Polnische Unternehmen 2027: KI-Modernisierung von Legacy-Systemen. Partnerwahl und Entscheidung, wann Neuentwicklung sinnvoll ist.

Die meisten mittelständischen und großen Unternehmen in Polen arbeiten auf Systemen, die vor 10, 15 oder 20 Jahren entstanden sind: ERP, Lager- und Logistiksysteme, Verkaufsplattformen, Anwendungen für spezifische Prozesse. Sie laufen – aber jede Änderung ist teuer, die Dokumentation ist lückenhaft, und die Leute, die sie gebaut haben, sind nicht mehr da. Dazu kommt die neue Frage: Wie bringt man AI in so ein System, wenn es nicht einmal ein ordentliches API gibt?

Dieser Text ordnet drei Dinge: wann modernisieren und wann neu bauen; wie AI den Modernisierungsprozess verändert; und welche Unternehmen in Polen dokumentierte Erfahrung mit Legacy-Systemen und AI haben.

Wichtigste Erkenntnisse

• Modernisierung muss nicht Neuschreiben bedeuten. Eine AI-Schicht über dem bestehenden System (API, Agent, Assistent) liefert oft schneller und günstiger Ergebnisse als ein kompletter Neubau.
• Die Entscheidung „modernisieren oder neu bauen“ hängt von vier Faktoren ab: Einzigartigkeit der Business-Logik, Zustand des Technologie-Stacks, Zeithorizont und Total Cost of Ownership (TCO) über 3–5 Jahre.
• AI verändert die Modernisierung: Sprachmodelle lesen alten Code, generieren Dokumentation und Tests, unterstützen das Refactoring. Die Entscheidung trifft weiterhin der Entwickler.
• Die Übernahme eines Systems von einem anderen Anbieter ist eine eigene Kompetenz. Fragen Sie den Partner gezielt nach solchen Projekten – nicht nur nach Greenfield-Builds.
• Versteckte Kosten von Legacy sind nicht Lizenzen, sondern Funktionen, die sich nicht umsetzen lassen, Menschen, die man nicht einstellen kann, und Lücken, für die es keine Patches gibt.

Was bedeutet die Modernisierung von Legacy-Systemen mit AI

Die Modernisierung von Legacy-Systemen bedeutet, bestehende Software (oft Monolithen in älteren Versionen von Java, .NET, PHP, teils COBOL) in eine Lösung zu überführen, die sich weiterentwickeln, betreiben und integrieren lässt. „Mit AI“ umfasst zwei unterschiedliche Aspekte, die man trennen sollte:

• AI als Werkzeug der Modernisierung: Sprachmodelle analysieren Abhängigkeiten im Code, erzeugen Funktionsbeschreibungen und Dokumentation, schlagen Refactoring vor, schreiben Regressionstests und übersetzen Code zwischen Sprachen und Frameworks.
• AI als neue Schicht des Systems: Assistent oder Agent, der über APIs auf Daten und Funktionen des alten Systems zugreift, Interaktion in natürlicher Sprache ermöglicht, Prozesse automatisiert und Prognosen liefert. Der Systemkern bleibt bestehen.

Die meisten Unternehmen brauchen beides, aber in unterschiedlichen Anteilen. Ein Unternehmen mit funktionierendem ERP, dem Reporting und Query-Beantwortung fehlen, benötigt vor allem Letzteres. Ein Unternehmen, dessen System niemand mehr ändern kann, braucht zuerst Ersteres.

Modernisieren oder neu bauen

In der Praxis lautet die häufigste Antwort „beides, nacheinander“: zuerst eine API- und AI-Schicht über dem bestehenden System (schneller Effekt, messbares Ergebnis), danach der modulweise Austausch nach dem Strangler-Fig-Pattern – also das schrittweise Ersetzen alter Systemteile durch neue, bis das Altsystem entbehrlich wird.

Migrationsmodelle

In der Literatur kursieren mehrere „R“-Modelle (Gartner: 5R, AWS: 6R/7R). Vereinfacht:

• Rehost: Umzug ohne Änderungen (z. B. in die Cloud).
• Replatform: Kleinere Anpassungen für die neue Plattform.
• Refactor / Rearchitect: Umbau von Code oder Architektur bei erhaltener Logik.
• Replace: Ersetzen durch ein Standardprodukt.
• Retire: Abschalten, wenn niemand es mehr nutzt.

AI ergänzt zwei Varianten, die zunehmend der erste Schritt sind:

• Augment: Der Kern bleibt, darüber entsteht eine AI-Schicht (Assistent, Agent, Interface in natürlicher Sprache).
• Re-Engineer mit LLM: Das Sprachmodell liest die Intention des alten Codes und unterstützt dessen Neuschreibung im neuen Standard – mit Tests, unter Aufsicht eines Entwicklers.

