Schulung – OpenAI Codex – Legacy-Modernisierung

OpenAI Codex für Legacy-Modernisierung

Mit OpenAI Codex Entwicklungsaufgaben delegieren: CLI und Cloud-Agent, AGENTS.md, Sandboxing, Freigaben und PR-Workflows im Team.

Dauer
6 Stunden, ein Termin
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Teilnehmende
offene Termine oder exklusiv für Ihr Team
Abschluss
Teilnahmebescheinigung

Überblick

Das Training „OpenAI Codex für Legacy-Modernisierung“ richtet sich an Rollen wie Entwickler:innen, die COBOL-, PL/I- oder RPG-Systeme betreuen, Java- und .NET-Teams mit älteren Monolithen und Framework-Altlasten und Software- und Enterprise-Architekt:innen in Modernisierungsprogrammen und zeigt Schritt für Schritt, wie OpenAI Codex im Bereich Legacy-Modernisierung produktiv, sicher und nachvollziehbar eingesetzt wird – von den Grundlagen bis zu fortgeschrittenen Workflows.

OpenAI Codex ist ein Coding-Agent, der sowohl lokal als Kommandozeilenwerkzeug und IDE-Erweiterung als auch als Cloud-Agent arbeitet. Lokal liest Codex Ihr Repository, schlägt Änderungen vor und führt Befehle in einer abgesicherten Umgebung aus. In der Cloud bearbeitet Codex delegierte Aufgaben parallel in isolierten Containern und liefert die Ergebnisse als nachvollziehbare Diffs oder Pull Requests. In diesem kompakten Training lernen Sie, beide Arbeitsweisen sinnvoll zu kombinieren und Aufgaben so zu schneiden, dass der Agent sie zuverlässig erledigt.

Zentrale Themen sind Steuerung und Sicherheit: Mit AGENTS.md geben Sie Codex Projektwissen, Build- und Testbefehle sowie Konventionen mit. Sie konfigurieren Freigabemodi und Sandboxing, damit der Agent nur das tut, was Sie erlauben, und richten Cloud-Umgebungen mit passenden Setup-Skripten ein. Außerdem binden Sie Codex in Ihre Pull-Request-Workflows ein, nutzen automatisierte Code-Reviews und entwickeln Regeln dafür, welche Aufgaben im Team delegiert werden und wie die Ergebnisse vor dem Merge geprüft werden.

Viele geschäftskritische Systeme laufen auf COBOL-Programmen im Mainframe, alten Java-EE-Anwendungen oder .NET-Framework-Lösungen, deren ursprüngliche Entwickler:innen längst nicht mehr verfügbar sind. KI-Coding-Assistenten und Agenten machen solche Codebasen zugänglicher: Sie erklären Programmlogik, rekonstruieren Geschäftsregeln, erzeugen Charakterisierungstests und unterstützen die schrittweise Migration in moderne Sprachen, Frameworks und Cloud-Plattformen. Erfolgreiche Modernisierung bleibt dennoch Ingenieursarbeit: Automatische Übersetzung ohne Verständnis erzeugt nur neuen Legacy-Code. Im Kurs lernen Sie, KI entlang bewährter Muster wie Strangler Fig, Branch by Abstraction und Anti-Corruption Layer einzusetzen, Verhalten vor jeder Änderung mit Tests abzusichern und Modernisierungsentscheidungen auf eine belastbare Analyse des Bestands zu stützen.

Das Training findet live statt – wahlweise online im virtuellen Klassenraum oder vor Ort in unseren Trainingsräumen in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch kommen wir auch exklusiv für Ihr Team zusammen.

Für wen ist das Training?

  • Entwickler:innen, die COBOL-, PL/I- oder RPG-Systeme betreuen
  • Java- und .NET-Teams mit älteren Monolithen und Framework-Altlasten
  • Software- und Enterprise-Architekt:innen in Modernisierungsprogrammen
  • IT-Leitungen und Projektverantwortliche für Migrationen
  • Berater:innen für Anwendungsmodernisierung und Cloud-Migration

Typische Herausforderungen, die wir adressieren

  • Geschäftsregeln stecken undokumentiert im Code, das Wissen der ursprünglichen Entwickler:innen ist verloren
  • Fehlende automatisierte Tests machen jede Änderung riskant
  • Veraltete Frameworks, Bibliotheken ohne Sicherheitsupdates und proprietäre Laufzeitumgebungen
  • Big-Bang-Migrationen scheitern an Umfang, Datenmigration und Parallelbetrieb

