Kostenloses Erstgespräch: Lassen Sie uns über Ihr Projekt sprechen +49 0 7195 9299770 vertrieb@webect.de
14-köpfiges Team 12 Jahre Erfahrung 220+ erfolgreiche Projekte DACH-weit tätig Sehr gut

Webentwicklung13 Min. Lesezeit

Agentic Migration: Wo KI bei Migrationen wirklich hilft und wie weit wir sind

KI-Coding-Agenten analysieren Altsysteme, bauen Code um und schreiben Tests. Wir zeigen, wo sie bei Code-, Shop-, Daten- und Cloud-Migrationen heute wirklich helfen, wo sie an Grenzen stoßen, wie belastbar die bisherigen Belege sind und wie ein sicheres Vorgehen aussieht.

Migrationen gehören zu den unbeliebtesten Projekten in der IT: Magento 1 auf Magento 2, eine Java-Anwendung auf eine aktuelle Version, ein Fileserver in SharePoint, eine Anwendung in die Cloud. Der Aufwand ist hoch, und am Ende soll alles funktionieren wie vorher. Genau hier versprechen KI-Coding-Agenten Entlastung.

Unter dem Schlagwort „Agentic Migration“ bieten Anthropic, OpenAI, GitHub, Microsoft, AWS und Google Werkzeuge an, die Migrationen über viele Schritte selbstständig bearbeiten. Wir ordnen ein, was diese Agenten heute leisten, wo sie an Grenzen stoßen und wie ein Vorgehen aussieht, das Zeit spart, ohne neue Risiken zu schaffen.

Das Wichtigste in Kürze

  • Begriff: Agentic Migration bedeutet, dass ein KI-Coding-Agent Code liest, Änderungen plant, umsetzt, Tests ausführt und auf Fehler reagiert, statt nur einzelne Zeilen vorzuschlagen.
  • Stärken: Analyse und Dokumentation von Altsystemen, Abhängigkeiten aufspüren, Tests erzeugen, wiederkehrende Umbauten und Vorschläge für Datenmappings.
  • Schwächen: undokumentierte Geschäftslogik, Architekturentscheidungen, sehr große Codebasen, versteckte Seiteneffekte sowie Sicherheit und Lizenzfragen.
  • Bester Ansatz heute: Kombination aus regelbasierten Werkzeugen wie OpenRewrite oder Rector und KI-Agenten für die Fälle, die sich nicht in Regeln fassen lassen.
  • Reifegrad: Öffentliche Erfahrungsberichte zeigen deutliche Zeitgewinne bei klar abgegrenzten, gut testbaren Migrationen. Für komplette Systemwechsel ohne Tests und Dokumentation gibt es keinen belastbaren Beleg.
  • Voraussetzungen: Kontext, kleine Schritte, automatisierte Tests, menschliche Reviews, eingeschränkte Rechte und ein Blick auf die Kosten.

Was bedeutet Agentic Migration?

Ein KI-Coding-Agent ist ein Sprachmodell mit Zugriff auf Werkzeuge: Er kann Dateien lesen und schreiben, Befehle im Terminal ausführen, Builds und Tests starten und deren Ergebnisse auswerten. Statt einer einzelnen Antwort arbeitet er in einer Schleife aus Planen, Ändern, Prüfen und Korrigieren. Für Migrationen ist das entscheidend, denn eine Umstellung besteht selten aus einer Änderung, sondern aus Hunderten kleiner, voneinander abhängiger Schritte.

Agenten in Geschäftsprozessen behandeln wir im Beitrag KI-Agenten im Unternehmen, hier geht es um Migrationen.

Die wichtigsten Werkzeuge im Überblick

Der Markt verändert sich schnell. Stand November 2026 lassen sich grob zwei Gruppen unterscheiden:

  • Allgemeine Coding-Agenten: Claude Code von Anthropic, OpenAI Codex, der Agent Mode und Coding Agent von GitHub Copilot sowie Google Jules. Sie arbeiten im Terminal, in der Entwicklungsumgebung oder in der Cloud direkt auf einem Repository.
  • Spezialisierte Modernisierungsdienste: AWS Transform bietet unter anderem Mainframe-Modernisierung (COBOL nach Java) sowie mit „AWS Transform custom“ Versions-Upgrades für Java, Python und Node.js. GitHub Copilot modernization unterstützt laut Microsoft-Dokumentation Upgrades und Azure-Migrationen für Java, .NET und C++.

