​Gemeinsam innovativ: Wie AI Agents die Softwaremodernisierung transformieren

Capgeminis AI Agent Tool – ein Multi-Agent System macht alte Anwendungen zukunftssicher 

Tim und Xinni, stellt euch zunächst bitte kurz vor. In welchen Funktionen arbeitet ihr bei Capgemini? 

Tim: Ich bin Delivery Architect Director und arbeite bereits seit 19 Jahren bei Capgemini in Hamburg. 

Xinni: Ich bin direkt nach der Uni Anfang 2024 bei Capgemini eingestiegen und konnte mich als Software Engineer direkt an der Entwicklung eines Gen AI Tools beteiligen. 

Stichwort Gen AI Tool: Bitte erklärt kurz, wie die Idee für ein Multi-Agent System zustande kam. 

Tim: ​​Hintergrund war, dass ein Kunde mit etwa 40 veralteten Applikationen eine Lösung für die Modernisierung gesucht hat. Die Anwendungen waren einerseits proprietär kaum noch weiterzuentwickeln, andererseits hatte der Kunde aber auch die Notwendigkeit erkannt, neue Features zu integrieren und diese auf eine moderne Technologie-Plattform zu heben. Doch bei so vielen „Altlasten” kann die Migration sehr aufwendig und kostspielig sein.  

 Xinni: Dazu kommt: Je länger man wartet, desto weniger erfahrene Entwickler*innen gibt es, die sich in der veralteten Technologie zurechtfinden. Wir hatten deshalb die Idee, eine KI-gestützte Lösung zu entwickeln, die diesen Prozess vereinfacht und weitgehend automatisiert. 

Könnt ihr das Problem, das dann damit gelöst wurde, noch ein bisschen spezifizieren? 

Tim: Grundsätzlich muss man bei einer solchen Modernisierung häufig den bestehenden Code nahezu komplett neu schreiben, da die Ausgangslösung oft auf einer anderen Technologie oder Programmiersprache – in diesem Fall auf XML – basiert. Für die Modernisierung wäre es aber notwendig, den Code in Java neu zu implementieren. Diese Arbeit hätten wir zwar manuell erledigen können, doch das wäre mit einem erheblichen Aufwand verbunden gewesen.  

Welche Technologien kamen bei der Entwicklung des Multi-Agent System zum Einsatz? 

Xinni: Für die Entwicklung von Capgeminis AI Agent haben wir ein Large Language Model (LLM) und ein Framework für Multi-Agent Systems verwendet, programmiert in Python. Ein Multi-Agent System besteht aus verschiedenen Agenten, die jeweils spezialisierte Aufgaben übernehmen. Diese Agenten arbeiten fast autonom und tauschen sich untereinander wie ein menschliches Entwicklerteam aus, um den Prozess zu optimieren.  

Effizientere Arbeitsprozesse dank des Multi-Agenten-Ansatzes 

Welchen Vorteil bietet das Tool für das Team? 

Xinni: Der wesentliche Vorteil liegt darin, dass dadurch Aufgaben automatisiert und Arbeitsprozesse effizienter werden, was uns die Freiheit gibt, uns auf die Entwicklung innovativer Features zu konzentrieren. 

Welche Anwendungsfelder seht ihr für den AI Agent von Capgemini? 

Xinni: Das Tool kann unter anderem für verschiedene Migrationsprojekte eingesetzt werden. Zum Beispiel bei Datenbankmigrationen, wenn es darum geht von lizenzbasierten Datenbanken zu Open-Source-Lösungen zu wechseln. Es generiert auch automatische Tests zur Qualitätssicherung, was viel Zeit spart. Und wir sehen, dass sich das Anwendungsfeld, das jetzt schon breit ist, laufend vergrößert. 
 

Expertenwissen trifft auf Experimentierfreude 

Das Gen AI Tool entstand in Teamarbeit. Wie habt ihr euer Projekt gestaltet, insbesondere unter Berücksichtigung der unterschiedlichen Erfahrungen der jeweiligen Kolleg*innen? 

 
Xinni: Wir haben alle einen unterschiedlichen Erfahrungsgrad mitgebracht. Ich hatte einiges an Vorwissen aus der Uni. Doch gerade im Bereich Software-Architektur war ich auf meine erfahrenen Kolleg*innen angewiesen, die ihr Know-how mit mir geteilt haben. Schlussendlich war ich dann hauptsächlich für die Entwicklung und Implementierung von Capgeminis ​​​​Multi-Agent System verantwortlich, vor allem im Backend.  