Wie AI den Modernisierungsprozess verändert

Reverse Engineering mit LLM

Das größte Problem von Legacy ist fehlende Dokumentation. Sprachmodelle können Code lesen und eine Funktionsbeschreibung, eine Abhängigkeitskarte, Flow-Diagramme und eine erste Spezifikation generieren. Das ersetzt keine Analyse, verkürzt aber das Onboarding neuer Teams und hilft zu entscheiden, was erhalten bleibt und was entfernt wird, bevor überhaupt eine Zeile geändert wird.

AI-unterstütztes Refactoring

AI identifiziert wiederkehrende Code-Probleme und schlägt modernere Entsprechungen vor, übersetzt Teile zwischen Sprach- und Framework-Versionen. Der Prozess ist nicht automatisch: Jede Änderung geht durch einen Entwickler und durch Tests, weil bei Legacy-Systemen eine Änderung an einer Stelle oft etwas anderes bricht.

Regressionstests

Hier liefert AI am meisten: Generierung von Testszenarien auf Basis des bestehenden Codes – inklusive Edge Cases, die niemand beschrieben hat. Testabdeckung vor der Modernisierung ist die Voraussetzung, um das System ändern zu können, ohne den Betrieb zu stoppen.

AI-Schicht über dem System

Wenn das System stabil ist und ein API hat, lässt sich ein Assistent oder Agent ergänzen: Beantwortung von Fragen zu Systemdaten, Ausführung von Operationen in natürlicher Sprache, Automatisierung von Prozessen zwischen Systemen. Entscheidend sind Berechtigungen (AI sieht nur, wozu der Nutzer berechtigt ist), Logging und die Möglichkeit, das Modell ohne Umbau auszutauschen.

Überblick: Unternehmen in Polen, die Legacy-Systeme mit AI modernisieren

Die Reihenfolge ist kein Qualitätsranking. Die Firmen sind nach Partnertyp gruppiert. Die Übersicht umfasst Unternehmen aus Polen, die ein öffentliches Angebot oder Case Studies zur Modernisierung und Arbeit mit AI haben. Startup House beschreiben wir im selben Schema wie die übrigen.

1. Startup House (Warschau)

Softwarehaus, das seit 2016 Software für Kunden aus Polen, den USA und Europa entwickelt und sich in den letzten Jahren auf AI-Agenten, Assistenten und LLM-Integrationen in bestehende Systeme spezialisiert hat. Legacy-Modernisierung bedeutet bei uns zwei Arten von Projekten: die Übernahme eines Systems von einem vorherigen Anbieter und dessen Weiterentwicklung sowie das Hinzufügen einer AI-Schicht zu einem laufenden System ohne Neuschreiben.

• Case: Omnipack (E‑Commerce-Logistik, Polen). Übernahme des Systems OmniSoft (Fulfillment, Versand, Retouren) und dessen Modernisierung durch ein dediziertes Team (2 Backend, 1 Frontend, 1 QA). Ergebnis: 40 % niedrigere Entwicklungskosten. Technologien: Java, Spring, Kafka, React. Zusammenarbeit seit 2023.
• Case: Cybersecurity-Plattform (USA, Kunden aus der Fortune‑500‑Liste). Daten aus dem Legacy-System wurden in eine AI-Orchestrierungsschicht überführt: neue AI-Agenten werden in Minuten gestartet – ohne Arbeit von Entwicklern. Ergebnis: +150 % Umsatz in einem Jahr, 400 % Wachstum der Zahl von B2B‑Kunden. Technologien: Anthropic-Modelle, LangGraph, MCP, OAuth 2.1, Google Cloud, Integration mit CrowdStrike Falcon. Zusammenarbeit seit 2020.
• Produkt: AI Interface Layer. Interaktionsebene in natürlicher Sprache über der bestehenden Plattform – ohne den Kern neu aufzubauen.
• Arbeitsweise: Discovery‑Workshops (was im System Kosten treibt, was sich ändern lässt, ohne den Betrieb zu stoppen), Codeübernahme und Regressionstests, danach inkrementelle Änderungen. AI-Lösungen laufen auf verifizierten Kundendaten, in der Kunden-Cloud, integriert mit Zugriffsrichtlinien; Kundendaten trainieren keine öffentlichen Modelle. ISO 27001‑konform.
• Technologiepartner: Anthropic, OpenAI, Google Cloud, Microsoft Azure, ElevenLabs, Okta.
• Für wen: Unternehmen, die AI zu einem laufenden System ergänzen oder ein System vom vorherigen Anbieter übernehmen und ordnen wollen – ohne das Geschäft zu unterbrechen.