Funktionsumfang und Preise ändern sich teils monatlich. Prüfen Sie vor einer Entscheidung die aktuelle Dokumentation.

Abgrenzung zu klassischen Migrationswerkzeugen

Automatisierte Migration gab es schon vor der KI. Regelbasierte Werkzeuge, oft „Codemods“ genannt, verändern Code anhand fester Muster: OpenRewrite für Java, Rector für PHP-Versionen und Frameworks, jscodeshift für JavaScript. Für Daten gibt es Herstellerwerkzeuge wie das Data Migration Tool für Magento 2 oder den Migrationsassistenten für Shopware 6.

Regelbasierte Werkzeuge sind vorhersehbar und wiederholbar, scheitern aber an allem, wofür niemand eine Regel geschrieben hat. KI-Agenten sind flexibler, dafür weniger vorhersehbar. Auch die großen Anbieter kombinieren beides: Microsoft beschreibt in der Dokumentation zu GitHub Copilot modernization, dass für Code-Upgrades unter anderem OpenRewrite eingesetzt wird. Diese Kombination ist aus unserer Sicht derzeit der sinnvollste Weg.

Welche Migrationen in Frage kommen

Code: Framework- und Versions-Upgrades

Der häufigste und am besten geeignete Fall: eine PHP-Anwendung von Version 7.4 auf 8.x, ein Spring-Boot-Projekt auf eine neue Hauptversion, ein Frontend von Vue 2 auf Vue 3. Die Änderungen sind zahlreich, aber gut beschreibbar, und Compiler und Tests zeigen sofort Fehler. Bei Sprachwechseln, etwa COBOL nach Java, steigt der Anspruch deutlich: Hier geht es nicht nur um Syntax, sondern um fachliche Logik, die oft über Jahrzehnte gewachsen ist.

Shop und CMS: Magento, Shopware, Relaunch

Bei Magento 1 auf Magento 2 oder Shopware 5 auf Shopware 6 handelt es sich nicht um Updates, sondern um Wechsel auf eine neue Architektur. Plugins und Erweiterungen müssen in der Regel neu entwickelt werden. Ein Agent kann hier ein altes Plugin analysieren, seine Funktionen beschreiben und ein Grundgerüst für die neue Plattform erstellen. Welche Funktionen überhaupt noch gebraucht werden und ob ein Standard-Plugin besser passt, ist eine fachliche Entscheidung. Praxistipps zu den Plattformen finden Sie in unseren Beiträgen zur Migration von Magento 1 auf Magento 2 und zum Wechsel von Shopware 5 auf 6.

Daten: Mapping und Bereinigung

Bei Datenmigrationen kann KI Feldzuordnungen zwischen altem und neuem Schema vorschlagen, Dubletten und Formatfehler erkennen und Transformationsskripte schreiben. Der Agent schreibt und testet das Skript, die eigentliche Migration läuft reproduzierbar ohne KI. Kundendaten, Preise und Bestände sollten nicht direkt von einem Sprachmodell verändert werden.

Infrastruktur: Cloud und Infrastructure as Code

Bei Cloud-Migrationen helfen Agenten, bestehende Server-Konfigurationen zu inventarisieren, Dockerfiles zu erstellen und Infrastruktur als Code, etwa mit Terraform, zu beschreiben. Infrastruktur als Code lässt sich prüfen, versionieren und vorab in einer Testumgebung ausprobieren. Netzwerk, Berechtigungen und Kostenmodell bleiben Themen für erfahrene Administratoren.

