Es gibt ein Muster, das wir in fast jedem DACH-Enterprise-Engagement sehen. Die KI-Initiative ist sauber gescopt. Der Workflow ist identifiziert. Der Business Case ist klar. Dann fragt jemand: „Woher kommen die Daten?" Und die Antwort umfasst ein 15 Jahre altes ERP-Modul, einen nächtlichen Batch-Export, drei Excel-Dateien, die von einer Person in der Buchhaltung gepflegt werden, und einen FTP-Server, den niemand mehr konfiguriert zu haben glaubt.

Das KI-Projekt ist nicht gescheitert. Es ist auf den Legacy-Stack aufgelaufen.

Der echte Blocker ist nicht KI — sondern Infrastruktur

Die meisten Gespräche über KI-Readiness drehen sich um Modelle, Prompts und Tooling. Das sind gelöste Probleme. Das ungelöste Problem in den meisten DACH-Mittelstandsunternehmen liegt eine Ebene tiefer: die Systeme, die Daten halten, Prozesse ausführen und die Geschäftslogik verbinden.

Wenn wir Discovery-Engagements durchführen, ist die erste Dimension, die wir bewerten, die Datenzugänglichkeit. Nicht Datenqualität im Abstrakten — sondern ob die relevanten Daten tatsächlich extrahiert, transformiert und in einen Workflow eingespeist werden können, in einem vertretbaren Zeitrahmen.

In rund 60 % unserer Engagements lautet die Antwort: nicht ohne den Legacy-Stack vorher anzufassen.

Was „Legacy" für KI tatsächlich bedeutet

Legacy hat nichts mit dem Alter zu tun. Eine 20 Jahre alte SAP-Installation mit sauberen APIs und dokumentierten Schnittstellen ist in keiner relevanten Hinsicht Legacy. Eine 3 Jahre alte Custom-Anwendung mit hardcodierten Business-Regeln, ohne Testabdeckung und mit manuellen Deployments schon.

Für KI-Zwecke wird ein System dann zum Legacy-System, wenn es folgende Eigenschaften aufweist:

Daten sind eingesperrt. Es gibt keine APIs, keine Webhooks, keine Event-Streams. Daten herauszubekommen bedeutet Screen Scraping, Datenbank-Views, die brechen, wenn jemand einen Spaltennamen ändert, oder die eine Person zu fragen, die den Export-Prozess kennt.

Prozesslogik ist implizit. Business-Regeln leben in Stored Procedures, Spreadsheet-Makros oder in den Köpfen langjähriger Mitarbeitender. Es gibt keine Dokumentation, keine Spezifikation und keine Möglichkeit zu verstehen, was das System tut, ohne es auszuführen.

Änderungen sind gefährlich. Jede Modifikation erfordert wochenlange Planung, manuelle Tests und ein Deployment-Fenster am Sonntagabend. Das System hat keine Staging-Umgebung, keine automatisierten Tests und keinen Rollback-Mechanismus.

Integration ist fragil. Verbindungen zwischen Systemen sind Punkt-zu-Punkt, oft über File-Drops, geteilte Datenbanken oder Middleware, die ihr letztes Update 2018 erhalten hat.

Wenn KI-Workflows aus solchen Systemen lesen, in sie schreiben oder mit ihnen integrieren müssen, kommt die Initiative zum Stillstand — nicht wegen KI-Limitierungen, sondern weil das Fundament es nicht tragen kann.

Das Modernisierungsspektrum

Der Reflex bei Legacy-Systemen ist, eine große Migration zu planen: alles ersetzen, in die Cloud gehen, neu anfangen. Das ist für eine KI-getriebene Modernisierung fast immer falsch.

Stattdessen arbeiten wir über ein Spektrum von Interventionen, jeweils gewählt auf Basis des konkreten Blockers:

Stabilisieren (Wochen, nicht Monate)

Manchmal muss das Legacy-System nicht ersetzt werden. Es braucht eine stabile Schnittstelle. Einen API-Wrapper um eine Datenbank-View. Eine Message Queue, die das Legacy-System von nachgelagerten Konsumenten entkoppelt. Eine Datenpipeline, die extrahiert, was der KI-Workflow braucht, ohne den Kern anzufassen.

Das ist die häufigste Intervention. Und die am meisten unterschätzte. Stabilisierung behebt das Legacy-System nicht. Sie macht es überlebbar, während der KI-Workflow läuft.

Entkoppeln (1–3 Monate)

Wenn das Legacy-System eng an andere Systeme gekoppelt ist — geteilte Datenbanken, synchrone Aufrufe, hardcodierte Integrationen — ist der Blocker nicht das Legacy-System selbst, sondern das Abhängigkeitsnetz. Entkopplung bedeutet, Integrationsschichten, eventgetriebene Architekturen oder API-Gateways einzuführen, die dem KI-Workflow unabhängiges Arbeiten ermöglichen.

Das Muster: Das Legacy-System läuft weiter wie bisher. Eine neue Integrationsschicht sitzt daneben. Der KI-Workflow verbindet sich mit der Integrationsschicht, nicht direkt mit dem Legacy-System.