2. Software Mind

Unternehmen mit 1.600+ Spezialisten, mit eigenem Modernisierungsangebot (Software Mind Shift), Cloud-Migrationen (u. a. Case zur Verlagerung eines Individualsystems in Google Cloud), Services für AI/ML, generative AI und Data Engineering. Branchen: Finanzwesen, Telekommunikation, Life Sciences, Medien, Fertigung, Kurierdienste.

• Für wen: Konzerne mit hoher technischer Schuld in kritischen Systemen, die ein großes Team für ein mehrjähriges Programm benötigen.

3. Sii Polska (Warschau, Büros in vielen Städten)

Größter IT-Dienstleister in Polen (Computerworld TOP200), der Modernisierung und Betrieb von Systemen mit einem AI-Team verbindet (350+ Spezialisten, Angebot von Agentic AI bis AI Managed Services).

• Für wen: Konzerne, die Modernisierung, Betrieb und AI in einem Vertrag mit einem großen Anbieter bündeln möchten.

4. Netguru (Posen)

Softwarehaus aus Posen (800+ Mitarbeitende), das bei der Modernisierung digitaler Produkte den Schwerpunkt auf den UX‑Relaunch und das Hinzufügen von Agenten sowie RAG legt; ISO 27001.

• Für wen: Unternehmen, die ein digitales Produkt modernisieren und dabei das UX neu denken möchten.

5. STX Next (Posen)

Python-Softwarehaus; im Legacy-Kontext besonders stark beim Umbau von Backends und Datensystemen sowie bei Migrationen mit großer Datenverarbeitung.

• Für wen: Umbau von Backend und Datensystemen, Migrationen mit umfangreicher Datenverarbeitung.

6. Ideo (Warschau, Rzeszów)

Familienunternehmen (im Forbes‑Ranking der Familienunternehmen) mit einem Angebot zur Prozessautomatisierung: Dokumenten‑Workflow‑Plattform LOGITO, Ideo Flow mit AI‑Agenten zur Prozesskoordination, E‑Commerce‑ und B2B‑Plattformen, Individualsoftware, IT‑Outsourcing. Kunden u. a. Lotto, DPD, Empik, Wolters Kluwer, Kronospan.

• Für wen: Unternehmen, die interne Prozesse und Dokumentenflüsse modernisieren – nicht nur Code.

7. Comarch (Krakau)

Softwarehersteller; für Unternehmen, deren eigenes System eine Modernisierung nicht lohnt, bietet die Variante „Replace“: fertiges ERP mit integrierten AI‑Agenten und ChatERP.

• Für wen: Unternehmen, die die Variante „Replace“ anstelle der Modernisierung des eigenen Codes wählen.

8. TTMS (Warschau)

Plattformintegrator (Salesforce, Microsoft, Adobe); Variante „Replatform“: Verlagerung von Prozessen von alten Eigenentwicklungen auf Standardplattformen mit AI; ISO/IEC 42001.

• Für wen: Unternehmen, die Prozesse von Altsystemen auf Standardplattformen verlagern.

Versteckte Kosten von Legacy: Wo liegt der ROI

Legacy-Systeme wirken im Budget günstig, weil Lizenzen abbezahlt sind und eine Person den Betrieb macht. Die tatsächlichen Kosten liegen woanders:

• Funktionen, die sich nicht umsetzen lassen. Jede Integration (neuer Vertriebskanal, Partner, AI) erfordert Workarounds oder ist unmöglich.
• Menschen. Es ist schwer, Entwickler für Technologien ohne Support zu gewinnen; das Systemwissen steckt in ein, zwei Köpfen.
• Sicherheit. Für Komponenten nach Support-Ende gibt es keine Patches mehr; bekannte Schwachstellen bleiben offen.
• Daten. Daten sind vorhanden, lassen sich aber ohne manuelle Exporte nicht für Analytics oder AI nutzen.

Der ROI der Modernisierung misst sich daher nicht nur am Projektkosten‑vs‑Betriebskosten‑Vergleich, sondern am Wert dessen, was nach der Modernisierung möglich wird: Prozessautomatisierung, Kundenservice durch einen Assistenten, Reporting ohne Handarbeit. Im Projekt Omnipack ist das messbare Ergebnis 40 % niedrigere Entwicklungskosten; im Cybersecurity‑Projekt neue Umsatzlinien dank AI‑Agenten, die ohne Entwicklerarbeit gestartet werden.