Wo KI bei Migrationen wirklich hilft

  • Altsysteme verstehen: Ein Agent kann eine unbekannte Codebasis in kurzer Zeit durchgehen, Module beschreiben, Datenflüsse nachzeichnen und eine erste Dokumentation erstellen. Das hilft besonders, wenn die ursprünglichen Entwickler nicht mehr verfügbar sind.
  • Abhängigkeiten aufspüren: Welche Bibliotheken sind veraltet, welche Klassen nutzen eine abgekündigte Schnittstelle, welche Skripte greifen auf eine bestimmte Datenbanktabelle zu? Solche Fragen beantwortet ein Agent schneller als eine manuelle Suche.
  • Tests erzeugen: Viele Altsysteme haben kaum Tests. Ein Agent kann vor der Migration sogenannte Charakterisierungstests schreiben, die das aktuelle Verhalten festhalten. Sie bilden danach das Sicherheitsnetz für den Umbau.
  • Wiederkehrende Umbauten: Hunderte Dateien, in denen dieselbe Art von Änderung nötig ist, aber mit kleinen Varianten, die eine starre Regel nicht abdeckt.
  • Datenmapping-Vorschläge: Zuordnung von Feldern, Erkennen von Formaten und Entwurf von Transformationsregeln, die ein Fachexperte anschließend bestätigt.
Drei Spalten zur KI-Eignung bei Migrationen: Gut geeignet sind Code-Analyse und Dokumentation, wiederkehrende Umbauten und Tests schreiben. Mit enger Aufsicht: Versions-Upgrades, Datenmapping und Plugin-Neuentwicklung. Weiterhin Menschensache: Architektur, undokumentierte Geschäftslogik und die Go-live-Entscheidung
Je klarer eine Aufgabe beschrieben und je besser sie automatisch prüfbar ist, desto mehr kann ein KI-Agent übernehmen. Architektur, Fachlogik und die Entscheidung zum Go-live bleiben beim Team.

Wo KI (noch) nicht weiterhilft

  • Undokumentierte Geschäftslogik: Warum wird bei einem bestimmten Kunden ein Rabatt doppelt verrechnet? Ist das ein Fehler oder eine Vereinbarung aus dem Jahr 2014? Der Agent sieht den Code, aber nicht die Absicht dahinter. Solche Fragen klären nur Menschen aus dem Fachbereich.
  • Architekturentscheidungen: Monolith oder Services, Standard-Plugin oder Eigenentwicklung, Headless oder klassisch: Ein Agent kann Optionen aufzeigen, die Abwägung von Kosten, Teamgröße und Zukunftsplänen gehört aber zum Team.
  • Große Kontexte: Auch wenn die Kontextfenster der Modelle gewachsen sind, überblickt ein Agent bei großen Systemen nie alles gleichzeitig. Änderungen können lokal stimmig und im Gesamtsystem trotzdem falsch sein.
  • Seiteneffekte: Cronjobs, Schnittstellen zu ERP oder Warenwirtschaft, Caches, externe Dienste: Was in Tests nicht abgebildet ist, erkennt auch der Agent nicht.
  • Sicherheit: KI-generierter Code ist nicht automatisch sicher. Der Sicherheitsanbieter Veracode fand in seinem GenAI Code Security Report 2025 in 45 Prozent der Testaufgaben Schwachstellen im erzeugten Code. Getestet wurden einzelne Code-Vervollständigungen, nicht Migrationen, doch Sicherheitsprüfungen bleiben Pflicht.
  • Lizenz und Compliance: Wer Code von einem Agenten erzeugen lässt, muss Lizenzfragen bei übernommenen Bibliotheken, die Vertraulichkeit des Quellcodes und die Vertragsbedingungen des KI-Anbieters klären.