Tim: Ich bin etwas später zum Projektteam dazugekommen und meine Aufgabe bestand vor allem darin, das AI Agent Tool auch für andere Projekte verwendbar zu machen. In dieser Phase habe ich eine eher moderierende Rolle übernommen und darauf geachtet, dass das Multi-Agent System in anderen Kontexten genutzt werden kann.  

Was habt ihr in der Zusammenarbeit besonders geschätzt? 

Tim: Alle durften die eigenen Stärken einbringen, und durch den ständigen Austausch konnten wir immer wieder neue Ideen entwickeln, umsetzen und Herausforderungen schneller lösen. ​​Innerhalb kürzester Zeit haben wir das, was anfangs noch im Experimentierstatus war, professionalisiert – ein tolles Erfolgserlebnis! 

Xinni: Besonders inspirierend war für mich dabei die enge Zusammenarbeit beim Pair Programming. Wir haben oft gemeinsam Lösungen erarbeitet und voneinander gelernt. Das hat sowohl die Produktivität gesteigert als auch unser Teamgefühl gestärkt. 

Tim, wie schätzt du den langfristigen Einfluss eines AI Agents auf die Softwareentwicklung? 

Tim: Wir gehen stark davon aus, dass Multi-Agent-Systeme in den kommenden Jahren einen erheblichen Einfluss auf die Softwareentwicklung haben werden. Was ich am Multi-Agenten-Ansatz besonders faszinierend finde, ist der Paradigmenwechsel, den er mit sich bringt. Anstatt die Implementierung selbst zu übernehmen, bewegen sich Software Engineers auf einer Metaebene, deren Fokus darauf liegt, die Orchestrierung eines Teams aus KI-Agenten zu steuern und zu implementieren. Mit diesen Modellen können wir beispielsweise auf Basis von Anforderungen bereits einen Aufbau für Anwendungen erstellen. Dadurch entfällt ein Teil der grundlegenden Entwicklungsarbeit, sodass wir uns direkt auf die spannenderen Teile konzentrieren können – insbesondere auf die geschäftliche Logik. 

Bei Capgemini voneinander lernen, miteinander wachsen 

Xinni, du konntest während deiner Arbeit an Capgeminis AI Agent dein Potenzial voll entfalten. Wie hat Capgemini dich bei diesem Schritt unterstützt? 

Xinni: ​​Das Projekt war für mich als Uni-Absolventin eine großartige Gelegenheit, um Erfahrungen im Coding zu sammeln. Tim hat mir außerdem direkt viel Verantwortung angeboten, an der ich wachsen konnte. Besonders bei Themen wie der Software-Architektur, in denen ich noch nicht viel Erfahrung hatte, konnte ich wertvolle Einblicke gewinnen.  

Capgemini hat mich außerdem mit Mentoring-Programmen, zahlreichen Lernplattformen und Schulungen unterstützt – zum Beispiel habe ich ​​die Zertifikate Azure AI Fundamentals und Azure AI Engineer Associate im Bereich KI erworben. Auch den regelmäßigen fachlichen Austausch, wie die Gen AI Public Sector-Sprechstunde, finde ich sehr inspirierend und hilfreich. 

Tim: Das Schöne an unserem Beruf ist: Man hört nie auf zu lernen. Für mich bedeutet Gen AI zum Beispiel, dass ich mich trotz meiner 19 Jahre Berufserfahrung weiterbilden muss, da Gen AI zu meiner Uni-Zeit nur als nette Idee abgetan wurde. 

Jetzt bin ich dank der Unterstützung von Capgemini und dem Wissenstransfer unter Kolleg*innen als Product Owner tätig und kümmere mich darum, dieses KI-Tool auf andere Kontexte zu übertragen. Wenn es tiefergehende Fragen gibt, ziehe ich Xinni als Expertin hinzu, um die konkrete Umsetzung zu diskutieren.  

Eine abschließende Frage: Was schätzt ihr an Capgemini als Arbeitgeber besonders? 

Xinni: Gerade als Berufseinsteigerin finde ich es toll, dass ich direkt Verantwortung übernehmen konnte und mir Capgemini auch in Zukunft ein breites Spektrum an Projekten und Entwicklungsmöglichkeiten bieten wird. Neben den Weiterbildungsmöglichkeiten schätze ich besonders das Miteinander auf Augenhöhe und die unkomplizierte, unterstützende Kommunikation mit Kolleg*innen. 

Tim: Bei Capgemini herrscht ein starker Teamspirit, auch international. Das schafft Vertrauen und fördert Innovationen. Deshalb bin ich auch nach fast zwei Jahrzehnten noch begeistert von der Zusammenarbeit und den internen Entwicklungsmöglichkeiten. 

Danke, Xinni und Tim!