Wie Sie den richtigen Partner für die Modernisierung mit AI wählen

• Erfahrung in der Codeübernahme. Fragen Sie nach Projekten, in denen der Partner ein System vom Voranbieter übernommen hat, und wie die ersten Wochen aussahen (Audit, Tests, Dokumentation).
• Case Study mit Zahlen. Entwicklungskosten, Bearbeitungszeit, Anzahl automatisierter Prozesse. Beschreibungen ohne Zahlen reichen nicht.
• Ansatz zu AI im Legacy-Umfeld. Schlägt der Partner zuerst eine Schicht über dem System vor – oder sofortiges Neuschreiben? Letzteres ohne Analyse ist ein Warnsignal.
• Arbeiten ohne Betriebsunterbrechung. Plan für inkrementelle Änderungen, Regressionstests, parallele Umgebungen.
• Datensicherheit im Prozess. Wohin gelangen Code und Daten bei der LLM‑Analyse; laufen Modelle zu Business‑Konditionen; wer hat Zugriff?
• Eigentum und Dokumentation. Code, Tests und Doku gehören nach dem Projekt der Firma; das System ist an ein nächstes Team übergebbar.
• Modellaustauschbarkeit. Die Architektur der AI‑Schicht erlaubt den Wechsel des Modellanbieters ohne Umbau.

Welche Vorgehensweise passt zu Ihrem Unternehmen

• System läuft, es fehlt AI und Integration: API‑ und AI‑Schicht über dem System, inkrementelle Änderungen. AI‑Softwarehaus (Startup House) oder Produktteam (Netguru, STX Next).
• System ist kritisch, groß und auf einer Technologie ohne Support: Mehrjähriges Modernisierungsprogramm mit großem Anbieter (Software Mind, Sii).
• Problem liegt in Prozessen und Dokumentenfluss, nicht im Code: Prozessautomatisierung (Ideo).
• Eigenes System lohnt die Pflege nicht: Ersatz durch fertiges ERP (Comarch) oder Verlagerung der Prozesse auf eine Plattform (TTMS).

Siehe auch: Top 10 Unternehmen, die AI in Polen implementieren · Wie wählt man ein Unternehmen für die AI‑Einführung: Checkliste mit 20 Fragen · AI Interface Layer – Produktseite · Case Study: Omnipack

FAQ

Ist die Analyse alten Codes durch AI für Unternehmensdaten sicher?

Ja, wenn Modelle zu Business‑Konditionen laufen (Daten trainieren die Modelle nicht), in der Cloud des Kunden oder in einer kontrollierten Umgebung betrieben werden und der Zugriff auf Code und Daten auf das Projektteam beschränkt ist. Das ist eine der ersten Fragen an den Partner.

Muss man AI sofort einführen?

Nein. Der erste Schritt ist ein System, in das sich AI hinzufügen lässt: geordnete Daten, APIs, Tests. Die AI‑Schicht ergänzt man danach – oft an einem einzelnen Prozess, um den Effekt zu messen.

Was ist günstiger: Modernisierung oder Neuentwicklung?

Kurzfristig die schrittweise Modernisierung, weil Änderungen über die Zeit verteilt sind und das Altsystem weiterläuft. Neuentwicklung lohnt sich, wenn der Stack keinen Support mehr hat, die Logik standardisiert ist oder die Betriebskosten des alten Systems im 3–5‑Jahres‑Horizont über den Kosten des neuen liegen. Die Entscheidung sollte auf einem berechneten TCO basieren, nicht auf Gefühl.

Wie hilft AI bei der Dokumentation alter Systeme?

Sprachmodelle analysieren Code und generieren Funktionsbeschreibung, Abhängigkeitskarte und Flow‑Diagramme, die ein Entwickler verifiziert. Das senkt die Einstiegshürde für neue Teams und hilft zu entscheiden, was im System noch genutzt wird.

Was sind die häufigsten Fehler bei der Modernisierung?

UI‑Auffrischung ohne Logik anzufassen, alles auf einmal ohne Regressionstests neu zu schreiben, keine Analyse der tatsächlich genutzten Funktionen, und AI auf ungeordneten Daten zu implementieren.

Lässt sich ein System ohne Betriebsunterbrechung modernisieren?

Ja – und das ist Standard: inkrementelle Änderungen, parallele Umgebungen, Regressionstests und schrittweises Umschalten von Modulen. So verlief die Übernahme und Modernisierung des Omnipack‑Systems.

Die Übersicht wurde vom Team von Startup House auf Basis öffentlicher Informationen über die Unternehmen erstellt (Stand: Oktober 2026). Wenn Sie ein Unternehmen aus der Liste vertreten und die Beschreibung aktualisieren möchten, schreiben Sie uns.