Highlights:

• AI-agents versnellen analyse, ontwerp, bouw en testen van applicaties, terwijl grip en transparantie behouden blijven.

• Applicatievernieuwing kan worden versneld zonder concessies aan uitlegbaarheid en kwaliteit.

• Modernisering versterkt wendbaarheid, borgt kritische kennis en ondersteunt medewerkers beter in hun werk.

• Kortere doorlooptijden en minder overlap tussen systemen leiden tot beter onderbouwde investeringen en structurele kostenbeheersing.

Hoe kan AI legacy modernisatie versnellen?

Om betere ondersteuning te kunnen leveren aan burgers is modernisering van een deel van het huidige applicatie landschap noodzakelijk.(1) Hoe kan AI/ Agents het proces van moderniseren versnellen (en kwalitatief verbeteren/ondersteunen) zodat overheidsorganisaties hun verouderde systemen tijdig moderniseren, ondanks de complexiteit, het kennisverlies en de beperkte capaciteit?

De samenleving verwacht steeds nadrukkelijker dat overheidsorganisaties de burger centraal stellen en hun dienstverlening zo inrichten dat (weer) ruimte ontstaat voor de menselijke maat. Burgers willen niet alleen efficiënt geholpen worden, maar ook op een manier die recht doet aan hun persoonlijke situatie, hun behoeften en hun waardigheid.(2) Dat vraagt om systemen die dit ondersteunen in plaats van in de weg staan.

Hiervoor dienen digitale systemen mensgericht, intelligent, verbonden en inclusief te zijn. Om deze visie waar te maken, moeten organisaties data veilig, betrouwbaar en direct beschikbaar kunnen stellen, zodat publieke en private domeinen zoals zorg, mobiliteit, energie en veiligheid vloeiender met elkaar kunnen samenwerken. Technologie vormt daarbij de basis om mensgerichte, toegankelijke en proactieve dienstverlening mogelijk te maken. Burgers verwachten een overheid die net zo wendbaar en verbonden is als de digitale wereld waar zij dagelijks in leven.

Terwijl deze ambitie vraagt om slimme, flexibele systemen die goed met elkaar samenwerken, werken veel publieke organisaties nog steeds met grote, ingewikkelde, verouderde systemen die cruciaal zijn voor hun dagelijkse uitvoering. Deze systemen zijn in de loop van decennia geleidelijk gegroeid. Ze zijn vaak gebouwd op verouderde technologie en programmeertalen en gebaseerd op oudere architectuurmodellen. In de jaren daarna zijn ze telkens aangepast om nieuwe wet- en regelgeving te kunnen verwerken.

1. Nederlandse digitaliseringsstrategie

2. Officiële bekendmakingen.nl Kamerstuk 29362, nr. 352

Complicerende factoren in het huidige applicatie landschap

Wat zijn legacy applicaties? Een applicatie wordt legacy genoemd wanneer deze afhankelijk is van software en infrastructuurcomponenten die het einde van hun levenscyclus hebben bereikt en niet meer worden ondersteund door de leverancier. Applicaties bestaan uit meerdere componenten: programmeertalen en softwarebibliotheken, het onderliggende operating system en de infrastructuur waarop alles draait, zoals servers, cloud platformen en netwerken. Al deze componenten hebben hun eigen levenscyclus. Er is een grote afhankelijkheid tussen al deze componenten.

Vanaf het moment dat een component wordt uitgebracht, verandert het continu. Nieuwe functionaliteit en updates voor software, besturingssystemen en infrastructuur volgen elkaar continu op. Wanneer bijvoorbeeld een leverancier een bepaalde versie van een operating system ‘endofsupport’ verklaart, raakt dat niet alleen het besturingssysteem zelf, maar ook de software die daarop draait en de infrastructuur die het ondersteunt. Als een organisatie deze cyclus niet tijdig volgt, ontstaat een situatie waarin de applicatie niet meer goed kan worden onderhouden. Updates worden lastiger, securityrisico’s nemen toe en ondersteuning door leveranciers valt weg.

Dan wordt een applicatie beschouwd als legacy: verouderd, moeilijk te onderhouden en afhankelijk van technologie die niet langer ondersteund wordt.

