Strangler Fig statt Big Bang: der schrittweise Weg zur Legacy-Modernisierung

Kurz gefasst: Der riskanteste Weg, ein Legacy-System zu modernisieren, ist der Neubau von Grund auf mit einer Umstellung in einem Zug - der Big Bang. Das Strangler-Fig-Muster kehrt das um: Neue Fähigkeiten wachsen um das alte System herum und übernehmen dessen Funktionen nach und nach, Stück für Stück, bis der Legacy-Kern ohne großes Aufheben abgeschaltet werden kann. Dieser Beitrag erklärt, wie der schrittweise Ansatz funktioniert, warum er einen vollständigen Neubau in fast jedem Fall schlägt, wo KI inzwischen die Ökonomie verändert und wie sich die Arbeit so sequenzieren lässt, dass das Team durchgehend weiter ausliefert. Der Kerngedanke: Modernisierung ist am sichersten, wenn sie kontinuierlich und umkehrbar ist und kein einzelnes Ereignis mit hohem Einsatz.

Die wichtigsten Punkte

• Ein Big-Bang-Neubau unterstellt, dass das Team das alte System gut genug versteht, um es nachzubilden, und dass die Anforderungen über die gesamte Dauer stillhalten - beides trifft meist nicht zu.
• Das Strangler-Fig-Muster ersetzt ein Legacy-System schrittweise und leitet den Verkehr an neue Komponenten, sobald diese sich bewähren, sodass durchgehend Wert entsteht statt erst am Ende.
• Der schrittweise Ansatz senkt das Risiko, weil jeder Schritt klein, umkehrbar und auslieferbar ist und weil das alte System läuft, bis jeder Ersatz erprobt ist.
• KI hat die Ökonomie verschoben: Sie verkürzt am stärksten die mühsame Arbeit, die schrittweise Modernisierung langsam machte - Code-Verständnis, Abhängigkeitskartierung und Testerzeugung.
• Die Reihenfolge zählt mehr als das Tempo. Mit dem risiko- und wertreichsten Modul zu beginnen, validiert am echten Produktionscode, hält eine Modernisierung auf Kurs.

Was das Strangler-Fig-Muster tatsächlich ist

Der Name stammt von einer Pflanze. Eine Würgefeige keimt im Kronendach eines Wirtsbaums, sendet Wurzeln um dessen Stamm nach unten und wächst langsam, bis sie sich selbst tragen kann, woraufhin der ursprüngliche Baum nicht mehr gebraucht wird. Auf Software übertragen ist die Metapher präzise. Statt ein Legacy-System neu zu bauen und in einem Zug zu ersetzen, baut man neue Funktionalität um die Ränder des alten Systems herum, leitet einen wachsenden Anteil der Arbeit an die neuen Komponenten, sobald diese sich bewähren, und schaltet die Legacy-Teile erst ab, wenn ihre Nachfolger echte Last tragen. Das alte System läuft die ganze Zeit weiter. Es wird schrittweise erdrosselt, nicht abgerissen.

Die Alternative, der Big Bang, ist das, was die meisten vor Augen haben, wenn sie das Wort Modernisierung hören: das alte System einfrieren, parallel neu bauen und an einem geplanten Datum umschalten. Das ist konzeptionell sauber und in der Praxis der zuverlässigste Weg, eine Modernisierung in eine Krise zu verwandeln. Das Strangler-Fig-Muster existiert, weil die Branche wiederholt und teuer gelernt hat, dass der Austausch eines laufenden Systems in einem Zug eine Wette gegen die Wirklichkeit ist.

Warum der Big Bang so verlässlich scheitert

Ein vollständiger Neubau ruht auf drei Annahmen, und alle drei sind gerade in jenen Situationen meist falsch, in denen Modernisierung am verlockendsten ist.

Die erste ist, dass das Team das bestehende System gut genug versteht, um es nachzubilden. Doch ein Legacy-System, das seit Jahren läuft, kodiert Tausende von Entscheidungen, Sonderfällen und stillen Korrekturen, die nirgends existieren außer im Code. Ein Neubau entdeckt sie einen Produktionsvorfall nach dem anderen wieder, meist nachdem das neue System bereits live ist und das alte verschwunden.

Die zweite ist, dass die Anforderungen stillhalten. Der Neubau eines realen Systems dauert viele Quartale, und Unternehmen halten nicht zur Bequemlichkeit des Engineering-Teams an. Jede während des Umbaus gewünschte Änderung muss doppelt umgesetzt werden, im alten, noch aktiven System und im neuen, noch nicht aktiven, oder aufgeschoben, was bedeutet, dass das Geschäft ausgerechnet dann langsamer wird, während es viel Geld in die Modernisierung steckt.

