KI-gestützte Code-Migration in der Versicherungsbranche

Hier kommt Exxfer ins Spiel, unser Tool zur strukturierten Code-Analyse. Exxfer extrahierte aus dem bestehenden Code einen Wissensgraphen. Dieser bildete Abhängigkeiten, Relationen und Logikpfade ab. Statt 20.000 Zeilen Quellcode auf einmal zu betrachten, kann die KI gezielt auf relevante Zusammenhänge zugreifen.

Über einen MCP-Server verknüpften wir diesen Graphen zusätzlich mit Jira- und Confluence-Daten. So entstand ein kontextualisiertes Modell der Applikation – technisch und fachlich zugleich.

Das Ergebnis: Debugging wird präziser. Zusammenhänge werden sichtbarer. Und die KI erhält genau den Kontext, den sie benötigt.

Von Wissensgraph zu KI-Migration

Auf dieser Basis testeten wir unterschiedliche Ansätze zur automatisierten Übersetzung in eine moderne Programmiersprache. Der gewählte Weg: modulweise Migration.

Zunächst lassen wir KI-Agenten Tests aus Ein- und Ausgangsdaten generieren. Für ausgewählte Module erreichen wir eine Testabdeckung von rund 80 %. Diese Tests werden fachlich validiert und dienen als Sicherheitsnetz.

Anschließend übersetzen wir die Business-Logik dieser Module automatisiert in die Zielarchitektur. Die KI erhält klare Pläne: 1:1-Übersetzung, Tests müssen grün bleiben, Logik darf sich nicht verändern.

Acht von über 60 Modulen werden so erfolgreich migriert – inklusive Dokumentation und lauffähiger Tests. Die Ergebnisse zeigen: Der Ansatz ist technisch machbar.

Parallel evaluieren wir Effizienz und Tokenverbrauch verschiedener Modelle, darunter Claude Sonnet und Opus. Erste Analysen deuten auf ein mögliches Effizienzpotenzial, bei gleichzeitig hoher Qualität von bis zu 50 Prozent hin.