Aufgaben und KI-Eignung im Vergleich

AufgabeKI-Eignung heuteWas der Mensch tut
Code-Analyse und Dokumentation des AltsystemsHochPrüft die Beschreibung auf Plausibilität, ergänzt fachliches Wissen
Abhängigkeiten und veraltete Bibliotheken findenHochEntscheidet über Ersatz oder Wegfall
Charakterisierungs- und Unit-Tests schreibenHochPrüft, ob die Tests das richtige Verhalten absichern
Wiederkehrende Umbauten über viele DateienHoch, idealerweise mit Codemods kombiniertPrüft Stichproben und Diffs
Versions-Upgrade (PHP, Java, Framework)Mittel bis hoch, abhängig von der TestabdeckungPlant Reihenfolge, reviewt, testet manuell kritische Pfade
Datenmapping und TransformationsskripteMittelBestätigt Zuordnungen, prüft Ergebnisse mit echten Daten
Plugin-Neuentwicklung für Magento 2 oder Shopware 6MittelKlärt den Funktionsumfang, prüft Code, Sicherheit und Performance
Sprachwechsel (z. B. COBOL nach Java)Mittel, meist mit SpezialwerkzeugenValidiert fachliche Gleichwertigkeit, entscheidet über Zielarchitektur
Infrastruktur als Code für die CloudMittelPrüft Netzwerk, Rechte, Kosten und Ausfallsicherheit
Zielarchitektur festlegenGering, eher als IdeengeberTrifft die Entscheidung
Go-live und RückfallplanGeringPlant, entscheidet und verantwortet die Umstellung

Wie weit sind wir? Eine ehrliche Einordnung

Versprochen wird viel, öffentlich nachvollziehbare Belege sind seltener. Wir unterscheiden drei Arten von Quellen.

Erfahrungsberichte großer Tech-Unternehmen

Google hat 2025 einen Erfahrungsbericht veröffentlicht, wie interne Code-Migrationen mit Sprachmodellen unterstützt werden, etwa die Umstellung von 32-Bit- auf 64-Bit-IDs oder von JUnit 3 auf JUnit 4. Die Autoren berichten von einer deutlichen Zeitersparnis, betonen aber, dass dafür eigene Werkzeuge zur Dateiauswahl, mehrstufige automatische Prüfungen und menschliche Reviews nötig waren.

Airbnb beschreibt, wie das Team rund 3.500 Testdateien von Enzyme auf React Testing Library umgestellt hat. Nach eigener Darstellung dauerte das etwa sechs Wochen statt der geschätzten eineinhalb Jahre Handarbeit. Rund 97 Prozent der Dateien liefen durch die automatisierte Pipeline, die restlichen Dateien wurden manuell nachgearbeitet.

Beide Berichte haben etwas gemeinsam: Es handelt sich um klar abgegrenzte, gleichförmige Migrationen in Codebasen mit guter Testinfrastruktur, umgesetzt von großen Engineering-Teams, die eigene Pipelines gebaut haben. Auf einen Mittelstands-Shop mit zehn Jahre alten Anpassungen lassen sich die Zahlen nicht übertragen.

Angaben der Anbieter

AWS, Microsoft und andere veröffentlichen Fallstudien und Effizienzangaben zu ihren Modernisierungsdiensten. Diese Angaben sind Marketing: Die Methodik ist meist nicht offengelegt, gezeigt werden erfolgreiche Projekte. Sie belegen den produktiven Einsatz, sagen aber wenig über Ihr Projekt aus.

Unabhängige Studien

Unabhängige Messungen sind rar und zeigen ein gemischtes Bild. Die Forschungsorganisation METR fand 2025 in einer randomisierten Studie, dass erfahrene Open-Source-Entwickler in ihren eigenen, großen Projekten mit den damaligen KI-Werkzeugen sogar langsamer waren, obwohl sie sich schneller fühlten. In einem Update vom Februar 2026 bezeichnet METR dieses Ergebnis als nicht mehr aktuell und hält eine Beschleunigung mit neueren Werkzeugen für wahrscheinlich, weist aber zugleich darauf hin, dass sie sich derzeit nur schwer zuverlässig messen lässt.

Benchmarks wie SWE-bench messen, wie gut Modelle einzelne Programmieraufgaben lösen. Für komplette Migrationsprojekte mit Fachlogik, Daten und Betrieb sind sie kein Maßstab.

Unser Fazit Stand November 2026: KI-Agenten sind für klar abgegrenzte, gut testbare Teilaufgaben einer Migration produktionsreif und sparen dort spürbar Zeit. Für das Gesamtprojekt, also Zielbild, Fachlogik, Datenqualität und Umstellung, bleiben sie Werkzeug und nicht Projektleiter. Die Qualität des Ergebnisses hängt weniger vom Modell ab als vom Vorgehen.