Een andere complicerende factor is dat soms vanwege business redenen bepaalde functionaliteit in een applicatie wordt uitgezet, maar wel in de broncode blijft bestaan “voor de zekerheid”. Deze ongebruikte code kan het onderhoud bemoeilijken, omdat ontwikkelaars tijd kwijt zijn aan het interpreteren en beoordelen van code die feitelijk niet meer wordt gebruikt.

Onderstaande complicaties illustreren waarom modernisatie urgent is en waarom bestaande systemen de transitie naar een mensgerichte, toekomstbestendige, digitale overheid in de weg staan.

1. Beheer- en personeelsuitdagingen

Essentiële kennis over verouderde systemen is vaak geconcentreerd bij een beperkte groep specialisten. Door het hoge verwachte verloop en aankomende pensioneringen dreigt deze expertise de komende jaren in rap tempo te verdwijnen. Documentatie over applicaties is vaak summier of ontbreekt, waardoor de afhankelijkheid van individuele medewerkers groot blijft. Tegelijkertijd neemt het tekort aan mensen met kennis van oudere technologieën toe. Dit maakt het steeds moeilijker om incidenten op te lossen of wijzigingen door te voeren die bijvoorbeeld door nieuwe wetgeving noodzakelijk zijn.

2. Groeiende hoeveelheid systemen en gebrek aan samenhang

Door voortdurende uitbreidingen is een versnipperd applicatielandschap ontstaan waarin gegevens verspreid staan en samenhang ontbreekt. Hierdoor zitten gegevens verspreid in verschillende ‘hokjes’. Het gevolg is een wirwar van losse toepassingen die lastig te beheren zijn. Medewerkers moeten vaak meerdere systemen tegelijk openen om informatie over een klant te vinden, aan te passen en hulp te bieden. Dit kost veel tijd en zorgt ervoor dat het beeld van de klant vaak onvolledig is, terwijl juist dit essentieel is voor dienstverlening waarin de menselijke maat centraal staat.

3. Moeilijk informatie halen uit oude systemen

Veel oudere systemen zijn groot en ingewikkeld, in sommige gevallen zelfs meer dan een miljoen regels code met weinig documentatie is beschikbaar. Deze systemen kunnen meestal niet goed samenwerken met moderne toepassingen, zoals slimme technologie of AI. Hierdoor blijft waardevolle informatie opgesloten en wordt innovatie vertraagd. Dit beperkt de mogelijkheden om inzichten te benutten die nodig zijn om dienstverlening beter af te stemmen op de persoonlijke situatie van burgers.

4. Kosten en tijd

Het vernieuwen van systemen vraagt om flinke investeringen, terwijl het vaak lastig is om vooraf precies aan te tonen wat het oplevert. Het bouwen van nieuwe systemen duurt lang, en in die periode moeten oude en nieuwe systemen naast elkaar blijven draaien. Dat zorgt voor dubbele kosten voor beheer, infrastructuur en licenties. Ondertussen worden noodzakelijke wijzigingen, bijvoorbeeld nieuwe wetgeving, traag doorgevoerd, waardoor de organisatie minder flexibel wordt.

Veilig versnellen van applicaties met AI en Agents

Voor veel burgers lijkt publieke dienstverlening eenvoudig: een uitkering staat op tijd op de rekening en een vergunning wordt verlengd. Achter de schermen gebeurt dit echter via een complex landschap van applicaties. Die complexiteit belemmert flexibiliteit en snelheid. Een toekomstbestendige, mensgerichte en betrouwbare dienstverlening vraagt daarom om een nieuwe aanpak én versnelling, zonder dat dit ten koste gaat van kwaliteit.

Modernisering van oude systemen gebeurt nu vooral handmatig: analyseren, ontwerpen, bouwen, migreren en testen. Dat kost veel tijd, is foutgevoelig en maakt het proces langzaam. In de komende jaren gaan AI en Agents dit sterk versnellen.

• AI leert van gegevens, herkent patronen en kan keuzes en automatisering ondersteunen.

• Een Agent is een entiteit die namens een andere entiteit werkt om doelen te bereiken, vaak met behulp van gespecialiseerde capaciteiten. Een cruciaal aspect van een agent is het vermogen om actie te ondernemen, oftewel het uitoefenen van ‘agency’. Een AI-systeem kan een uitstekende assistent zijn, maar als het niet zelfstandig actie kan ondernemen, is het geen agent.

