Hoe moderniseer je een kritische applicatie zonder dat het werk stilvalt?

​Hoe moderniseer je een kritische applicatie zonder dat het werk stilvalt?

Waarom het big-bang-scenario niet hoeft, en hoe je stap voor stap moderniseert terwijl de app draait.

De app die je wilt moderniseren, is ook de app die elke dag gebruikt wordt. Soms meerdere keren per uur. Door mensen wiens werk ervan afhangt. Dat weet je al, en het is precies de reden waarom modernisering steeds wordt uitgesteld.

Want hoe doe je dat? De motor vervangen terwijl het vliegtuig in de lucht is, zeggen ze weleens. Het voelt als een onoplosbare tegenstelling: de app moet draaien én de app moet vernieuwd worden. En het enige alternatief dat mensen voor ogen hebben, is het big-bang-scenario: alles stilleggen, alles herbouwen, alles tegelijk live. Hoog risico, lange looptijd, zenuwslopend.

Maar dat is niet de enige optie. Het is niet eens de verstandige optie.

Het probleem met big bang

Een big-bang-migratie, waarbij je de oude applicatie in één keer vervangt door een nieuwe, klinkt efficiënt. Maar in de praktijk brengt deze aanpak veel risico met zich mee.

Je bouwt maandenlang aan een nieuw systeem. Elke onzekerheid over de werking van de oude app, elke aanname in de nieuwe code en elke vergeten edge case kan voor problemen zorgen bij de uiteindelijke overstap. Om die risico’s te beperken, draaien oud en nieuw bij kritische applicaties daarom vaak een periode naast elkaar. Uitkomsten worden continu vergeleken, soms geautomatiseerd, om verschillen en fouten op te sporen.

Dat verkleint het risico, maar maakt het traject ook kostbaar en arbeidsintensief. En uiteindelijk blijft er één moment waarop je volledig overstapt van de oude naar de nieuwe applicatie. Als er dan toch problemen ontstaan die bedrijfsprocessen raken, is de impact direct groot. Teruggaan naar de oude applicatie kan op dat moment bovendien complex zijn.

Een betere aanpak: stap voor stap, terwijl het draait

Er is een alternatief dat al decennia lang in softwareontwikkeling wordt gebruikt, maar met AI nu haalbaarder is dan ooit: het strangler fig-patroon.

Het idee is eenvoudig. Je vervangt de oude applicatie niet in één keer, maar stapsgewijs. Nieuwe onderdelen worden gebouwd en live gezet terwijl de oude app gewoon blijft draaien. Beetje bij beetje neemt de nieuwe applicatie taken over, tot er op een dag niets meer over is van de oude. Dat betekent niet dat je ieder onderdeel één op één nabouwt. Per onderdeel bepaal je wat behouden moet blijven, wat beter kan en welke functionaliteit niet meer nodig is. Ook nieuwe functionaliteit kan onderdeel zijn van de modernisering.

Elke stap is klein genoeg om te overzien, te testen en terug te draaien als dat nodig is. Elke stap levert iets werkends op dat meteen door gebruikers wordt gebruikt en gevalideerd. De oude app blijft daarbij als vangnet beschikbaar totdat het nieuwe onderdeel zich in de praktijk heeft bewezen.

Het risico van modernisering wordt daarmee verdeeld over tientallen kleine stappen in plaats van geconcentreerd in één grote sprong.

.

AI helpt bij het veilig afbakenen

De praktische uitdaging bij incrementele modernisering is het vinden van logische grenzen. Welke onderdelen kun je losmaken zonder de rest van de applicatie te verstoren? Welke afhankelijkheden lopen door meerdere onderdelen heen? En waar zitten koppelingen of data die een afzonderlijke vervanging juist lastig maken?

Hier is AI bijzonder waardevol. Door de applicatie diepgaand te analyseren, helpt AI die structuur zichtbaar te maken. Code, afhankelijkheden, datastromen en logica worden in samenhang bekeken. Zo ontstaat sneller inzicht in onderdelen die relatief zelfstandig gemoderniseerd kunnen worden en in gebieden waar eerst extra onderzoek nodig is.

Dat helpt om een eerste stap weloverwogen te kiezen. Je ziet beter waar je kunt beginnen en welke onderdelen eerst extra aandacht vragen.

Van analyse naar een haalbaar moderniseringsplan

Niet iedere applicatie laat zich even makkelijk in stappen vernieuwen. Als vooral schermen en applicatielogica veranderen, kunnen oud en nieuw vaak goed naast elkaar bestaan. Moet ook het onderliggende datamodel ingrijpend veranderen, dan wordt dat een stuk complexer.

Daarom gebruiken we de analyse ook om een haalbare route voor de modernisering te bepalen. AI helpt om verschillende scenario’s en een logische volgorde uit te werken. Welke onderdelen kunnen als eerste worden aangepakt? Welke afhankelijkheden moeten eerst worden opgelost? En waar is het nodig om oud en nieuw tijdelijk naast elkaar te laten draaien?

Onze engineers beoordelen die voorstellen en vertalen ze naar een moderniseringsplan dat past bij de applicatie en de risico’s.

Voordat we een onderdeel vervangen, leggen we het bestaande gedrag vast in tests. Daarmee controleren we per stap of belangrijke functionaliteit behouden blijft. Waar mogelijk rollen we wijzigingen gefaseerd uit, zodat we afwijkingen vroeg zien en kunnen bijsturen voordat ze grote gevolgen hebben.

Zo pakken wij dit aan

Waar de applicatie het toelaat, moderniseren we stapsgewijs. Met AI brengen we de structuur, afhankelijkheden en werking van de applicatie in kaart. Op basis daarvan bepalen onze engineers een haalbare volgorde en aanpak.

Vervolgens moderniseren we de applicatie in beheersbare stappen, met tests als veiligheidsnet en waar mogelijk een gefaseerde uitrol. Zo beperken we de risico’s en blijft de applicatie tijdens het traject zoveel mogelijk beschikbaar.

In het volgende deel gaan we in op de vraag die bij elke modernisering opduikt: kun je erop vertrouwen dat de gemoderniseerde app zich gedraagt zoals verwacht?

Kijk opnieuw naar je applicatie

Heb je modernisering eerder uitgesteld omdat de applicatie te belangrijk is om risico mee te nemen? Laat ons kijken hoe je de modernisering in beheersbare stappen kunt aanpakken.

Bespreek je applicatie met onze experts