Vorgehen: Agentic Migration in der Praxis

Ablauf einer Agentic Migration in sechs Schritten: 1 Analysieren, der Agent liest Code, Daten und Abhängigkeiten. 2 Planen, das Team legt Zielbild und Reihenfolge fest. 3 Umbauen, der Agent migriert in kleinen Schritten. 4 Testen mit automatischen Tests, die der Agent ergänzt. 5 Prüfen durch Code-Review und Freigabe durch Menschen. 6 Umstellen, Go-live mit Rückfallplan
Agent und Team wechseln sich ab: Analyse, Umbau und Tests übernimmt weitgehend der Agent, Zielbild, Review und die Freigabe für den Go-live bleiben beim Menschen.

Context Engineering statt einzelner Prompts

Ein Agent liefert nur so gute Ergebnisse wie der Kontext, den er erhält. Legen Sie Projektwissen strukturiert und versioniert ab: Zielversion, Coding-Standards, Namenskonventionen, verbotene Muster, Testbefehle, bekannte Sonderfälle. Bei Claude Code geschieht das zum Beispiel in einer Datei CLAUDE.md im Repository, bei OpenAI Codex in AGENTS.md. Die Grundlagen dieses Ansatzes erläutern wir im Beitrag Strukturierte Migration mit Claude Code: Context Engineering statt Prompt Engineering. Für Migrationen kommt hinzu: Der Kontext sollte auch ein Migrationsprotokoll enthalten, also was bereits umgestellt ist, welche Entscheidungen getroffen wurden und welche Probleme offen sind.

Kleine Schritte und Tests als Sicherheitsnetz

Lassen Sie den Agenten nicht das ganze System auf einmal umbauen. Bewährt hat sich ein Modul, ein Verzeichnis oder eine Art von Änderung pro Durchgang, jeweils als eigener Branch oder Pull Request. Vor dem Umbau stehen Tests, die das aktuelle Verhalten festhalten. Erst wenn sie grün sind, beginnt die eigentliche Migration. Wo deterministische Werkzeuge wie Rector oder OpenRewrite eine Änderung zuverlässig abdecken, sollten sie zuerst laufen. Der Agent übernimmt den Rest.

Human-in-the-loop: Reviews und Freigaben

Jede Änderung des Agenten durchläuft ein Code-Review wie die Arbeit eines neuen Kollegen. Halten Sie die Änderungen reviewbar: kleine Diffs und eine Zusammenfassung, was geändert wurde und warum. Ein Pull Request mit 4.000 geänderten Zeilen wird nicht gründlich geprüft, egal ob ein Mensch oder eine KI ihn erstellt hat.

Sandbox und Rechte

Ein Coding-Agent führt Befehle aus. Er sollte deshalb in einer isolierten Umgebung arbeiten, etwa in einem Container oder einer Entwicklungsumgebung ohne Zugang zu Produktivsystemen. Gängige Werkzeuge bieten Sandbox-Modi und Rechteeinstellungen für erlaubte Befehle. Zugangsdaten für Produktivdatenbanken, Zahlungsanbieter oder Cloud-Konten mit weitreichenden Rechten gehören nicht in die Reichweite des Agenten. Auch Inhalte aus dem Altsystem, etwa Kommentare oder Datensätze, können manipulierte Anweisungen enthalten (Prompt Injection).

Kosten im Blick behalten

Agenten rufen das Sprachmodell bei großen Aufgaben sehr häufig auf, abgerechnet wird je nach Anbieter pro Nutzer, pro Aufgabe oder nach Verbrauch. Setzen Sie Budgets pro Durchgang, messen Sie Kosten und Ergebnis an einem Pilotmodul und rechnen Sie erst dann hoch. Der größere Kostenblock bleibt in der Regel die Arbeitszeit für Planung, Review und Tests, und genau die sollten Sie nicht einsparen.

FAQ zu Agentic Migration

Kann ein KI-Agent unseren Magento-1-Shop automatisch auf Magento 2 migrieren?

Nicht vollständig. Daten lassen sich mit dem Migrationswerkzeug von Magento übertragen, Theme und Erweiterungen müssen für Magento 2 neu umgesetzt werden. Ein Agent beschleunigt die Analyse der alten Module und die Neuentwicklung erheblich. Was übernommen wird und wann umgestellt wird, entscheidet Ihr Team.

Welches KI-Werkzeug ist für Migrationen das beste?

Das hängt vom Projekt ab. Allgemeine Coding-Agenten wie Claude Code, OpenAI Codex oder GitHub Copilot eignen sich für viele Sprachen und Plattformen. Spezialdienste wie AWS Transform oder GitHub Copilot modernization sind auf bestimmte Szenarien und Cloud-Umgebungen zugeschnitten. Entscheidender als das Werkzeug sind Kontext, Tests und Review-Prozess.

Brauchen wir für Agentic Migration automatisierte Tests?

Ja. Ohne Tests kann weder der Agent noch Ihr Team zuverlässig erkennen, ob sich das Verhalten der Anwendung verändert hat. Fehlen Tests, lassen Sie den Agenten zuerst Tests für das bestehende System schreiben. Das ist ohnehin eine der Aufgaben, für die KI heute gut geeignet ist.

Darf unser Quellcode an einen KI-Anbieter übertragen werden?

Das klären Sie vertraglich. Prüfen Sie, ob der Anbieter Ihren Code für das Training nutzt, wo die Daten verarbeitet werden und welche Business- oder Enterprise-Bedingungen gelten. Enthält der Code oder die Testdaten personenbezogene Daten, gelten zusätzlich die Anforderungen der DSGVO. Echte Kundendaten sollten in der Entwicklungsumgebung des Agenten ohnehin nicht vorkommen.

Wie viel schneller wird eine Migration mit KI?

Eine seriöse Pauschalzahl gibt es nicht. Bei gleichförmigen, gut testbaren Umbauten berichten Unternehmen wie Google und Airbnb von großen Zeitgewinnen. Bei Projekten, in denen Fachlogik geklärt, Daten bereinigt und Entscheidungen getroffen werden müssen, fällt der Effekt kleiner aus. Ein Pilot mit einem repräsentativen Modul liefert die verlässlichste Schätzung.

Was Webect für Sie tun kann

Als Digitalagentur und IT-Systemhaus aus Winnenden bei Stuttgart begleiten wir seit mehr als 12 Jahren Migrationsprojekte. Unser 14-köpfiges Team hat über 220 Projekte umgesetzt, darunter Shopwechsel, CMS-Relaunches und Cloud-Umzüge. KI-Agenten setzen wir dort ein, wo sie messbar helfen, und mit klaren Leitplanken:

Sie planen eine Migration und möchten wissen, wo KI Ihr Projekt beschleunigen kann? Sprechen Sie uns an, wir schauen uns Ihr System gemeinsam an.

Quellen

Stand: 19. November 2026. Funktionen, Namen und Preise der genannten KI-Werkzeuge ändern sich häufig. Bitte prüfen Sie vor einer Entscheidung die aktuellen Angaben der Anbieter.

Teilen LinkedIn E-Mail

Weiterlesen

Weitere Artikel zu Webentwicklung

Alle Artikel

Webentwicklung5 Min.

Pimcore vs Salesforce – Welches System passt zu Ihrem Unternehmen?

In der heutigen digitalen Geschäftswelt stehen Unternehmen vor einer entscheidenden Frage: Welches System bildet die bessere Grundlage für Kundenmanagement, Datenintegration und digitale Erlebnisse – Pimcore oder Salesforce? Beide Plattformen sind Marktführer, unterscheiden sich …

Lisa Neumann

Persönliche Beratung

Lassen Sie uns über Ihr Projekt sprechen.

Sie möchten das Thema in Ihrem Unternehmen umsetzen? Wir beraten Sie kostenlos und unverbindlich – und sagen Ihnen ehrlich, was sich lohnt.

Persönliche Beratung bei Webect