Das können Sie nach dem Training

  • Sie setzen Codex lokal und in der Cloud gezielt für passende Entwicklungsaufgaben ein.
  • Sie schreiben eine AGENTS.md, die den Agenten zuverlässig durch Ihr Projekt führt.
  • Sie konfigurieren Freigabemodi und Sandboxing passend zu Ihren Sicherheitsanforderungen.
  • Sie delegieren Aufgaben an den Cloud-Agenten und prüfen die Ergebnisse systematisch.
  • Sie nutzen KI-Agenten, um Altsysteme zu verstehen, Geschäftsregeln zu dokumentieren und Abhängigkeiten sichtbar zu machen.
  • Sie sichern bestehendes Verhalten mit generierten Charakterisierungstests ab, bevor Sie Code migrieren oder refaktorieren.
  • Sie planen und begleiten schrittweise Modernisierungen nach bewährten Mustern statt riskanter Big-Bang-Umstellungen.

Inhalte & Ablauf

Modul 1 Codex im Überblick: CLI, IDE und Cloud
  • Arbeitsweisen von Codex lokal und in der Cloud vergleichen
  • Codex CLI installieren, anmelden und im Repository starten
  • Interaktive Sitzungen, nicht-interaktive Ausführung und Modellwahl
  • Geeignete und ungeeignete Aufgaben für einen Coding-Agenten unterscheiden
Modul 2 Projektwissen mit AGENTS.md
  • AGENTS.md mit Build-, Test- und Lint-Befehlen aufbauen
  • Konventionen, Architekturhinweise und Verbote präzise formulieren
  • Verschachtelte AGENTS.md-Dateien für Monorepos und Teilprojekte nutzen
  • Wirksamkeit prüfen und Anweisungen iterativ verbessern
Modul 3 Sandboxing, Freigaben und Sicherheit
  • Freigabemodi von nur lesend bis weitgehend autonom bewusst wählen
  • Sandbox-Grenzen für Dateisystem und Netzwerkzugriff verstehen
  • Umgang mit Secrets, Abhängigkeiten aus dem Internet und Prompt Injection
  • Konfigurationsdateien für Team-Standards und sichere Voreinstellungen
Modul 4 Aufgaben an den Cloud-Agenten delegieren
  • Cloud-Umgebungen mit Setup-Skripten und Abhängigkeiten konfigurieren
  • Aufgaben mit klarem Ziel, Kontext und Abnahmekriterien formulieren
  • Mehrere Aufgaben parallel starten und Ergebnisse vergleichen
  • Logs und Testausgaben nutzen, um Lösungen nachzuvollziehen
Modul 5 PR-Workflows und Code-Review im Team
  • Ergebnisse als Pull Request übernehmen und nachbessern lassen
  • Automatisierte Code-Reviews durch Codex in GitHub einsetzen
  • Codex in Skripte und CI-Pipelines einbinden
  • Teamregeln für Delegation, Review-Pflichten und Verantwortlichkeiten festlegen
Modul 6 Praxislabor: Legacy-Modernisierung
  • Geschäftsregeln extrahieren
  • Abhängigkeiten kartieren
  • Charakterisierungstests erzeugen
  • Framework-Upgrades durchführen
  • Code übersetzen und refaktorieren
  • Strangler-Fig-Architektur entwerfen
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Altsysteme verarbeiten häufig Kunden-, Finanz- oder Versicherungsdaten: Sie lernen, Code und Testdaten vor der Nutzung mit KI zu bereinigen, Lizenz- und Urheberrechtsfragen bei übersetztem Code zu klären und Anforderungen von DSGVO, DORA und Branchenaufsicht an Änderungen kritischer Systeme zu berücksichtigen.
  • Spielregeln für den sicheren KI-Einsatz im Team
  • Ergebnisse prüfen: Fakten, Quellen, Tests und Vier-Augen-Prinzip
  • Persönlicher Umsetzungsplan für die nächsten 30 Tage
  • Offene Fragen, Ausblick und Ressourcen zum Weiterlernen

Praxisszenarien aus Ihrem Bereich

Geschäftsregeln extrahieren

COBOL-Paragraphen, Copybooks oder Java-Serviceklassen analysieren lassen, enthaltene Berechnungs- und Entscheidungslogik als fachlich lesbare Regeln dokumentieren und mit Fachbereichen gemeinsam validieren. So entsteht eine belastbare fachliche Grundlage für Migration und Neuentwicklung.