Die dritte ist, dass sich im verworfenen Code nichts Wichtiges verbirgt. Fast immer tut es das. Das Strangler-Fig-Muster umgeht alle drei Annahmen, indem es nie verlangt, das gesamte System auf einmal zu verstehen, einzufrieren oder zu ersetzen. Es stellt immer nur die kleinere Frage: Lässt sich dieses eine Stück gerade jetzt sicher ersetzen?

Wie der schrittweise Ansatz in der Praxis funktioniert

Das Muster hat eine erkennbare Gestalt, auch wenn die Details je System variieren. Es beginnt mit einer Naht. Irgendwo in der Legacy-Architektur gibt es eine Grenze - eine Schnittstelle, eine Modulkante, einen Serviceaufruf -, an der sich Verkehr abfangen und umleiten lässt. Oft ist die erste eigentliche Arbeit einer Modernisierung, diese Naht dort zu schaffen, wo keine sauber vorhanden ist, denn ein ohne Grenzen gebautes System muss erst Grenzen erhalten, bevor sich irgendetwas ablösen lässt.

Sobald eine Naht existiert, sitzt eine Routing-Schicht davor und entscheidet Anfrage für Anfrage, ob eine bestimmte Aufgabe an das alte oder das neue System geht. Anfangs geht fast alles an das alte System. Sobald jede neue Komponente gebaut und erprobt ist, sendet der Router mehr an den neuen Pfad. Verhält sich eine neue Komponente fehlerhaft, wird der Verkehr zurück an die Legacy-Version geleitet, die noch da ist. Diese Umkehrbarkeit ist der Kern dafür, warum der Ansatz sicher ist: Kein Schritt ist ein Punkt ohne Wiederkehr.

Die Arbeit schreitet Modul für Modul voran, meist beginnend mit einem Stück, das zugleich risiko- und wertreich ist, sodass die härteste Unsicherheit früh aufgelöst wird, statt als Überraschung für das Ende zu bleiben. Jedes Modul wird verstanden, hinter der Naht herausgelöst, ersetzt, gegen echtes Verhalten validiert und umgeschaltet. Dann das nächste. Das Legacy-System schrumpft stetig, bis das Verbleibende klein genug ist, um abgeschaltet zu werden, oder klein genug, dass es keine Rolle mehr spielt.

Wo KI die Ökonomie verändert

Der schrittweise Ansatz war schon immer sicherer als der Big Bang. Sein historischer Nachteil war, dass er langsam und mühsam sein konnte, weil die inkrementelle Arbeit von genau jenen Aufgaben bestimmt wird, die Ingenieure am mühsamsten finden: unbekannten Code zu lesen, um zu verstehen, was er tut, die Abhängigkeiten zu kartieren, die zeigen, wo eine Naht gesetzt werden kann, und die Tests zu schreiben, die einen Ersatz sicher aktivierbar machen. Genau darin ist KI gut geworden.

Richtig eingesetzt, beschleunigen KI-Werkzeuge Code-Verständnis, Abhängigkeitskartierung, Testerzeugung und wiederholbare Transformation, also den Großteil des Aufwands einer inkrementellen Modernisierung. Bei passend gewählten Aufgaben können sie den Engineering-Aufwand erheblich senken - in der Größenordnung von 50 bis 80 Prozent -, während die Beurteilung, was zu ändern ist, in welcher Reihenfolge und ob ein Ersatz wirklich gleichwertig ist, bei erfahrenen Ingenieuren bleibt. Die wichtige Feinheit ist, dass diese Grenze zwischen dem, was KI beschleunigt, und dem, was weiterhin menschliches Urteil verlangt, für jede Codebasis spezifisch ist und am echten Code bestimmt werden muss, nicht aus einer allgemeinen Behauptung angenommen. Die Richtung aber ist klar: KI hat den schrittweisen Ansatz nicht nur zur sichereren Option gemacht, sondern zunehmend auch zur schnelleren, was dem Big Bang das letzte Argument nimmt, das je für ihn sprach.

Sequenzierung: der Teil, der den Erfolg wirklich bestimmt

Der Versagensmodus einer schrittweisen Modernisierung ist meist nicht technisch. Es ist die falsche Reihenfolge. Eine Modernisierung, die mit den einfachen, risikoarmen Modulen beginnt, erzeugt frühe Bewegung und ein trügerisches Fortschrittsgefühl und trifft dann spät auf den wirklich schweren Teil, wenn Budget und Geduld knapp sind. Eine Modernisierung, die mit dem risikoreichsten, wertreichsten Modul beginnt, löst die zentrale Unsicherheit zuerst, sodass alles danach vergleichsweise vorhersehbar ist.

