In vielen Schweizer KMU schlummern tickende Zeitbomben in den IT-Abteilungen: veraltete Codebasen, sogenannte Legacy-Systeme. Ob in Cobol, altem Python oder proprietären Systemen geschrieben – diese Altlasten bremsen die Innovation, verursachen hohe Hosting-Kosten und sind anfällig für Sicherheitslücken. Bisher waren Migrationen auf moderne Programmiersprachen wie Rust oder TypeScript für kleinere und mittlere Unternehmen kaum finanzierbar. Sie erforderten jahrelange Entwicklungsarbeit, banden wertvolle Fachkräfte und blockierten die gesamte Produkt-Roadmap.
Mit dem Einzug von agentischer KI, insbesondere durch Werkzeuge wie Claude Code von Anthropic, verschiebt sich dieses Paradigma radikal. Was früher Jahre dauerte, lässt sich heute in Wochen oder gar an einem einzigen Wochenende erledigen. Für Schweizer Entscheidungsträger bedeutet dies: Das finanzielle und operative Risiko von Software-Modernisierungen sinkt gegen null.
---
Die neue Arithmetik der Code-Migration
Bisher scheuten viele Unternehmen den Wechsel der Programmiersprache, weil das Risiko des Scheiterns enorm hoch war. Ein paralleler Entwicklungsstrang über Monate hinweg führt unweigerlich zu Integrationsproblemen.
Die neuen Modelle wie Claude Fable 5 und Claude Opus 4.8 verändern die ökonomische Gleichung grundlegend. Die Kernphilosophie hinter diesem Wandel lautet: Man repariert nicht den Code, sondern den Prozess (Loop), der den Code erzeugt.
KI-Agenten eignen sich hervorragend für grossflächige Migrationen, weil diese Arbeit in hohem Masse parallelisierbar ist. Die alte Codebasis dient der KI als perfekte Spezifikation. Da moderne Testumgebungen als objektive Schiedsrichter (Referee) agieren, können KI-Subagenten tagelang autonom gegen diese Testläufe anarbeiten, bis jede Fehlermeldung behoben ist.
Aus betriebswirtschaftlicher Sicht reduziert dies die Personalkosten drastisch. Selbst wenn API-Gebühren für Milliarden von Tokens anfallen, machen diese nur einen Bruchteil der Kosten aus, die für ein klassisches Entwicklerteam über mehrere Jahre hinweg angefallen wären.
---
Praxisbeispiele: Effizienzgewinne im Härtetest
Zwei aktuelle Use Cases aus dem Anthropic-Ökosystem demonstrieren das disruptive Potenzial dieser Technologie:
#### 1. Der Millionen-Zeilen-Sprint (Bun: Zig zu Rust) Jarred Sumner migrierte das äusserst populäre Laufzeit-Tool «Bun» von der Programmiersprache Zig zu Rust. Dabei wurden eine Million Zeilen Code in weniger als zwei Wochen neu geschrieben. * Die Kosten: Rund 165'000 US-Dollar an API-Gebühren. * Das Ergebnis: 100% bestandene Integrationstests vor dem Merge. Nach dem Go-live traten lediglich 19 kleinere Fehler (Regressions) auf, die sofort behoben wurden. * Der Business-Nutzen: Die neue Version verbraucht auf den Servern statt 6.7 GB nur noch 609 MB Arbeitsspeicher – eine Reduktion des Ressourcenverbrauchs um über 90 %. Zudem wurde die Binary-Grösse um 19 % verkleinert und die Ausführungsgeschwindigkeit um bis zu 5 % gesteigert. Für Unternehmen bedeutet dies direkt sinkende Cloud- und Infrastrukturkosten.
#### 2. Die Wochenend-Migration (Python zu TypeScript) Mike Krieger (Mitgründer von Instagram und Co-Lead bei Anthropic Labs) portierte eine interne Python-Codebasis mit 165'000 Zeilen über ein einziges Wochenende in TypeScript. * Der Business-Nutzen: Zuvor dauerte der Build-Prozess für die verschiedenen Plattformen rund 30 Minuten pro Release. Nach der automatisierten Migration schrumpfte diese Wartezeit auf zwei Sekunden. Die Anwendung startet seither sechsmal schneller, und eine komplette Deployment-Pipeline konnte stillgelegt werden.
---
Der 6-Schritte-Prozess für Schweizer KMU
Wie können Schweizer Unternehmen diese Methodik auf ihre eigenen IT-Projekte anwenden? Anthropic empfiehlt einen standardisierten, sechsstufigen Prozess:
1. Den Schiedsrichter etablieren (Prerequisites): Bevor eine einzige Zeile übersetzt wird, muss ein wasserdichter Test-Harness aufgebaut werden. Dieser testet das alte und das neue System unter identischen Bedingungen. 2. Regelwerk & Abhängigkeiten definieren (Schritt 1): Es wird ein digitales Regelwerk erstellt, wie Typen und Logiken übersetzt werden sollen. Claude Code analysiert zudem die Datei-Abhängigkeiten, um die optimale Reihenfolge festzulegen. 3. Die Regeln stresstesten (Schritt 2): Eine Mini-Migration von wenigen Dateien wird durchgeführt. Ein KI-Agent übersetzt, ein zweiter prüft wie ein Senior Engineer, ein dritter optimiert die Regeln. Erst wenn dieser Prozess fehlerfrei läuft, wird skaliert. 4. Die Massen-Übersetzung starten (Schritt 3): Günstigere, schnelle Modelle (wie Claude Sonnet) übernehmen die standardisierte Übersetzung im grossen Stil. Kritische Stellen werden mit einem `// TODO(port)` markiert. 5. Kompilieren und Ausmerzen (Schritte 4 & 5): Compiler-Fehler und Abstürze bei Smoke-Tests werden als automatisierte Aufgabenliste an Reparatur-Agenten übergeben. Ein separater Review-Agent prüft jede Korrektur kritisch. 6. Verhaltensabgleich (Schritt 6): Die im ersten Schritt definierten Tests laufen parallel gegen beide Codebasen. Abweichungen im Verhalten werden so lange korrigiert, bis absolute Parität herrscht.
---
Automatisierungs-Takeaway
Für Schweizer KMU-Inhaber und IT-Verantwortliche ist die Botschaft klar: Die Ära der unkalkulierbaren, teuren IT-Modernisierungsprojekte ist vorbei.
Effizienz-Gewinn: Durch den Einsatz von KI-Agenten wie Claude Code lassen sich Software-Migrationen um bis zu 95 % schneller und mit einem Bruchteil des Budgets realisieren. Statt wertvolle Entwicklerkapazitäten jahrelang in repetitiven Übersetzungsarbeiten zu binden, agieren Ihre Ingenieure nur noch als Architekten und Prüfer (Reviewer) der KI-Agenten.
Wer seine Legacy-Systeme jetzt modernisiert, senkt nicht nur seine laufenden Betriebskosten massiv, sondern macht sein Unternehmen fit für die nächste Welle der KI-Integration. Es ist Zeit, die alte Codebasis neu kalkulieren zu lassen.