AI toevoegen aan legacy software: waarom een volledige herbouw meestal niet nodig is

Sophie Jansen · 2026-09-25

## Waarom een volledige herbouw zelden de juiste keuze is Stel je voor: je hebt een software­systeem dat je bedrijf al vijftien jaar draaiende houdt. Het werkt, het is betrouwbaar, maar het voelt alsof het uit het stenen tijdperk komt. Dan hoor je over kunstmatige intelligentie (AI) en denkt: we moeten alles opnieuw bouwen. Die aanname weerhoudt veel bedrijven ervan om te beginnen. Maar wat als ik je vertel dat je in de meeste gevallen AI kunt toevoegen zónder één enkele kernmodule te vervangen? Een volledige herschrijving is duur, riskant en zelden nodig. Legacy-systemen bevatten vaak tientallen jaren aan bedrijfsregels, uitzonderingen en wettelijke logica die niemand ooit volledig heeft gedocumenteerd. Een team dat opnieuw begint, moet dat allemaal opnieuw uitvinden terwijl het oude systeem de business draaiende houdt. Grote vervangingsprojecten lopen berucht vaak uit de hand: budgetten worden overschreden, deadlines gehaald niet, en sommige projecten worden nooit afgerond. Bovendien gedijt AI het beste op betrouwbare data en stabiele processen. Een volwassen systeem dat jarenlang is getest, biedt precies die basis. Daarom positioneren ontwikkelaars AI steeds vaker als een uitbreiding van bestaande software, niet als vervanging. Ze voegen een intelligente laag toe bovenop wat er al is, zonder de fundering te slopen. ### De vier integratiepatronen die je kern beschermen De veiligste manier om AI toe te voegen is door het op afstand van de kern te houden. Elk patroon doet dat op een iets andere manier, en veel projecten combineren er meerdere. - **API- en middleware-lagen**: in plaats van een AI-model direct toegang te geven tot de productiedatabase, bouw je een middleware-laag die alleen specifieke, goed gedefinieerde operaties aanbiedt. De AI kan een klantrecord opvragen of een order concept maken, maar geen willekeurige query's uitvoeren of tabellen aanpassen. Dit beschermt het legacy-systeem tegen onverwachte belasting, misvormde verzoeken en prompt-injectieaanvallen. - **Retrieval-augmented generation (RAG) over bestaande data**: RAG laat een taalmodel vragen beantwoorden met jouw documenten en records. Het legacy-systeem blijft data opslaan zoals altijd, terwijl een aparte pijplijn relevante inhoud indexeert in een vectordatabase. Gebruikers krijgen zo conversationele toegang tot jaren aan informatie. Goed gebouwde RAG-systemen kunnen ook de bron van elk antwoord citeren, wat verificatie eenvoudiger maakt. - **Event-driven integratie**: veel oudere systemen kunnen events uitzenden of worden gevolgd via change data capture, een techniek die inserts, updates en deletes in een database bijhoudt. AI-diensten kunnen zich abonneren op deze wijzigingen, bijna realtime reageren, een verdachte transactie markeren of een vertraging voorspellen zonder de legacy-applicatie extra werk te bezorgen. - **Het Strangler Fig-patroon**: genoemd door software-ingenieur Martin Fowler naar een liaan die langzaam om zijn gastheer groeit, vervangt of versterkt dit patroon functionaliteit stukje bij beetje. Nieuwe AI-functies worden via een façade geleid, terwijl de rest op het oude systeem blijft draaien. Na verloop van tijd kan de balans verschuiven zonder één riskante overstap. > "AI is geen nieuwe fundering, maar een nieuwe laag. Je behoudt wat werkt en upgradet wat eromheen zit." – Sophie Jansen, Senior Media Monitoring Analist & Strategisch Adviseur ### Waar je op moet letten voordat je begint Niet elk legacy-systeem is even klaar voor een AI-laag. Voordat de ontwikkeling begint, is het verstandig om een paar praktische vragen te beantwoorden: - Kan het systeem data ontsluiten via API's, of is er een nieuwe integratielaag nodig? - Is de data schoon en consistent genoeg voor een model om uit te putten of van te leren? - Wie is eigenaar van de processen die AI raakt, en welke beveiligings- en compliance-eisen gelden er? Duidelijke antwoorden vormen de architectuur en voorkomen dure verrassingen halverwege het project. Vergeet ook niet de kosten in euro's (€) goed te begroten: een middleware-laag kost vaak tussen €5.000 en €15.000, terwijl een volledige herbouw al snel richting €100.000 of meer gaat. Door AI als een laag te behandelen, houd je de kosten beheersbaar en de risico's klein. Kortom, je hoeft je legacy-systeem niet af te breken om slimmer te worden. Met de juiste integratiepatronen wordt het een solide basis voor AI, zonder dat je de deur naar het verleden dichtgooit.