De inzet van deze technologie zorgt voor versnelling, betere kwaliteitscontrole en meer transparantie in het moderniseringsproces.

Het moderniseren van een applicatie lijkt op de sloop en nieuwbouw van een kantoorpand: rekening houden met wetgeving, wensen en moderne technologie, terwijl het ontwerp aansluit op de bestaande omgeving. Omdat applicaties altijd onderdeel zijn van een groter landschap, moet een aanpak flexibel zijn en ruimte bieden om de beste AI en Agenttechnologie in te passen. Deze aanpak kent vijf fases: reconstructie, ontwerp, bouw, datamigratie, testen en gecontroleerde ingebruikname.

Fase 1: De plattegrond maken – van techniek naar inzicht

Vergelijk een IT-landschap met een stad: applicaties zijn kantoren waar het werk gebeurt, gegevens de documenten, terwijl processen de verbindende routes zijn. De applicatie die vervangen moet worden is onderdeel van dit geheel. Daarom is eerst inzicht nodig in wat de applicatie doet en hoe zij in haar omgeving functioneert. In veel oude IT omgevingen ontbreekt een actuele plattegrond. De eerste stap is deze kaart te herstellen en te verrijken: welke applicaties zijn er, waar liggen welke gegevens, hoe lopen processen, welke functionaliteiten en berekeningen zitten in de applicatie, en welke afhankelijkheden bestaan er met andere systemen? Deze elementen worden vastgelegd in een kenniskaart (knowledge graph) die onderdelen en onderlinge relaties inzichtelijk maakt, AI en Agents kunnen dit werk veel sneller uitvoeren dan mensen, zeker bij verouderde systemen met miljoenen regels code. Het resultaat is een helder, compleet beeld van het huidige landschap. Een basis om het vervolgontwerp op te maken.

Fase 2: Ontwerpen voor de toekomst – afspraken maken voor het vervolg

Met de plattegrond van de applicatie en het landschap in beeld kan het nieuwe ontwerp worden gemaakt. Net als bij stadsontwikkeling begint de architect met het bepalen van de kaders: de relevante wet- en regelgeving, de eisen van gebruikers en de randvoorwaarden voor een soepele verbouwing. Het ontwerp richt zich op een mensgerichte dienstverlening. Dat betekent dat processen logisch zijn ingericht, medewerkers goed worden ondersteund en elke beslissing uitlegbaar en herleidbaar is. 

Daarnaast moet de applicatie voldoen aan basisprincipes: duidelijk eigenaarschap, veiligheid vanaf het begin, goede koppelbaarheid met andere systemen via standaarden en consistent gebruik van gegevens om tegenstrijdigheden te voorkomen. De kenniskaart laat zien welke regels, functies en gegevens samenhangen en waar afhankelijkheden zitten. AI-agents kunnen op basis hiervan voorstellen doen voor een logische structuur van functies, koppelingen en gegevens. Alle keuzes worden vastgelegd in begrijpelijke documenten en overzichtelijke diagrammen. Agents kunnen op basis hiervan voorstellen doen voor een logische structuur van functies, koppelingen en gegevens. Alle keuzes worden vastgelegd in begrijpelijke documenten en overzichtelijke diagrammen, zodat het ontwerp helder blijft voor mensen én bruikbaar is voor AI. Het resultaat? Een toekomstbestendig, controleerbaar en goed gedocumenteerd ontwerp.

Fase 3: Bouwen voor de toekomst – op afspraken, niet op erfenis

In deze fase wordt, op basis van de ontwerpafspraken en de kenniskaart, bepaald hoe de vernieuwde applicatie eruit moet zien. Dit biedt de kans om nieuwe gebruikerswensen te integreren, de applicatie mensgerichter te maken, overbodige functionaliteit te schrappen en rekening te houden met toekomstige wijzigingen, zoals wetsaanpassingen. Hier gaat het vaak mis: organisaties zetten oude systemen één-op-één over. Dat voelt voorspelbaar, maar neemt historische problemen mee en sluit niet aan op nieuwe eisen.

