Agentic Engineering Factory
Vom Altsystem zum geprüften Data Mart – Schritt für Schritt nachvollziehbar.
Die Callista Agentic Engineering Factory ist eine Kette spezialisierter KI-Agenten. Sie analysiert Ihr bestehendes Data Warehouse, entwirft die Lösung auf Ihrer Zielplattform, erzeugt den Code und belegt am Ende, dass die Zahlen stimmen.
Die Factory ist kein Konverter, der Code zeilenweise übersetzt, und keine Cloud-Plattform. Sie wird in Ihrer Umgebung installiert und auf Ihre Technologien und Konventionen zugeschnitten. Geführt wird sie von Engineers, die solche Systeme selbst gebaut haben.
Das Bild aus dem Angebot
Zwei Analysen als Einstieg, sechs Phasen, drei Schleifen zurück.
In unserem Angebot haben Sie ein Übersichtsbild der Factory gesehen. Diese Seite erklärt es: was in jeder Phase geschieht, was dabei entsteht, wo Sie entscheiden und warum die Pfeile zurückführen.
Jede Phase ist ein eigener, spezialisierter Agent. Jeder übergibt ein geprüftes Ergebnis an den nächsten. Kein Schritt beginnt auf Zuruf. Grundlage ist immer das dokumentierte Ergebnis des vorherigen.
Human in the Lead.
Der Mensch entscheidet, die Agenten arbeiten. Fachliche Bestätigung, Architekturentscheide und Abnahme bleiben bei Ihren und unseren Engineers.
«Der Mensch ist nicht nur im Loop, der Mensch ist im Lead.»
Die Phasen im Detail
Was in jeder Phase geschieht – und wo Sie entscheiden.
Acht Schritte, die ersten zwei laufen parallel. Jeder Schritt hat ein benanntes Ergebnis, das Sie lesen und prüfen können. Alle Ergebnisse liegen als gewöhnliche Dateien in Ihrem Repository.
WAS GESCHIEHT
Ein Agent liest Code, Jobs und Dokumentation des Altsystems und beschreibt, was dort tatsächlich passiert. Dazu gehört die Lineage: der Weg jedes Attributs von der Quelle bis zum Report. Im klassischen Vorgehen bindet dieser Schritt Monate, weil er an den wenigen Menschen hängt, die das System noch kennen.
ERGEBNIS
Bestandsdokumentation mit Abhängigkeiten und Lineage.
SIE ENTSCHEIDEN
Welcher Ausschnitt analysiert wird. Sie bestätigen die Befunde fachlich.
Beispiel aus dem Referenzprojekt
Rund 15'000 Dateien wurden geliefert. Für den ersten Data Mart waren rund 30 Skripte tatsächlich relevant. Die Factory findet sie und verfolgt die Kette auch über Views und Stored Procedures zurück.
Analyse-Seite mit Front Matter (anonymisiert)
Die Rückschleifen
Fehler werden dort behoben, wo sie entstanden sind.
Die Rückschleifen sind der Kern des Ablaufs. Eine Korrektur direkt am erzeugten Code wäre nach dem nächsten Lauf wieder weg. Deshalb wird immer die Stufe korrigiert, aus der der Fehler stammt. Danach läuft die Kette von dort aus erneut.
Review
Zeigt sich in Gap-Analyse oder Solution Design, dass die Bestandsaufnahme unvollständig ist, geht es zurück in die Analyse. Lücken im Verständnis werden nicht mit Annahmen überbrückt.
Self-Healing
Weichen Code oder Testergebnis von der Spezifikation ab, korrigiert die Factory die Code-Erzeugung selbst und prüft erneut. Das geschieht ohne manuellen Eingriff, solange es im vereinbarten Rahmen bleibt.
Update Spezifikation
Zeigt der Test, dass die Spezifikation selbst falsch ist, wird sie geändert und nicht der Code. Die Spezifikation bleibt die Quelle der Wahrheit.
Jeder bestätigte Fix wird als Regel in eine versionierte Bibliothek übernommen. Derselbe Fehler tritt beim nächsten Objekt seltener auf, und die Läufe werden schneller und günstiger.
Ein Ablauf, zwei Startpunkte
Die Factory ist dieselbe, ob der Startpunkt ein Altsystem ist oder eine neue fachliche Anforderung. Bei einer Migration beginnt der Weg bei der Analyse. Bei einer Weiterentwicklung steigt er beim Solution Design ein, alles danach bleibt gleich. Was Sie in der Migration aufbauen, arbeitet im Betrieb weiter.
Der Mehrwert
Was ein Werkzeug allein nicht liefert.
Tempo mit Beleg
Die Analyse eines gewachsenen Bestands bindet im klassischen Vorgehen Monate. Agenten erledigen sie in einem Bruchteil der Zeit. Wichtiger als das Tempo ist aber, dass jedes Ergebnis geprüft weitergereicht wird. Und es bleibt sichtbar, was die Agenten nicht zuordnen konnten.
