Bang-Rewrites.