High-Level-Architektur

Das Migrations-Tool zur KI-gestützten Modernisierung von Fachverfahren besteht aus drei aufeinander aufbauenden Bausteinen: Pre-Processing, Processing und Post-Processing. Diese Bausteine bilden eine durchgängige Pipeline von der Analyse der Legacy-Applikation bis zur Bereitstellung der modernisierten Web-Version.

Architekturübersicht

Die Gesamtarchitektur folgt einem Pipeline-Ansatz, bei dem Legacy-Anwendungen systematisch analysiert, transformiert und validiert werden.

Agentic Coding System

Das Agentic Coding System ist ein autonomes, KI-gestütztes Ausführungssystem. Es orchestriert spezialisierte KI-Agenten entlang definierter Workflows und führt technische Aufgaben selbstständig aus – von der Code-Analyse über Refactoring bis hin zu Testing und Dokumentation. Das System läuft containerisiert in isolierten Ausführungsumgebungen und kommuniziert über standardisierte Schnittstellen.

Charakteristiken:

• Open-Source-Basis: Transparenz und Anpassbarkeit.
• Isolation: Containerisierte Ausführung in einer sicheren Sandbox-Umgebung.
• Konnektivität: Tool-Integration via MCP-Server (z. B. für Filesystem-Zugriff, Playwright, Context7).
• Flexibilität: Konfigurierbare Modellanbindung (LLM-Agnostik).

KI-Modell-Integration (LiteLLM)

Die Anbindung an KI-Modelle erfolgt über LiteLLM. Diese Open-Source-Bibliothek dient als Abstraktions- und Routing-Schicht (API Gateway) für unterschiedliche LLM-Provider (OpenAI, Anthropic, Azure, lokale Modelle via Ollama etc.).

Vorteile:

• Vereinheitlichte API-Zugriffe (OpenAI-Format).
• Zentrales Logging & Monitoring.
• Kostenkontrolle & Budgetierung.
• Fallback-Strategien (z. B. Wechsel auf anderes Modell bei Ausfall).

Beispielhaft unterstützte Modelle:

• Anthropic Claude 4 Sonnet
• OpenAI GPT-4o / GPT-4o-mini
• OpenAI GPT-5

Datenhaltung

Die persistente Datenhaltung erfolgt in spezialisierten Systemen, um den unterschiedlichen Anforderungen an Struktur und Semantik gerecht zu werden:

• PostgreSQL: Speicherung der relationalen Daten der migrierten Anwendungen sowie Konfigurationsdaten.
• Neo4j: Haltung von Wissens- und Abhängigkeitsgraphen (GraphRAG) zur Abbildung der Code-Struktur.
• Qdrant: Speicherung vektorieller Repräsentationen (Embeddings) für die semantische Suche im Code und in der Dokumentation.

ℹ️ Anmerkung: Weitere Details zum Datenmanagement, wie Datenflüsse oder Schema-Definitionen, sind im Datenmanagement-Dokument beschrieben.