Abhängigkeiten kartieren

Aufrufbeziehungen, JCL-Jobketten, Datenbankzugriffe und Schnittstellen aus dem Quellcode rekonstruieren und als Diagramme darstellen, um sinnvolle Schnitte für eine schrittweise Ablösung zu finden. Auch tote Codepfade werden sichtbar.

Charakterisierungstests erzeugen

Das bestehende Verhalten mit Golden-Master- und Approval-Tests festhalten, Testdaten aus Produktionsmustern anonymisiert ableiten und so ein Sicherheitsnetz vor jeder Migration schaffen. Abweichungen fallen damit sofort auf.

Framework-Upgrades durchführen

Migrationen von Java EE zu Jakarta EE oder Spring Boot sowie vom .NET Framework zu modernem .NET planen, API-Brüche identifizieren und Anpassungen in vielen Dateien konsistent umsetzen.

Code übersetzen und refaktorieren

COBOL-Module in idiomatisches Java oder C# überführen, statt Zeile für Zeile zu übersetzen, Datentypen wie gepackte Dezimalzahlen korrekt abbilden und Ergebnis per Vergleichstest gegen das Original prüfen.

Strangler-Fig-Architektur entwerfen

Fassaden, Routing-Schichten und Anti-Corruption Layer konzipieren, über die neue Services Funktionen des Altsystems Schritt für Schritt übernehmen, inklusive Datensynchronisation und Rückfalloptionen. Jede Ablösestufe bleibt einzeln auslieferbar.

Mögliche Praxisprojekte im Kurs

Copybook-zu-Schema-Konverter

Ein Tool, das COBOL-Copybooks einliest und daraus JSON-Schemas, Java-Records oder SQL-Tabellen inklusive korrekter Abbildung von Dezimal- und Redefine-Feldern erzeugt. Das beschleunigt Schnittstellen zum Altsystem.

Legacy-Wissensportal

Eine kleine Web-App, die analysierte Programme, Geschäftsregeln und Abhängigkeiten durchsuchbar macht und Fragen zum Altsystem mit Quellenangabe beantwortet. Neue Teammitglieder finden sich so schneller zurecht.

Vergleichstest-Harness

Ein Testrahmen, der dieselben Eingaben an Alt- und Neusystem sendet, Ausgaben feldgenau vergleicht und Abweichungen übersichtlich protokolliert. So wird die fachliche Gleichwertigkeit der Migration nachweisbar.

Voraussetzungen

Sie haben praktische Programmiererfahrung, arbeiten sicher mit Git und der Kommandozeile und kennen Pull-Request-basierte Workflows. Sie haben Programmiererfahrung in mindestens einer Sprache des Altsystems oder der Zielplattform, etwa COBOL, Java oder C#, sowie Grundverständnis von Softwarearchitektur.

Technische Voraussetzungen

Eigener Laptop mit Terminal, Git und Node.js-Laufzeit; ein ChatGPT-Plan mit Codex-Zugang oder ein OpenAI-API-Schlüssel sowie ein GitHub-Konto für die Cloud-Übungen.

Datenschutz & Compliance

Altsysteme verarbeiten häufig Kunden-, Finanz- oder Versicherungsdaten: Sie lernen, Code und Testdaten vor der Nutzung mit KI zu bereinigen, Lizenz- und Urheberrechtsfragen bei übersetztem Code zu klären und Anforderungen von DSGVO, DORA und Branchenaufsicht an Änderungen kritischer Systeme zu berücksichtigen.

Termine & Standorte

Pro Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Ihr Wunschtermin ist jederzeit möglich.

