--- id: navtobc-methoden type: knowledge-entry language: de updated: 2026-10-09 status: freigegeben --- # C/AL tief analysieren. Nachvollziehbar im Ergebnis. Übernommen von [NAVtoBC.de](), Quellenstand: 2026-10-09. KI-GESTÜTZTE TECHNIKEN & VERFAHRENSWEISEN ## C/AL tief analysieren. Nachvollziehbar im Ergebnis. Eigener Parser, gezielte KI-Unterstützung und verbindliche Prüfketten: Unser Analyseansatz verbindet technische Befunde mit fachlichem Verständnis. ### Hinweis zur Aussagekraft der Analyse **KI macht Fehler.** Vollständigkeit und Fehlerfreiheit lassen sich bei einer Analyse nicht garantieren – auch nicht bei rein manueller Arbeit. Ziel ist eine **ausreichend fundierte Arbeitsgrundlage für Ihre Migration** . Deshalb machen wir Unsicherheiten und offene Punkte sichtbar und prüfen die Ergebnisse gemeinsam mit Ihren Fachbereichen. DER ANALYSEWEG ALS 3D-FILM ### Vom Datenfluss zur KI-Analyse. 60 Sekunden ![3D-Film über Daten, Schnittstellen und KI-Analyse]() [3D-Film über Daten, Schnittstellen und KI-Analyse – Videodatei]() [Den 3D-Film als MP4 öffnen.]() Schnittstellen verbinden, den NAV-Bestand strukturieren, Daten freigeben und Befunde durch KI analysieren und gegenprüfen. Eine schematische Darstellung mit Beispieldaten, ohne Ton. [Interaktiven 3D-Player öffnen →]() [Film als MP4 herunterladen ↓]() Die fünf Filmszenen als Text \+ 1. **00:00 · Schnittstellen.** Daten aus EDI, Shop, SQL und C/AL fließen in den NAV-Bestand. 2. **00:12 · NAV-Verarbeitung.** Quellcode, Tabellen und Referenzen werden strukturiert erfasst. 3. **00:24 · Datenfreigabe.** Konsistente Ersatzwerte erhalten die Beziehungen zwischen freigegebenen Informationen. 4. **00:34 · KI-Analyse.** Getrennte Rollen analysieren und prüfen Belege, Widersprüche und offene Fragen. 5. **00:48 · Ergebnisse.** Geschäftsregeln, Wissensbasis und BC-Zielbild werden mit Quellen und Prüfstatus nachvollziehbar. Unsere Verfahren im Detail 8 Analyse- und Prüfverfahren \+ 01 CODE VERSTEHEN ### Statische C/AL-Code-Analyse Ein eigener C/AL-Parser erfasst Aufrufe und Referenzen im bereitgestellten Navision-Quellcode. Daraus entsteht ein funktions- und zeilengenauer Aufruf-/Referenzgraph als Grundlage der KI-gestützten Einordnung. Verfahren im Detail \+ Jeder Befund verweist auf Objekt, Funktion und Zeile im freigegebenen Export. Nicht auflösbare dynamische Aufrufe, fehlende Objekte und Parsergrenzen werden sichtbar markiert – nicht als sicher analysiert ausgegeben. 02 RELEVANZ ERMITTELN ### Erreichbarkeit ab Ankerliste Erreichbarkeitsanalyse ab einer fachlich abgestimmten Ankerliste statt iterativem Wegstreichen. Von bekannten Einstiegspunkten aus werden Abhängigkeiten verfolgt. Verfahren im Detail \+ Zur Ankerliste gehören beispielsweise gestartete Berichte, Aufgabenwarteschlangen und externe Aufrufe. „Nicht von den erfassten Ankern erreichbar“ bedeutet nicht automatisch „ungenutzt“. Unklare Pfade bleiben prüfpflichtig. 03 NUTZUNG BELEGEN ### Nutzungsnachweis je Tabelle SQL-Zugriffsstatistiken und aggregierte Bestandskennzahlen ergänzen die Codeanalyse. Der vorgeschaltete Pseudonymisierungsserver stellt freigegebene Ergebnisse bereit – tagesaktuell bei täglicher Erhebung und Verarbeitung. Verfahren im Detail \+ Erhebungszeitpunkt, Beobachtungszeitraum und Hinweise auf Statistik-Resets werden mitgeführt. Der SQL-Zugriff erfolgt über den vorgeschalteten Server; die KI erhält nur freigegebene Ergebnisse. Fehlende Zugriffe sind kein Beweis für Nichtnutzung; Datenbestand und fachlicher Kontext werden getrennt bewertet. 