Der Nachweis entsteht laufend
Bei einer Migration ist die Übersetzung selten das Problem. Schwierig ist der Nachweis, dass gewachsene Fachlogik vollständig erfasst wurde und im Ziel unverändert wirkt. Klassisch fällt diese Frage gebündelt am Projektende an und bindet genau die knappen Fachleute, die überall gebraucht werden. In der Factory kommt jedes Objekt mit seinem eigenen Äquivalenzbeleg. Aus einem Risiko am Schluss wird planbarer, laufender Aufwand.
Was bleibt, ist der Kontext
Eine Migration endet nicht mit dem Go-live. Danach muss die Plattform über Jahre weiterentwickelt werden. Klassisch beginnt die erste grössere Änderung mit Reverse Engineering am gerade gebauten System. Mit der Factory liegt am Ende alles vor, was dafür nötig ist: analysierter Bestand, dokumentierte Zielarchitektur, begründete Entscheide, Spezifikation je Objekt und Tests, die ab Tag 1 als Regressionstests dienen. Alles liegt versioniert in Ihrem Repository, als gewöhnliche Dateien, ohne Abhängigkeit von der Factory oder von Callista.
Die ganze Kette
Konverter setzen bei fertiger Spezifikation an und hören beim Code auf. Der eigentliche Aufwand liegt davor im Verstehen und danach im Nachweis.
Zugeschnitten
Quellen und Zielplattformen werden über austauschbare Adapter angebunden, heute für SAS, Synapse und Databricks. Ihr Glossar, Ihre Konventionen und Vorgaben fliessen direkt ein.
Rückverfolgbar
Jedes Artefakt lässt sich auf die Anforderung zurückführen, aus der es entstand. In regulierten Branchen ist das eine Voraussetzung.
In Ihrer Umgebung
Die Factory läuft bei Ihnen. Welche Inhalte wohin fliessen, wird beim Aufsetzen festgelegt und dokumentiert. Keine Kundendaten in öffentlichen KI-Diensten.
Referenzprojekt
Was im Referenzprojekt erreicht wurde
3 Monate
vom ersten Analyselauf bis zum validierten Data Mart auf produktiven Clustern
> 66 %
weniger Aufwand in Personentagen, im Schnitt
0,23 % / 1,38 %
Abweichung zum Altsystem bei Policenzahl / Prämiensumme
6'929
Legacy-Dateien maschinell erschlossen (SAS, COBOL, SQL)
IEEE SDS Award 2026
Best Business Submission
Referenzprojekt: Migration eines Vertriebs-Data-Marts in ein Databricks Cloud Data Lakehouse bei Helvetia Versicherungen, 2026. Werte aus dem Projekt; sie sind kein Versprechen für andere Vorhaben.
Den belastbaren Beweis für Ihr Vorhaben liefert Ihr eigener Bestand. Deshalb ist der erste Schritt ein realer Fall aus Ihrem System, kein Demo-Datensatz. Was dabei entsteht, beurteilt Ihre eigene Fachseite.
Ihre Beiträge
Fünf Dinge, damit die Kette anläuft.
Alles Weitere kann nachgereicht werden. Welche Positionen für Ihr Vorhaben konkret gelten, steht im Angebot.
Zugriff auf den Quellcode des gewählten Falls
Bestandsanalyse. Lückenhafte Dokumentation ist dabei kein Hindernis.
Job- und Ablaufdefinitionen
Abhängigkeiten erkennen
Zugang zur Zielumgebung
Code-Erzeugung, Deployment und Test
Vorgaben und Konventionen der Zielplattform
Eine Ziellösung, die zu Ihrer Architektur passt
Ansprechpersonen aus Fachbereich und Plattform
Rückfragen, Architekturentscheide, Abnahme
Grenzen
Was die Factory nicht ist.
Kein Knopfdruck-Konverter
Die Agenten arbeiten schnell, aber nur mit fachlicher Führung.
Kein Ersatz für Fachwissen
Die Factory beschleunigt Menschen, die den Bestand verstehen. Wo dieses Wissen fehlt, macht sie die Lücke sichtbar. Schliessen muss sie jemand.
Keine Qualitätsaussage ohne Prüfmassstab
Die Verifikation ist so belastbar wie der Referenzfall und das Toleranzband, an denen gemessen wird. Beides legen wir zu Beginn gemeinsam fest.
Kein Ergebnis ohne Ihre Entscheide
Architekturentscheide und Abnahme bleiben bei Ihnen. Die Factory bereitet sie vor und dokumentiert sie.
Deshalb setzen wir ein Senior-Team ein. KI-Ergebnisse kritisch zu beurteilen, braucht Erfahrung mit Daten, Architektur und Versicherung.
Fragen zum Angebot
Sprechen Sie mit uns.
Für Rückfragen zum Vorgehen, zum Umfang oder zu einzelnen Phasen erreichen Sie uns direkt. Auf Wunsch zeigen wir Ihnen die Factory in einer Live-Demo direkt im Repository.
Matthias Weidlich
Managing Partner
Ihr Ansprechpartner für das Vorhaben
Dr. Roland Pieringer
AI Lead
Hat das Referenzprojekt fachlich geführt
Sven Roth
AI Solution Architect und Advisory Lead
Verantwortet Analyse und Agentenentwicklung
Erleben Sie die Factory live
In einer Live-Demo zeigen wir Ihnen die Factory direkt im Repository – vom Legacy-Code bis zum geprüften Notebook.