Selektiv modernisieren (3–6 Monate)

Manche Komponenten des Legacy-Stacks müssen neu gebaut werden — aber nur diejenigen, die die KI-Initiative direkt blockieren. Das ist keine Full-Migration. Es ist chirurgische Modernisierung: Das Claims-Intake-Modul ersetzen, weil der KI-Workflow strukturierte Daten daraus braucht, aber das Policenverwaltungssystem in Ruhe lassen, weil kein KI-Workflow es berührt.

Migrieren (6–18 Monate, paralleler Track)

Eine vollständige Migration ist manchmal nötig, aber sie sollte parallel zur KI-Delivery laufen — nicht als Voraussetzung. Die KI-Initiative sollte nicht 18 Monate auf eine saubere Plattform warten. Stattdessen laufen Modernisierung und KI-Workflow gleichzeitig, wobei Stabilisierung und Entkopplung die Brücke bilden.

Für Unternehmen, die diesen Weg erwägen, ist die Frage traditionelle Migration vs. KI-Shift-Timing zunehmend relevant.

Das Modernisierungs-Readiness-Assessment

Bevor Sie eine Intervention wählen, müssen Sie verstehen, wo der Legacy-Druck am höchsten ist. Wir bewerten sechs Dimensionen:

Systemkomplexität und technische Schulden. Wie viel undokumentierte Logik, wie viele Abhängigkeiten, wie fragil ist die Deployment-Kette?

Operative Engpässe. Wo warten Teams, arbeiten um das System herum oder kompensieren Systemeinschränkungen manuell?

Delivery-Friction. Wie lange dauert es, eine Änderung auszuliefern? Wie ist das Verhältnis von „Feature bauen" zu „sicher deployen"?

Integrationsabhängigkeiten. Wie viele Systeme sind angebunden? Wie viele dieser Verbindungen sind fragil, undokumentiert oder werden von einer einzelnen Person betreut?

Support-Last. Wie viel operativer Aufwand fließt in den laufenden Betrieb versus Verbesserungen?

Modernisierungs-Blocker. Was hindert die Organisation an der Modernisierung? Budget? Wissensverlust? Risikotoleranz? Politische Zugehörigkeit?

Jede Dimension erhält einen Schweregrad und eine empfohlene Intervention. Das Ergebnis ist keine Roadmap — es ist ein klares Bild, wo man anfängt und was man zuerst tut. Die detaillierte Methodik finden Sie in unserem Legacy Readiness Check Framework.

Wie das in der Praxis aussieht

In einem E-Mobilitäts-Engagement benötigte der KI-Workflow Abrechnungsdaten von einer 12 Jahre alten Plattform. Die Daten existierten, aber die Extraktion erforderte eine Kette aus fünf Stored Procedures, zwei manuellen Excel-Anpassungen und einem wöchentlichen Batch-Lauf.

Wir haben die Abrechnungsplattform nicht ersetzt. Wir haben eine Echtzeit-Datenpipeline daneben gebaut: eine Reihe von Change-Data-Capture-Events aus der Datenbank, die in eine Message Queue fließen und vom KI-Workflow konsumiert werden. Das Legacy-System lief unverändert weiter. Der KI-Workflow erhielt alle 15 Minuten frische Daten statt einmal pro Woche.

Gesamtaufwand: 3 Wochen für die Datenpipeline, 4 Wochen für den KI-Workflow. Die Migration der Abrechnungsplattform läuft jetzt auf einem separaten 12-Monats-Track — aber der KI-Workflow ist seit Monaten in Produktion.

Das ist das Muster. Lassen Sie nicht zu, dass Modernisierung zur Voraussetzung für KI wird. Machen Sie sie zu einem parallelen Track und bauen Sie die Brücke, die KI laufen lässt, während die Modernisierung voranschreitet.

Die Kosten des Wartens

Die teuerste Entscheidung ist, weder das eine noch das andere zu tun: nicht modernisieren und keine KI deployen. Jeder Monat Inaktivität verschärft das Problem. Der Legacy-Stack driftet weiter von modernen Standards ab. Die Menschen, die ihn verstehen, kommen der Rente näher. Die technischen Schulden akkumulieren Zinsen.

Gleichzeitig betreiben Wettbewerber, die das Integrationsproblem gelöst haben — auch unelegant, auch mit Workarounds — produktive KI-Workflows, deren Wertschöpfung sich jede Woche vervielfacht.

Die Frage ist nicht, ob modernisiert werden soll. Die Frage ist, ob strategisch modernisiert wird, im Dienste der KI-Delivery, oder reaktiv, wenn das Legacy-System endgültig versagt.

Wo anfangen

Wenn Legacy-Systeme Ihre KI-Initiativen blockieren, starten Sie mit einem Readiness Check, um zu identifizieren, wo der Druck am höchsten ist. Wenn Sie den Blocker bereits kennen, kann ein Erstgespräch klären, ob Stabilisierung, Entkopplung oder selektive Modernisierung die richtige Intervention für Ihre Situation ist.