Handoff Audit · Eigenes Entwicklungsprojekt
Was kann man über eine Codebasis wissen, die man nicht selbst gebaut hat?
Handoff Audit untersucht, wie sich eine fremde Codebasis systematisch analysieren lässt. Statt einer pauschalen Qualitätsnote soll die Analyse zeigen, wo technische Risiken liegen, welche Fragen offenbleiben und welche Bereiche man vor einer Übernahme genauer prüfen sollte.
Das Projekt ist noch in Entwicklung.
Warum das schwierig ist
Bei einer Softwareübernahme liegt die Frage nahe, ob der Code gut oder schlecht ist. Sie führt aber eher in eine Qualitätsdebatte als zu einer Entscheidung. Beantwortet werden muss etwas anderes: Können wir dieses System verantwortbar übernehmen, welche Risiken bestehen, welche Maßnahmen sind nötig und mit welchem Aufwand? Die üblichen Mittel helfen dabei nur begrenzt:
-
Metriken beschreiben Eigenschaften, keine Konsequenzen
Testabdeckung, Komplexität und Issue-Zahlen sagen etwas über den Code aus, aber nichts darüber, was eine Übernahme kostet. Eine Testabdeckung von 85 % kann heißen, dass nur Hilfsklassen ungetestet sind — oder die Berechtigungsprüfung. Die Zahl unterscheidet das nicht, für eine Übernahme sind es aber zwei völlig verschiedene Risiken.
-
Manuelle Reviews skalieren nicht
Erfahrene Entwickler kommen oft zu guten Einschätzungen. Ihre Begründung bleibt aber meist unausgesprochen, und bei jedem neuen Projekt beginnt dieselbe Arbeit von vorn.
-
Reine LLM-Reviews sind nicht belastbar
Ein Sprachmodell, das die Codebasis liest und ein Urteil abgibt, kann seine Aussagen nicht auf überprüfbare Fakten zurückführen. Bei einer Übernahme kommt hinzu, dass der Code meist vertraulich ist.
-
Die Übersetzung fehlt
Zwischen einem technischen Befund und dem Satz „dieser Befund verursacht Aufwand X und Risiko Y“ liegt Arbeit, die heute meist gar nicht oder nur im Kopf einzelner Personen stattfindet.
Was Handoff Audit ist
Handoff Audit ist ein unabhängiges Projekt mit drei Teilen, die zusammengehören:
- 01Ein Analysewerkzeug
- Ein Werkzeug, das den Aufbau von Java- und Spring-Codebasen lokal untersucht. Der Quellcode verlässt dabei die eigene Umgebung nicht.
- 02Eine offene Untersuchung
- Das Projekt geht der Frage nach, welche Aussagen sich aus einer fremden Codebasis verlässlich ableiten lassen — und wo Einschätzung und Erfahrung unverzichtbar bleiben.
- 03Ein Engineering-Journal
- Aus der Entwicklung entstehen Beiträge auf dieser Website — über Entscheidungen, Erkenntnisse und Versuche, die nicht funktioniert haben.
Wie der Ansatz funktioniert
Von der Codebasis zur belastbaren Aussage, in drei Schritten:
-
Lokale Analyse
Das Werkzeug liest die Codebasis lokal ein und erfasst ihren Aufbau, ihre Abhängigkeiten und ihre Schnittstellen.
-
Befunde und Einordnung
Aus diesen Beobachtungen sollen bewertete Befunde entstehen, die jeweils zeigen, auf welche Stellen im Code sie sich stützen. Beim Einordnen soll eine externe KI helfen. Sie bekommt dafür nie Quellcode, sondern nur Strukturdaten, in denen echte Namen durch neutrale Platzhalter ersetzt sind.
-
Risiko, Maßnahme, Aufwand
Am Ende soll die Aussage stehen, um die es bei einer Übernahme geht: welche Risiken bestehen und welche Maßnahmen sinnvoll sind. Ob sich auch der Aufwand seriös schätzen lässt, untersucht das Projekt noch.
