Wat betekent software herontwikkelen in de praktijk?
Herontwikkelen betekent niet het bestaande systeem kopiëren in een nieuwe taal. Het betekent: opnieuw beginnen vanuit de werkprocessen zoals ze nu zijn, en AI inbouwen in de kern, niet er later overheen plakken. Bij een Digital Twin bouwen we het ERP, TMS, WMS of MES volledig opnieuw. De datamodellen, de logica, de interfaces, alles. De klant wordt eigenaar van code, data en systeem. Geen licentieafhankelijkheid, geen vendor lock-in. Dat is wat het verschilt van een standaardpakket implementeren of een AI-module aanschaffen bovenop een bestaande basis.
Wanneer is software herontwikkelen de juiste keuze?
Er zijn drie herkenbare situaties. Ten eerste: het systeem is zo ver doorontwikkeld met maatwerk en workarounds dat niemand meer durft aan te raken. Elke wijziging breekt iets anders. Ten tweede: de operatie groeit maar het systeem schaalt niet mee, waardoor mensen in Excel werken naast het systeem in plaats van erin. Ten derde: je wilt AI structureel in de besluitvorming, niet als chatbot bovenop een verouderde database, maar als onderdeel van de dagelijkse stroom. In die gevallen levert herontwikkelen op de langere termijn minder technische schuld, meer controle en een systeem dat de operatie weergeeft zoals die werkelijk is.
Waar lopen mensen op vast bij het herontwikkelen van software?
Het grootste struikelblok is scope. Organisaties beginnen met het idee dat ze het bestaande systeem één-op-één nabouwen, maar ontdekken halverwege dat twintig procent van de functionaliteit negentig procent van de complexiteit veroorzaakt. Die complexiteit bestaat vaak niet omdat het operationeel noodzakelijk is, maar omdat het systeem in de loop der jaren heeft aangepast wat de operatie nodig had te zijn. Herontwikkelen dwingt je om die keuzes opnieuw te maken. Dat is oncomfortabel maar ook nuttig: het haalt dode logica eruit. Een tweede valkuil is onderschatting van de migratietijd. Data overzetten van een oud systeem naar een nieuw systeem kost altijd meer dan verwacht, zeker als de datakwaliteit laag is.
Wanneer past een Digital Twin juist niet?
Herontwikkelen is niet de oplossing als het bestaande systeem eigenlijk goed werkt maar de processen eromheen haperen. Dan zijn AI Workers, losse automatiseringen die op het bestaande systeem draaien, een betere keuze. Ook als de organisatie midden in een andere grote verandering zit, zoals een fusie of overname, is dit niet het moment voor een volledig nieuw kernsysteem. En als de tijdshorizon te kort is: een Digital Twin bouwt Bonsai in maanden, niet in jaren, maar het vraagt wel commitment van de operationele kant. Als de mensen die het systeem moeten valideren er geen tijd voor hebben, loopt het project vast. Dat is geen technisch probleem, maar een organisatorisch.
Hoe ziet het traject eruit?
We werken met vaste milestones en go/no-go momenten. Na elke fase beslist de klant of we doorgaan. Dat beschermt beide kanten: de klant investeert niet blind in een project dat de verkeerde kant op gaat, en wij bouwen niet verder op een fundering die niet klopt. De eerste fase is altijd het in kaart brengen van de operationele werkelijkheid, niet de systeemdocumentatie, maar hoe het werk echt gedaan wordt. Dat levert de specificatie op. Daarna bouwen we iteratief, met de operationele gebruikers in de loop. De klant wordt eigenaar van wat we bouwen, inclusief de broncode en de data. Dat staat vast in hoe we werken.