Modernizing complex legacy code with AI agents
Zusammenfassung
Kurz
Mistral berichtet über die Migration von 40.000 Zeilen eines Fortran-77-Reservoirsimulators nach C++: Ein numerischer Prüfrahmen und geordnete Dokumentation wurden vor der eigentlichen Umstellung aufgebaut. Als wirksam beschreibt das Team modulweise Agentenarbeit mit menschlicher Architektur- und Codeprüfung; der Bericht umfasst jedoch nur einen ersten Sprint und ein geschlossenes, ausführbares System.
Mittel
Der Bericht beschreibt Mistrals Zusammenarbeit mit einem europäischen Energieunternehmen bei der Modernisierung eines physikintensiven Reservoirsimulators. In einem ersten Sprint wurden 40.000 von insgesamt 300.000 Zeilen Fortran 77 nach C++ übertragen. Weil sich die neue, strukturell veränderte Architektur nicht einfach Zeile für Zeile mit dem alten Programm vergleichen ließ, richtete das Team vor der Migration einen Prüfrahmen ein: Das Fortran-Programm exportierte Zustandswerte, die C++-Tests als Referenz für wichtige Zwischenpunkte und Endergebnisse nutzten. Reservoiringenieure halfen bei der Auswahl der Prüfpunkte.
Zudem wurde verstreute Dokumentation aus PDFs und Kommentaren zusammengeführt. Mehr als hundert Agenten dokumentierten mithilfe eines automatisch erstellten Aufrufbaums einzelne Programmteile; ein Prüfagent kontrollierte neue Pull Requests. Vollständig autonome Übersetzung führte laut Beitrag zwar zu funktionsfähigem, aber kaum modernisiertem Code. Ein strukturierter Agentenablauf verbesserte die Qualität, benötigte bei komplexen Problemen jedoch menschliche Hilfe. Daher setzte das Team auf modulweise Arbeit mit Planung, Implementierung, Tests und menschlicher Prüfung.
Der Beitrag empfiehlt, zuerst numerische Vergleichsmöglichkeiten und Dokumentation aufzubauen und Agenten mit menschlichen Prüfpunkten einzusetzen. Er behandelt nur den ersten Sprint und ein geschlossenes, ausführbares Programm; externe Abhängigkeiten, fehlende Referenzläufe und nicht dokumentierte Physik bleiben außerhalb des beschriebenen Umfangs.
Ausführlich lesen
Der Bericht schildert Mistrals Arbeit mit einem europäischen Energieunternehmen an der Modernisierung eines wissenschaftlichen Reservoirsimulators: In einem ersten Sprint wurden 40.000 von insgesamt 300.000 Zeilen Fortran 77 nach C++ überführt. Das Programm ist physikintensiv und hatte laut Beitrag weder eine Testsuite noch eine zentrale Dokumentation. Die Autorinnen und Autoren betonen, dass die Aufgabe über eine bloße Übersetzung hinausging: Fortran-77-Merkmale wie globale COMMON-Blöcke, implizite Typen und GOTO-Steuerung mussten in eine zeitgemäße C++-Architektur überführt werden. Dadurch gab es keine einfache zeilenweise Zuordnung, anhand derer sich die Korrektheit prüfen ließ.
Als ersten Schritt baute das Team deshalb einen sogenannten Parity-Harness. Das Fortran-Programm wurde so ergänzt, dass es Zustandsdaten an wichtigen Zwischenpunkten exportieren konnte. Ein C++-Testgerüst lud diese Referenzwerte und verglich sie mit den Resultaten der migrierten Module. Die ausgewählten Prüfpunkte stimmten die Beteiligten mit Reservoiringenieuren ab. Nach Darstellung des Berichts machte dieser Vergleich lange Agentenläufe sicherer und bot einen einfachen Nachweis numerischer Übereinstimmung.
Parallel wurde verstreute Dokumentation aus alten PDFs und Codekommentaren zusammengeführt und nahe am Quellcode abgelegt. Dafür ließ das Team die Fortran-Aufrufstruktur mit einem eigenen Parser als Caller-Callee-Baum erfassen. Mehr als hundert KI-Agenten dokumentierten die Teile des Baums von den untersten Funktionen aufwärts; sie konnten dafür auch PDFs und Mistral OCR heranziehen. Ein weiterer Agent überprüfte neu eröffnete Pull Requests regelmäßig und veranlasste bei Bedarf Korrekturen.