Die richtige Reihenfolge zu treffen, verlangt, das System zu verstehen, bevor man sich auf einen Plan festlegt: welche Module Wachstum blockieren, wo die Abhängigkeiten tatsächlich verlaufen, welches Stück das größte Risiko trägt, wenn es schiefgeht, und wo sich eine Naht realistisch setzen lässt. Das ist ein Bewertungsproblem, kein Codierproblem, und es wird am besten vor der eigentlichen Modernisierung gelöst, am echten Code statt am Whiteboard. Eine validierte Reihenfolge, bei der das härteste Modul zuerst angegangen und gegen Produktionsverhalten erprobt wird, unterscheidet eine Modernisierung, die zu Ende kommt, von einer, die auf halbem Weg stehen bleibt und still zu einem dauerhaften Hybrid wird, den niemand anfassen will.

Von der Bewertung zur schrittweisen Umsetzung

Weil die Reihenfolge entscheidend ist und von echten Belegen abhängt, profitiert eine schrittweise Modernisierung von einer strukturierten Bewertung, bevor die erste Zeile neuen Codes geschrieben wird. Das AI Refactoring Assessment von Altimi ist genau dafür gemacht. Über vier Wochen laufen zwei verbundene Arbeitsstränge: eine Bewertung von Architektur und technischen Schulden, die feststellt, welche Teile des Systems Wachstum und Skalierbarkeit blockieren, mit quantifizierten Schulden, einer Bewertung der KI-Reife und einer Prüfung der Infrastrukturrisiken; sowie ein Technical Spike, eine praktische Validierung des risikoreichsten Teils der Codebasis am echten Produktionscode, die belastbare Daten zum Migrationsrisiko und dazu liefert, wo KI-Werkzeuge wirklich helfen, bevor Budget gebunden wird.

Das Ergebnis ist ein Entscheidungspaket für die Führungsebene: Executive Summary, Risikokarte, KI-gestützte Modernisierungs-Roadmap, priorisiertes Backlog der technischen Schulden, Erkenntnisse aus dem Spike und Hinweise zur AI-Governance, übergeben in einem Readout-Workshop. In Strangler-Fig-Begriffen ist diese Roadmap der Sequenzierungsplan - welches Modul zuerst, wo die Nähte liegen und was wann umzuleiten ist. Entscheidend ist, dass der Ansatz schrittweise angelegt ist, ohne Big-Bang-Neubau, und dass die Bewertung selbst kein Einfrieren der Roadmap erfordert: Sie läuft im Lesezugriff auf die Repositories mit zwei bis drei strukturierten Sessions pro Woche, sodass das Team weiter ausliefert, während der Plan entsteht. Altimi hat über 150 Legacy-Systeme in den Segmenten SaaS, FinTech, EdTech und Cybersecurity bewertet, und da Altimi als Technologiepartner Systeme auch baut und modernisiert, kann dasselbe Team, das die Reihenfolge kartiert, die anschließende schrittweise Umsetzung durchführen.

Warum also wählt überhaupt noch jemand den Big Bang?

Meist, weil er entschlossen wirkt. Ein vollständiger Neubau verspricht einen sauberen Schnitt, ein modernes System ohne Altlasten und ein einziges Datum, nach dem alles besser ist. Auf einer Folie ist das weit attraktiver als das Strangler-Fig-Muster, das Monate unspektakulärer, inkrementeller Arbeit verspricht und ein System, das für einen großen Teil des Weges halb alt und halb neu ist. Der Big Bang gewinnt das Meeting und verliert das Jahr.

Der schrittweise Ansatz verlangt etwas Schwierigeres als Kühnheit: Geduld, Sequenzierungsdisziplin und die Bereitschaft, ein altes System noch eine Weile am Leben zu halten, während sich sein Ersatz beweist. Was er zurückgibt, ist eine Modernisierung, die durchgehend Wert liefert, sich an jedem Punkt anhalten oder anpassen lässt und sehr unwahrscheinlich zu jener Art Katastrophe wird, die eine Führung dazu bringt, Modernisierung gänzlich abzuschwören. Modernisierung ist kein Ereignis, das es zu überstehen gilt. Sie ist ein Prozess, der gesteuert werden will, und das Strangler-Fig-Muster, nun durch KI beschleunigt, ist die Art, wie er gut gesteuert wird.

Wenn Sie eine Modernisierung abwägen und wissen möchten, welches Modul zuerst anzugehen ist und wie sich der Rest gegen Ihren echten Code sequenzieren lässt, ist ein kurzes Gespräch über das System und das, was es derzeit blockiert, der schnellste Einstieg.