Ein Beispiel: Verwenden Service-Methoden direkt die Datentypen der Web-Schnittstelle, etwa aus der OpenAPI-Beschreibung generierte Klassen, dann reicht jede Änderung am API-Vertrag bis in die Geschäftslogik. Wer das System übernimmt, kann dann kaum abschätzen, was eine scheinbar kleine Änderung an der Schnittstelle kostet. Solche Kopplungen soll die Analyse aufzeigen — zusammen mit den Codestellen, die sie belegen.
Wie weit die Schritte umgesetzt sind, zeigt das Analysemodell.
Analysemodell
Das Analysemodell zeigt, wie aus einer fremden Codebasis Schritt für Schritt eine belastbare Aussage entstehen soll. Die Markierung an jeder Stufe gibt an, ob sie implementiert ist, nicht, wie belastbar ihr Ergebnis ist; das steht im Text der Stufe. Das Verfahren wurde bislang an keinem realen Übernahmeprojekt erprobt.
- implementiertCodebasis
Ausgangspunkt ist ein Java-/Spring-Projekt, dazu optional eine OpenAPI-Schnittstellenbeschreibung.
- implementiertStrukturelle Analyse
Das Werkzeug erfasst die Struktur des Codes: Klassen und ihre Rolle in den Schichten, Endpunkte und die Datentypen, die sie verwenden.
- implementiertTechnische Beobachtungen
Ergebnis sind nachprüfbare Beobachtungen — etwa welche Endpunkte es gibt und welche Daten sie liefern. Wo die Analyse etwas nicht sicher weiß, soll sie das sagen, statt zu raten; bei einigen Schreibweisen im Code gelingt das noch nicht.
- implementiertBefund
Aus den Beobachtungen entstehen Befunde — zum Beispiel, wenn ein Endpunkt anders antwortet, als sein dokumentierter API-Vertrag es beschreibt. Jeder Befund nennt die Beobachtungen und Stellen im Code, auf denen er beruht. Was sich nicht entscheiden lässt, erscheint als offene Stelle, nicht als Befund.
- implementiertBetroffener Bereich
Zu jedem Befund hält die Analyse fest, welche Teile des Systems er unmittelbar berührt: Endpunkte, Services, Methoden und Datentypen. Wer diese Teile nutzt und wie schwer ein Befund deshalb wiegt, ermittelt sie noch nicht.
- implementiertEinordnung (optional)
Optional kann eine externe KI die Befunde einordnen: Sie schlägt für jede Art von Befund Maßnahmen vor und schätzt deren Aufwand. Sie erhält dafür nur Strukturdaten in einem festen Austauschformat, mit Platzhaltern statt Namen, und erst nachdem sie automatisch geprüft wurden. Ihre Antwort wird ebenfalls geprüft und getrennt von den Befunden gezeigt. Diese Vorschläge und Schätzungen sind nicht validierte Einschätzungen: Mit einem echten KI-Modell ist der Schritt bisher nur mit Testdaten erprobt.
- geplantRisiko und Maßnahme
Daraus soll die eigentliche Aussage entstehen: Welche Risiken bestehen, welche Maßnahmen sind sinnvoll, in welcher Reihenfolge? Bisher gibt es nur die Maßnahmenvorschläge der optionalen KI-Einordnung, ohne Risikobewertung und ohne Reihenfolge.
- offene ForschungsfrageAufwand und Unsicherheit
Lässt sich Aufwand seriös als Spanne mit ausgewiesener Unsicherheit schätzen, statt als scheinbar genaue Zahl? Die optionale KI-Einordnung liefert bereits Spannen mit Annahmen und offenen Punkten; ob sie tragen, ist nicht untersucht.
Aus dem Projekt
Was bei der Arbeit an Handoff Audit entsteht, steht in den Fachartikeln. Wie Sie mich erreichen, steht auf der Kontaktseite.