Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
mistral9. September 2026 · Q001710

Modernizing complex legacy code with AI agents

mistral.ai · Originalbericht öffnen ↗

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.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

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.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. 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
  1. 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
  1. 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
  2. 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
  1. 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
  2. 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
  1. 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
  2. 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
  3. 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
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. 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? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →