Konzepte & Strategien

Dieser Abschnitt beschreibt die grundlegenden Konzepte des Kontext Engineerings im Migrations-Tool. Diese Konzepte bilden das Fundament für eine kontextsensitive und qualitativ hochwertige automatisierte Modernisierung von Fachverfahren.

Sessions

Der Modernisierungsprozess ist in dedizierte Sessions unterteilt, die jeweils einen spezifischen Teilbereich der Migration abdecken. Jede Session verfügt über einen eigenen Kontext-State, der das relevante Wissen für die jeweilige Aufgabe bereitstellt.

Session	Beschreibung
Documentation Session	Analyse der Legacy-Applikation und Erstellung der automatisch generierten Dokumentation (README, Abhängigkeitsgraph)
Migration Session	Durchführung der eigentlichen Code-Transformation unter Berücksichtigung der Zielarchitektur
Testing Session	Generierung und Ausführung von Tests zur Validierung der modernisierten Applikation

Die Trennung in Sessions ermöglicht eine fokussierte Verarbeitung und verhindert, dass irrelevante Kontextinformationen die KI-Agenten ablenken oder zu inkonsistenten Ergebnissen führen. Gleichzeitig können Erkenntnisse aus früheren Sessions (z. B. die generierte Dokumentation) gezielt in nachfolgende Sessions eingebunden werden.

Vorteile der Session-Architektur

Fokussierung: Jede Session konzentriert sich auf eine klar definierte Aufgabe
Kontexttrennung: Irrelevante Informationen werden ausgeblendet
Wissenstransfer: Ergebnisse einer Session können in nachfolgende Sessions einfließen
Nachvollziehbarkeit: Der Fortschritt kann pro Session überwacht und protokolliert werden

Agenteninstruktionen (AGENTS.md)

Die Datei AGENTS.md ist das zentrale Regelwerk des Agentic Coding Systems. Sie definiert verbindlich die Verhaltensrichtlinien, Qualitätskriterien und Rahmenbedingungen für alle KI-Agenten im Modernisierungsprozess.

Inhalte der AGENTS.md

Die AGENTS.md enthält unter anderem:

Zielarchitektur-Vorgaben: Technologie-Stack, Architekturprinzipien und Designmuster der Zielanwendung
Migrationsregeln: Verbindliche Transformationsregeln für die Code-Überführung
Coding-Guidelines: Stilrichtlinien, Namenskonventionen und Best Practices
Qualitätskriterien: Anforderungen an Testabdeckung, Dokumentation und Code-Qualität
Tool-Nutzungsrichtlinien: Erlaubte und verbotene Werkzeuge sowie deren korrekte Anwendung
Sicherheitsvorgaben: Datenschutz- und Sicherheitsanforderungen
Eskalationsregeln: Verhalten bei Unsicherheiten oder Fehlern

Bedeutung für die Modernisierung

Durch die explizite Verankerung dieser Vorgaben wird sichergestellt, dass alle automatisch ausgeführten Transformations- und Implementierungsschritte konsistent, reproduzierbar und regelkonform erfolgen. Die AGENTS.md fungiert als "Vertrag" zwischen dem System und den KI-Agenten und stellt sicher, dass alle Akteure nach denselben Regeln arbeiten.

Applikationsdokumentation (README.md)

Ergänzend zur AGENTS.md wird für jede zu modernisierende Applikation eine automatisch generierte README-Dokumentation erstellt. Diese beschreibt die spezifischen Eigenschaften der Legacy-Applikation und dient den KI-Agenten als primäre Wissensquelle über das Quellsystem.

Typische Inhalte der README

Funktionale Beschreibung: Zweck und Hauptfunktionen der Applikation
Strukturübersicht: Module, Komponenten und deren Beziehungen
Datenflüsse: Verarbeitungslogiken und Abhängigkeiten
Besonderheiten: Identifizierte Randbedingungen und Sonderfälle
Externe Abhängigkeiten: Verbindungen zu anderen Systemen oder Datenquellen

Die README wird im Pre-Processing-Baustein automatisch generiert und bildet die Grundlage für das applikationsspezifische Kontextwissen der KI-Agenten.

Zielarchitektur-Wissen

Das Wissen über die Zielarchitektur ist ein essenzieller Bestandteil des Kontexts. Den KI-Agenten wird explizit vermittelt, welche Technologien, Strukturen und Muster in der modernisierten Applikation eingesetzt werden sollen.

Bestandteile des Zielarchitektur-Wissens

Bereich	Inhalt
Technologie-Stack	React, TypeScript, Node.js, Prisma
Projektstruktur	Verzeichnisaufbau, Modulorganisation
API-Design	REST-Konventionen, Schnittstellendefinitionen
Datenmodellierung	Datenbankschema, ORM-Konfiguration
Qualitätsanforderungen	Testabdeckung, Dokumentationspflichten

Nutzen

Durch die Verankerung der Zielarchitektur im Kontext wird sichergestellt, dass die generierten Artefakte den definierten Standards entsprechen und nahtlos in die Zielumgebung integriert werden können. Die KI-Agenten treffen Architekturentscheidungen nicht willkürlich, sondern orientieren sich an den vorgegebenen Mustern und Konventionen.

Iterationswissen

Das Migrations-Tool bewahrt Wissen aus früheren Iterationen und macht dieses für nachfolgende Durchläufe nutzbar. Dies ist besonders relevant für iterative Verbesserungen und die Vermeidung wiederkehrender Fehler.

Arten von Iterationswissen

Fehlgeschlagene Versuche: Erkenntnisse aus nicht erfolgreichen Migrationsansätzen
Feedback-Integration: Korrekturen und Anpassungen aus Benutzer-Feedback
Randbedingungen: Identifizierte Sonderfälle und deren Lösungen
Optimierungen: Erfolgreiche Verbesserungen aus früheren Durchläufen

Vorteile

Durch die Berücksichtigung von Iterationswissen werden wiederkehrende Fehler vermieden und die Effizienz des Modernisierungsprozesses kontinuierlich verbessert. Das System "lernt" aus vergangenen Erfahrungen und kann dieses Wissen in zukünftigen Migrationen anwenden.