Der Bericht vergleicht drei Arbeitsweisen. Bei einem ersten Versuch übersetzten autonome Agenten jeweils einzelne Unterprogramme. Das Ergebnis war funktionsfähig, blieb aber laut Team strukturell weitgehend beim alten Fortran: COMMON-Blöcke wurden zu globalen Strukturen und GOTO-Abläufe kaum umgestaltet. Ein zweiter Versuch mit Planungs-, Programmier-, Test- und Qualitätsprüfungsagenten verbesserte die Codequalität, stieß bei komplexen Fehlern aber ins Stocken. Als geeignet erwies sich schließlich ein modulweiser Ablauf mit menschlicher Steuerung: Architektur entwerfen, von einem Reservoiringenieur prüfen lassen, Aufgaben aufteilen und diese mit Agenten planen, umsetzen und testen. Menschen begutachteten die Pull Requests und forderten Änderungen bis zur Zusammenführung.
Die Autorinnen und Autoren empfehlen, zuerst numerische Vergleichsmöglichkeiten und Dokumentation zu schaffen und Agenten mit klaren Abläufen sowie menschlichen Prüfpunkten einzusetzen. Die Aussagekraft bleibt begrenzt: Beschrieben wird ein erster Sprint über 40.000 Zeilen, nicht die vollständige Migration. Ausgangspunkt war zudem ein in sich geschlossenes und ausführbares Programm. Schwierigkeiten bei externen Abhängigkeiten, fehlender ausführbarer Referenz oder nicht dokumentierter Physik behandelt der Beitrag ausdrücklich nicht.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Die Einordnungen wurden unabhängig von Lunas Stufen vergeben. Lunas Stufe 4 bei SF-T1, SF-A1 und SF-E5 ist zu hoch, da der Bericht diese Fragen nicht beantwortet; ihre Stufe 0 bei SF-T3-T06 und SF-P3-T11 passt. Beide Zusammenfassungen (kurz und mittel) enthalten keine erfundenen Angaben, lassen aber die Kernaussage zur Architekturschwierigkeit aus.
Im Bericht, aber nicht in der Zusammenfassung
- Der Bericht stellt heraus, dass die Übersetzung von Syntax weitgehend gelöst ist und die eigentliche Schwierigkeit in architektonischen Umbauten (COMMON-Blöcke, GOTO-Steuerfluss) liegt; beide Zusammenfassungen lassen das aus.
- Das Originalsystem hatte keine Testsuite und keine zentrale Dokumentation; das ist der Ausgangspunkt, der den Prüfrahmen erst nötig macht und fehlt in der mittleren Zusammenfassung.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 47 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 58 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 27 %Hintergrund, keine Belege
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 26 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 39 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 59 %einzelne zitierbare Belege
- JEV 40 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 76 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 30 %gleiches Oberthema, hilft nicht
- Luna 43 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 34 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 60 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 56 %einzelne zitierbare Belege
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 27 %gleiches Oberthema, hilft nicht
- Luna 27 %Hintergrund, keine Belege
- JEV 46 %beantwortet teilweise oder widerspricht
- amos 30 %gleiches Oberthema, hilft nicht
- SubQ 46 %gleiches Oberthema, hilft nicht
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 22 %gleiches Oberthema, hilft nicht
- Luna 54 %einzelne zitierbare Belege
- JEV 39 %beantwortet teilweise oder widerspricht
- amos 31 %einzelne zitierbare Belege
- SubQ 23 %Hintergrund, keine Belege
- drex 20 %einzelne zitierbare Belege
- d3-ultra 28 %Hintergrund, keine Belege
- Haiku-Prüfung nur am Rande erwähnt
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 29 %gleiches Oberthema, hilft nicht
- Luna 100 %kein Bezug
- JEV 29 %einzelne zitierbare Belege
- amos 29 %nur am Rande erwähnt
- SubQ 30 %gleiches Oberthema, hilft nicht
- drex 25 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 33 %einzelne zitierbare Belege
- amos 27 %nur am Rande erwähnt
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 43 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 65 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 77 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 58 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 57 %gleiches Oberthema, hilft nicht
- drex 64 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 40 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 53 %einzelne zitierbare Belege
- JEV 43 %beantwortet teilweise oder widerspricht
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 48 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
- SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat?
Weitere Berichte zu diesen Fragen
- Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv