Viele unserer Kunden beschäftigen sich bereits intensiv mit KI in der Anwendungsentwicklung. Sie testen Assistenten,
vergleichen Sprachmodelle und sammeln erste Erfahrungen in Proofs of Concept. Gleichzeitig ist häufig noch offen,
welche Lösung dauerhaft zum Einsatz kommen soll. Ein lokal betriebenes Modell oder ein Dienst in der Cloud?
Welcher Agent passt zu den eigenen Entwicklungsabläufen und Anforderungen?
Für Teams mit gewachsenen COBOL-Anwendungen stellt sich dabei eine weitere Frage:
Wie erhält ein Agent überhaupt den passenden Kontext über die eigene Codebasis?
Genau hier setzt unser neues Angebot CodeRevive Graph an.
Gemeinsam mit unseren Kunden bauen wir eine strukturierte Wissensbasis über ausgewählte COBOL-Anwendungen auf.
Diese lässt sich unmittelbar für Codeanalyse nutzen und über MCP in unterschiedliche
KI-Piloten einbinden. Die Entscheidung für einen bestimmten Agenten kann dabei offenbleiben.
Eine gemeinsame Wissensbasis für Ihre KI-Piloten
Mit CodeRevive for COBOL machen wir Wissen über bestehende Anwendungen zugänglich.
Dazu gehören die Analyse von Code und Abhängigkeiten, die automatische Dokumentationsgenerierung und die Unterstützung bei Entwicklerfragen.
Der bereits eingeführte CodeRevive MCP Server ermöglicht es, dieses Wissen in bestehende Werkzeuge einzubinden.
Mit CodeRevive Graph bieten wir die zugrunde liegende Codeanalyse und den Aufbau des Wissensgraphen jetzt als
eigenständiges Engagement an.
Der Grund dafür kommt aus unseren Kundengesprächen: Viele Teams möchten mit ihrem eigenen COBOL-Code ausprobieren,
was KI leisten kann. Dafür benötigen sie eine brauchbare Analysegrundlage, während die Auswahl von Modell und Agent noch läuft.
Eine große Codebasis lässt sich nur begrenzt durch das Zusammenstellen einzelner Dateien in einem Prompt erschließen.
Für viele Fragen sind die Beziehungen entscheidend: Welches Programm verwendet welches Copybook?
Wo kommt eine Variable zum Einsatz? Wie hängen Programme und Batchabläufe zusammen?
CodeRevive Graph macht die aus dem Quellcode ermittelten Strukturen und Abhängigkeiten gezielt abfragbar.
Lokal aufgebaut, ohne LLM
Wir parsen die ausgewählten COBOL-Programme und berücksichtigen die zugehörigen Copybooks und JCL.
Die statische Analyse extrahiert Code-Elemente und ihre Beziehungen. Diese Informationen bilden
den Wissensgraphen in einer Neo4j-Datenbank.
Parsing und Graphaufbau erfolgen vollständig lokal in Ihrer Umgebung. Dafür ist kein LLM erforderlich.
Für diesen Arbeitsschritt brauchen Sie weder ein bereits ausgewähltes Sprachmodell noch einen Cloud-Dienst
zur KI-Verarbeitung. Der Graph entsteht aus der strukturierten Analyse Ihres Codes.
Anschließend kann Ihr Team die erfassten Zusammenhänge direkt abfragen.
KI-Agenten erhalten über das Model Context Protocol, kurz MCP, Zugriff auf relevante Informationen.
Wo ein später angebundenes Modell diese Informationen verarbeitet, richtet sich nach Ihrer gewählten Lösung
und deren Betriebsmodell.
Gemeinsam mit Ihren ersten Testanwendungen
CodeRevive Graph beginnt mit einem konkreten Ausschnitt Ihrer Anwendungslandschaft.
Gemeinsam wählen wir eine geeignete Testanwendung und Fragen aus, die für Ihr Team im Alltag relevant sind.
Wir bringen die Analysewerkzeuge und die technische Grundlage aus CodeRevive mit,
richten den Graphaufbau gemeinsam mit Ihnen ein und bereiten die ersten Anwendungen für die Nutzung vor.
Dazu gehört auch, die erfassten Zusammenhänge mit Ihrem Team zu prüfen
und den Zugriff für Ihre Pilotumgebung vorzubereiten.
So arbeiten Sie früh mit Beispielen aus Ihrer eigenen Umgebung. Typische Fragen sind:
Welche Programme verwenden ein bestimmtes Copybook?
Welche Abschnitte greifen auf eine Variable zu?
Welche Datasets nutzt ein Programm?
Welche erfassten Abhängigkeiten sollten wir vor einer Änderung prüfen?
Der Nutzen beginnt bereits mit diesen Abfragen.
Entwickler und Architekten erhalten eine zusätzliche Grundlage, um bestehenden Code zu verstehen und Änderungen vorzubereiten.
Verschiedene Agenten mit demselben Anwendungskontext erproben
Auf dieser Grundlage können Sie unterschiedliche Agenten und Modelle in Ihren POCs ausprobieren. Ob GitHub Copilot, IBM Bob, Codex, Claude Code oder eine andere Lösung: Die konkrete Anbindung stimmen wir auf die MCP-Fähigkeiten des gewählten Werkzeugs
und Ihre Umgebung ab.
Der bestehende Graph lässt sich dabei weiterverwenden. Sie können dieselben fachlichen Fragen mit unterschiedlichen Assistenten untersuchen und vergleichen, wie diese den bereitgestellten Kontext nutzen.
Beispielsweise kann ein Agent zunächst die Programme abfragen, die ein Copybook verwenden, und anschließend die relevanten Codebereiche untersuchen. Ihr Team kann die Antwort anhand der erfassten Beziehungen und des Quellcodes nachvollziehen.
Damit bekommt Ihr POC einen konkreten Bezug zur eigenen COBOL-Landschaft. Sie sammeln Erfahrungen darüber,
welche Unterstützung im Entwicklungsalltag tatsächlich hilfreich ist.
Nach der Agentenentscheidung bleibt die Vorarbeit nutzbar
Wenn Sie sich später für einen Agenten und ein Betriebsmodell entscheiden, bleibt der aufgebaute Graph Ihre Wissensbasis.
Die während der Pilotphase erschlossenen Anwendungen und Abhängigkeiten stehen weiterhin zur Verfügung.
Darauf lässt sich CodeRevive gezielt ausbauen. Eine mögliche Erweiterung ist die automatische Generierung vorberechneter Dokumentation mit CodeRevive DocGen. Bestehende Fachdokumente sowie Informationen aus Jira und der Quellcodeverwaltung können zusätzlichen Kontext liefern. Der gewählte Agent kann anschließend mit dem Graphen und der ergänzten Dokumentation arbeiten.
Ebenso können Sie CodeRevive Graph dauerhaft eigenständig für Analyse und Wartung nutzen.
Der Ausbau richtet sich nach Ihrem Bedarf.
Sie können Ihre COBOL-Landschaft schon heute erschließen und die Agentenentscheidung auf Basis eigener Erfahrungen treffen.
Ihre Vorarbeit bleibt dabei nutzbar.
Sie pilotieren bereits KI-Assistenten für Ihre COBOL-Anwendungen oder möchten damit beginnen?
Gemeinsam wählen wir eine erste Testanwendung aus und machen deren Strukturen mit CodeRevive Graph für Ihr Team und Ihre POCs zugänglich.
