Reverse Engineering mit KI: Ein schnellerer Weg zum Verständnis des Systems

Die Abläufe vieler großer Unternehmen (Banken, Versicherungen, Telekommunikationsanbieter) basieren nach wie vor auf Systemen, die seit 10 bis 20 Jahren ihren Dienst verrichten. Diese Systeme unterstützen oft geschäftskritische Prozesse, und im Laufe der Jahre wurde eine Vielzahl von Geschäftslogiken in sie integriert. Genau deshalb ist es so schwierig, sie zu ändern.

Gleichzeitig treten im Laufe der Zeit bestimmte bekannte Probleme zutage:

• Die Dokumentation ist unvollständig oder veraltet
• Das Wissen über die Funktionsweise des Systems ist in den Köpfen einiger weniger Schlüsselanwender gebündelt
• Die Weiterentwicklung des Systems erfordert ein technologisches Umdenken
• Das System wird zu einer „Black Box“, die schwer zu verstehen ist
• Jede Änderung ist riskant und kostspielig

In diesem Moment kommt der Gedanke auf, das System zu ersetzen. Doch unabhängig davon, ob das Unternehmen eine Standardlösung oder eine Neuentwicklung in Betracht zieht, ist die Modernisierung nicht mehr nur eine technologische Frage, sondern auch eine Aufgabe des Geschäftsrisikomanagements. Das Problem ist jedoch oft, dass es dem Unternehmen an einer konsistenten, detaillierten Dokumentation der Systemfunktionalität mangelt.

Der klassische Ansatz: Langsam und schwer skalierbar

Die gängigen Werkzeuge für das Reverse Engineering sind bekannt:

• manuelle Codeanalyse
• Log-Analyse
• Debugging
• Disassembler-Tools

Neben der code-basierten Analyse ist es gängige Praxis, historische Dokumentationen zu sammeln – und die Nutzer des Systems versuchen, das Wissen über das System zu dokumentieren, das derzeit nur in ihren eigenen Köpfen vorhanden ist.

Diese Methode funktioniert zwar – ist jedoch in der Regel zeitaufwendig, hängt stark von erfahrenen Experten ab (deren Zeit kostspielig ist) und lässt sich zudem nur schwer skalieren. Die Zusammenstellung einer einheitlichen, umfassenden Dokumentation aus verschiedenen Quellen ist eine langwierige Aufgabe.

Wo kann Reverse Engineering mit KI helfen?

Es ist wichtig zu betonen, dass KI das Reverse Engineering nicht ersetzt – sie automatisiert und strukturiert es „lediglich“. Der KI-basierte Ansatz hilft dabei, das System auf mehreren Ebenen zu verstehen:

Das Ergebnis: Die Funktionsweise eines komplexen Systems lässt sich schneller und strukturierter nachvollziehen.

 

Ein Beispiel aus der Praxis: Die Abbildung eines Kreditsystems für Unternehmen

Ein monolithisches System, das die Kreditvergabeprozesse eines unserer Bankkunden unterstützt, läuft seit langem stabil. Es haben sich jedoch drei strategische Probleme gezeigt:

• erhebliche Anbieterabhängigkeit
• aufgrund der immer deutlicher werdenden Einschränkungen muss die Technologie langfristig ersetzt werden
• sowie Unsicherheit darüber, ob die einzelnen Funktionen des Systems an der richtigen Stelle angesiedelt sind.

Daher ist die Idee aufgekommen, das System zu ersetzen. Das Ziel ist jedoch nicht, das System sofort auszutauschen, sondern als ersten Schritt eine strukturierte, modulare Bestandsaufnahme durchzuführen.

Der Kern der Aufgabe besteht darin, das monolithische System zu „dekonstruieren“ und die Geschäftsprozesse zu verstehen, die die Technologie tatsächlich antreiben. Dazu gehören beispielsweise:

• Transaktionsabwicklung
• Risikoentscheidungsunterstützung
• Sicherheitenmanagement
• Produktkatalog und Produktauswahl
• Kreditverwaltung
• Dokumentenmanagement
• Workflow
• Berichterstattung

Diese Module sind im Code oft nicht formal voneinander getrennt, lassen sich jedoch funktional leicht identifizieren.

Unser Ansatz umfasst vier Schritte:

1️⃣ KI-gestützte Analyse von Dokumentation und Quellcode

2️⃣ Ermittlung impliziter Modulgrenzen

3️⃣ Konsolidierung und Strukturierung von Funktionen

4️⃣ Validierung durch Experten aus dem Bankwesen

Das Ergebnis ist eine geschäftlich interpretierbare, modulare Funktions- und Modellkarte, die der Bank eine Vergleichsgrundlage für auf dem Markt verfügbare Lösungen bietet.

Dies führt zu

• Transparenz hinsichtlich der tatsächlichen Funktionalität des Systems
• einer Verringerung des „Black-Box“-Charakters
• sowie einer soliden Grundlage für die anschließende GAP-Analyse und die Systemauswahl.

Während der GAP-Analyse lässt sich klar feststellen, welche Module standardmäßig von einem bestehenden oder handelsüblichen System abgedeckt werden, in welchen Bereichen Anpassungen erforderlich sind, und bei welchen Funktionen es aus geschäftlicher Sicht sinnvoll ist zu prüfen, ob eine Änderung überhaupt notwendig ist.

Zwei wichtige Erkenntnisse

KI allein genügt nicht

Unsere Erfahrung zeigt, dass KI am besten funktioniert, wenn drei Faktoren zusammenkommen:

• geeignete Eingabedaten (Quellcode, Protokolle, Dokumentation – sofern verfügbar),
• sorgfältig ausgewählte Technologie (z. B. zur Minimierung häufiger LLM-Einschränkungen wie Halluzinationen und Übergeneralisierung) und
• Validierung durch (menschliche) Experten.

Ohne geschäftlichen Kontext erkennt KI nur Muster – Experten liefern die eigentliche Bedeutung.

Der erste Schritt bei der Modernisierung ist oft nicht die Entwicklung

Viele Unternehmen suchen sofort nach einem neuen System. Doch die erste und wichtigste Frage lautet oft: „Was genau leistet unser aktuelles System?“

Wenn es darauf eine Antwort gibt, dann kann eine realistische Modernisierungsstrategie entwickelt werden, können auf dem Markt verfügbare Lösungen verglichen werden, und kann eine objektive Entscheidung darüber getroffen werden, was wirklich beibehalten werden muss.

KI-gestütztes Reverse Engineering hilft dabei: Es macht transparent, was zuvor eine Black Box war.

Lassen Sie uns gemeinsam herausfinden, was wirklich in Ihrem System steckt – und wie Sie das Beste daraus machen.