  • München Fr, 11. Dezember 2026 6 Std. Anfragen
  • Salzburg Mo, 14. Dezember 2026 6 Std. Anfragen
  • Berlin Fr, 11. Dezember 2026 6 Std. Anfragen
  • Augsburg Mo, 14. Dezember 2026 6 Std. Anfragen
  • Hannover Fr, 11. Dezember 2026 6 Std. Anfragen
  • Bremen Fr, 11. Dezember 2026 6 Std. Anfragen
  • Stuttgart Mi, 16. Dezember 2026 6 Std. Anfragen
  • Kaiserslautern Mo, 14. Dezember 2026 6 Std. Anfragen
  • Online Mo, 14. Dezember 2026 6 Std. Anfragen

Häufige Fragen

Wann nutze ich Codex lokal und wann in der Cloud?

Lokal arbeiten Sie interaktiv und eng am Code, etwa beim Debugging oder bei explorativen Änderungen, bei denen Sie jeden Schritt verfolgen möchten. Der Cloud-Agent eignet sich für klar umrissene Aufgaben, die unabhängig ablaufen können, beispielsweise Tests ergänzen oder kleinere Fehler beheben. Mehrere solcher Aufgaben lassen sich parallel starten und anschließend als Pull Request prüfen.

Was gehört in eine gute AGENTS.md?

Eine gute AGENTS.md beschreibt, wie das Projekt gebaut, getestet und geprüft wird, welche Konventionen gelten und welche Bereiche nicht angefasst werden sollen. Sie ist knapp, konkret und aktuell. Hilfreich sind außerdem Hinweise zur Architektur und zu typischen Stolperfallen. Im Kurs entwickeln Sie eine AGENTS.md für ein eigenes Projekt und testen deren Wirkung.

Wie sicher ist es, Codex Befehle ausführen zu lassen?

Codex arbeitet standardmäßig in einer Sandbox mit eingeschränktem Datei- und Netzwerkzugriff und fragt vor riskanten Schritten nach Freigabe. Wie viel Autonomie Sie gewähren, legen Sie über Freigabemodi und Konfiguration fest. Im Kurs lernen Sie, diese Einstellungen bewusst zu wählen und Risiken wie Prompt Injection oder das Ausführen unbekannter Abhängigkeiten zu begrenzen.

Kann KI ein COBOL-System automatisch nach Java übersetzen?

KI kann einzelne Module deutlich schneller übersetzen als manuelle Arbeit, doch eine reine Eins-zu-eins-Übersetzung erzeugt oft schwer wartbaren Code. Sinnvoller ist ein Vorgehen, bei dem Geschäftsregeln zuerst verstanden und mit Tests abgesichert werden und die Zielarchitektur bewusst gestaltet wird. Im Kurs kombinieren Sie KI-gestützte Übersetzung mit Vergleichstests und Refactoring.

Wie gehen wir mit sehr großen Codebasen um?

Große Altsysteme passen nicht vollständig in den Kontext eines Modells. Bewährt sind eine systematische Inventarisierung, Zusammenfassungen pro Modul, Abhängigkeitsgraphen und gezielter Abruf relevanter Stellen. Agenten arbeiten dann Modul für Modul mit klar definiertem Auftrag. Sie lernen, diese Struktur aufzubauen und die Ergebnisse für Architekturentscheidungen nutzbar zu machen.

Was kostet die Schulung „OpenAI Codex für Legacy-Modernisierung“?

Die Schulung kostet pauschal 949 € zzgl. gesetzl. MwSt. pro Teilnehmer:in – unabhängig davon, ob sie online oder vor Ort stattfindet. Enthalten sind 6 Stunden Live-Training mit Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Für jeden Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Im Anfrageformular können Sie aber jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und melden uns innerhalb eines Werktags.

Findet der Kurs online oder vor Ort statt?

Beides ist möglich: live online im virtuellen Klassenraum oder vor Ort in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Kann der Kurs auf unser Team zugeschnitten werden?

Ja. Maßgeschneiderte Kurse kosten ca. 4.500 € mehr, je nach Thema und nach Absprache. Wir stimmen Inhalte, Beispiele und Übungen vorab mit Ihnen ab.

Weitere Kurse für Legacy-Modernisierung

Weitere Kurse zu OpenAI Codex

Alle 32 Kurse zu OpenAI Codex

OpenAI Codex – MünchenOpenAI Codex – SalzburgOpenAI Codex – BerlinOpenAI Codex – AugsburgOpenAI Codex – HannoverOpenAI Codex – BremenOpenAI Codex – StuttgartOpenAI Codex – KaiserslauternOpenAI Codex – Online