Daarom wordt gewerkt volgens forward engineering: bouwen op heldere afspraken, ontwerpkeuzes en kwaliteitsprincipes, in plaats van kopiëren van bestaande systemen. AI en Agents spelen hierbij een belangrijke rol. Ze analyseren snel de kenniskaart, identificeren ongebruikte code en ondersteunen zo de eerste opschoning. Door de ontwerpafspraken als prompts te gebruiken, doen zij aanbevelingen voor een betere structuur en creëren zij automatisch onderdelen van de nieuwe applicatie, mét verwijzing naar de gemaakte keuzes.

Het resultaat:

• Een applicatie die aansluit op nieuwe afspraken en actuele functionaliteit

• Sneller en efficiënter bouwen

• Volledige transparantie in gemaakte keuzes

• Minder afhankelijkheid van schaarse legacy kennis

Fase 4: Data verhuizen zonder betekenis te verliezen

Naast de code is data een cruciaal onderdeel van de modernisatie. In een oud kantoorpand zitten documenten, aantekeningen en klantgeschiedenis op veel plaatsten verborgen. Met geeltjes zijn aantekeningen van een gesprek aangegeven, en zijn belangrijke gegevens geïdentificeerd. Allemaal in een eigen formaat en opmaak. In de applicatie wereld is data ook op meerdere plekken opgeslagen, in meerdere applicaties en databases, onder regie en eigenaarschap van meerdere mensen. Informatie bevat vaak verborgen betekenissen, zoals speciale codes of oude afspraken, welke niet verloren mogen gaan bij een verhuizing. AI-agents helpen hierbij door duidelijke documenten te maken voor de omzetting van gegevens, regels voor conversie en controles op datakwaliteit. Alles wordt vastgelegd met bronverwijzingen, zodat het controleerbaar blijft.

Het resultaat? Een veilige en betrouwbare datamigratie waarbij de betekenis van informatie behouden blijft.

Fase 5: Testen en gecontroleerd in gebruik nemen

Net als bij de opening van een nieuw kantoorpand moet een nieuw systeem eerst grondig getest worden: werkt alles veilig, correct en volgens afspraak? Veel verouderde systemen hebben geen volledige of herhaalbare testset, waardoor dit proces tijdrovend is.

AI biedt hier grote voordelen. Op basis van alle afspraken en functionele beschrijvingen kan AI een volledige, reproduceerbare testset genereren, inclusief bijbehorende testdata. Elke test is gekoppeld aan een specifieke regel of proces, zodat precies duidelijk is wat wordt gecontroleerd en waarom. Zo wordt gezorgd voor een gecontroleerde en veilige ingebruikname van het nieuwe systeem.

Het resultaat? Betrouwbare, herhaalbare tests en een veilige ingebruikname van de nieuwe applicatie.

Conclusie: Versnellen met vakmanschap én zekerheid

Overheidsorganisaties staan voor de dringende noodzaak om hun verouderde applicatielandschappen te moderniseren om betere en mensgerichte dienstverlening te bieden. De huidige systemen kampen met complexe architecturen, gebrek aan documentatie, kennisverlies bij personeel en een groeiende kloof met moderne technologieën. Dit belemmert innovatie en ondermijnt efficiëntie. De overgang naar een wendbare, digitale overheid vereist een fundamentele herziening van deze systemen. Artificiële Intelligentie (AI) en digitale Agents bieden een krachtige oplossing om dit moderniseringsproces te versnellen en kwalitatief te verbeteren. Door handmatige taken zoals analyse, ontwerp, codering en testen te automatiseren, nemen AI en Agents de operationele last weg bij overheidsorganisaties. Dit maakt een gestructureerde, vijffasen aanpak mogelijk: eerst het creëren van een gedetailleerd inzicht in de legacy applicatie (“de plattegrond”), gevolgd door een toekomstgericht ontwerp dat veiligheid en samenhang garandeert. Vervolgens wordt er gebouwd op basis van een moderne architectuur. AI en Agents ondersteunen elke fase, van het genereren van code tot het opstellen van testscenario’s, en waarborgen zo transparantie, controleerbaarheid en hogere kwaliteit. Door deze technologische synergie ontstaat een efficiënte en verantwoorde transitie naar een moderne, flexibele en begrijpelijke dienstverlening, waarbij technologie de mens dient in plaats van andersom.e 14, Official Journal version of 13 June 2024’.