KKC_0242 | KI in Legacy-Software: Modernisieren ohne Rebuild

Legacy-Software ist selten „kaputt“, aber sie ist oft schwer zu verändern. Genau hier setzt dieses Seminar an: Sie lernen, wie Sie KI-Funktionen in gewachsene Anwendungen integrieren, ohne Stabilität und Betriebssicherheit zu gefährden. Wir starten mit einer strukturierten Legacy-Analyse: Systemlandkarte, Abhängigkeiten, Datenflüsse und typische Engpässe wie manuelle Prüfschritte, lange Ticketketten oder Wissensinseln.

Daraus leiten Sie KI-Use-Cases ab und priorisieren sie mit einer Impact-Risiko-Logik, damit Sie schnell Nutzen liefern und gleichzeitig technische Schulden nicht vergrößern. Anschließend erarbeiten Sie Integrationsmuster, die in der Praxis funktionieren: Strangler Pattern, Anti-Corruption Layer, Adapter und eventgetriebene Erweiterungen. Sie lernen, wie Sie neue KI-Services als Sidecar oder eigenständige Komponenten aufsetzt, wie Sie Schnittstellen stabil halten und wie Fallback- und Degradationsmodi aussehen, wenn ein Modell ausfällt oder Ergebnisse unsicher sind.

Ein Schwerpunkt ist RAG: Sie bringen Unternehmenswissen aus Dokumenten, Tickets, Logs oder Code in eine kontrollierte Wissensbasis, definieren Chunking und Metadaten, planen Zugriffskontrollen und bewerten die Qualität über Relevanz, Grounding und Zitation. Dazu kommen Security, Datenschutz und Governance: Threat Modeling, Umgang mit personenbezogenen Daten, Auditierbarkeit und die Auswahl zwischen Cloud, On-Prem oder Private Endpoints. Abschließend bauen Sie ein realistisches Betriebsmodell mit Evals, Regressionstests, Telemetrie, Feature Flags und einer Roadmap von PoC bis Rollout.

• Legacy-Systeme anhand von Abhängigkeiten und Datenflüssen analysieren
• KI-Use-Cases mit einer Impact-Risiko-Logik priorisieren
• Strangler Pattern, Anti-Corruption Layer und Adapter einordnen
• KI-Services als Sidecar oder eigenständige Komponente integrieren
• Schnittstellen, Datenverträge und Verantwortlichkeiten stabil gestalten
• Fallback- und Degradationsmodi für unsichere Ergebnisse definieren
• Modernisierung mit Tests, Monitoring und schrittweiser Einführung absichern

Das Seminar richtet sich an Softwarearchitekt/innen, Entwickler/innen, IT-Leiter/innen, Application-Manager/innen sowie Fachkräfte für Modernisierung, Integration und Enterprise Architecture.

Fundierte Kenntnisse in Softwareentwicklung oder Softwarearchitektur sowie Erfahrung mit bestehenden Anwendungssystemen werden vorausgesetzt.

• Legacy-Analyse und KI-Eignung
  • Systemlandkarte, Abhängigkeiten, Datenflüsse
  • Hotspots: manuelle Prozesse, Wissensinseln, Tickets
  • KI-Use-Cases priorisieren mit Impact/Risiko
  • Build vs. Buy vs. Wrap: Entscheidungslogik
• Architekturmuster für KI-Integration
  • Strangler Pattern, Anti-Corruption Layer, Facades
  • Sidecar-Services und eventgetriebene Erweiterungen
  • API-First, Adapter, Message Broker
  • Fallback-Strategien und Degradationsmodi
• Daten, Kontext und RAG in Unternehmenssystemen
  • Dokumente, Tickets, Logs, Code als Wissensquellen
  • Chunking, Metadaten, Zugriffskontrolle
  • Embedding-Strategien und Vektorsuche
  • RAG-Qualität: Relevanz, Grounding, Zitation
• LLM-Integration in Prozesse und UI
  • Copilot-Features: Suche, Zusammenfassung, Entwürfe
  • Workflow-Automation mit Human-in-the-Loop
  • Prompt-Patterns für robuste Ergebnisse
  • Fehlerbilder: Halluzination, Drift, Prompt-Injection
• Security, Datenschutz und Governance
  • Threat Modeling für KI-Features
  • PII-Handling, Datenminimierung, Retention
  • Policy-as-Code: Freigaben, Rollen, Audit
  • Modelle: Cloud, On-Prem, Private Endpoints
• Testing, Observability und Betrieb
  • Eval-Sets, Golden Prompts, Regressionstests
  • Telemetry: Kosten, Latenz, Qualität, Abbrüche
  • Release-Strategien: Canary, Feature Flags
  • Runbooks, Incident Handling, Rate Limits
• Roadmap und Business Case
  • PoC zu Pilot zu Produkt: klare Gates
  • KPI-Design: Durchlaufzeit, Qualität, Kosten
  • Make-or-Buy für Vektor-DB, Orchestrierung
  • Change Management für Fachbereiche