04 ERGEBNISSE GEGENPRÜFEN ### Mehragenten-Prüfketten Getrennte Agentenrollen für Analyse, Gegenprüfung und Konsolidierung. Aussagen werden an Quellen zurückgebunden; Widersprüche und offene Fragen bleiben nachvollziehbar. ![Claude Code zeigt eine laufende Prüfkette mit drei parallel arbeitenden KI-Agenten und den Phasen Verify und Critique.]() [Bilddatei]() Beispiel in Originalgröße öffnen ↗ [Verknüpfung]() **Beispiel aus Claude Code.** Drei KI-Agenten prüfen einen Werkzeugbestand parallel. Anschließend ist eine kritische Gegenprüfung vorgesehen. Verfahren im Detail \+ Die Gegenprüfung bewertet Belege, Abdeckung und alternative Erklärungen. Übereinstimmung mehrerer Agenten allein ist kein Korrektheitsnachweis. Fachliche Freigaben und technische Prüfschranken bleiben erforderlich. 05 QUALITÄT PRÜFEN ### Selbsttests, Mutationsproben, Kontrollsummen Selbsttests prüfen erwartete Ergebnisse. Mutationsproben verändern Testfälle gezielt. Kontrollsummen ordnen Befunde eindeutig den geprüften Artefaktständen zu. Verfahren im Detail \+ Mutationstests prüfen, ob bewusst eingebaute Fehler auffallen. Kontrollsummen dienen dem Versions- und Integritätsabgleich; sie beweisen weder fachliche Richtigkeit noch den Schutz personenbezogener Daten. Fehlerhafte Prüfungen sperren die Ergebnisfreigabe. 06 AUS FEHLERN LERNEN ### Verbindlicher Fehlerlern-Prozess Jeder bestätigte Fehler führt zu Ursachenanalyse, Regressionstest und einer versionierten Regel. Mechanisch verankerte Regeln werden automatisiert geprüft – nicht nur als Hinweis formuliert. Verfahren im Detail \+ Ein Fehlerfall wird erst nach reproduzierbarem Nachweis, Korrektur und erfolgreichem Regressionstest geschlossen. Prüfschranken verhindern die Freigabe bei Regelverstößen. Regelstand und Verantwortlichkeit werden dokumentiert. 07 SCHWÄCHEN VERBESSERN ### SQL-Tabellen, CUs & Ports Erkannte Schwächen in SQL-Tabellen, Codeunits (CUs) sowie Dataports/XMLports werden in konkrete Verbesserungsvorschläge übersetzt – mit Befund, Priorität und Prüfschritt. Verfahren im Detail \+ Beispielsweise werden auffällige Zugriffsmuster, redundante Logik und unzureichende Importprüfungen untersucht. Performancevermutungen bleiben bis zur Messung Hypothesen. Änderungen am Produktivsystem erfolgen nicht automatisch. 08 GESCHÄFTSWISSEN BEWAHREN ### Business-Regel-Extraktion Geschäftsregeln als maschinenlesbares JSON-Regelwerk und als Graphen: mit Bedingungen, Aktionen, Abhängigkeiten, Quellenverweisen und fachlichem Prüfstatus. Verfahren im Detail \+ Regeln erhalten stabile IDs und Verweise auf Funktion und Zeile im freigegebenen Export. Bestätigte Regeln fließen in Wissensdatenbank und Fit-Gap für Business Central ein. Fehlende Informationen und nicht belegte Annahmen bleiben gekennzeichnet. ### Vertiefende Fragen Wie entsteht ein tagesaktueller Nutzungsnachweis? \+ Der vorgeschaltete Server liest die vereinbarten SQL-Zugriffsstatistiken und Bestandskennzahlen aus. Identifizierende Werte werden vor der Weitergabe durch konsistente Ersatzwerte ersetzt. Tagesaktualität setzt tägliche Erhebung und erfolgreiche Verarbeitung voraus; Datenstand und Beobachtungsfenster werden ausgewiesen. SQL-Nutzungszähler können beispielsweise nach einem Serverneustart zurückgesetzt sein. Fehlende Zugriffssignale sind deshalb kein Beweis für Nichtnutzung; vorhandene Daten allein beweisen ebenfalls keinen aktiven Geschäftsprozess. Warum analysieren Sie die Erreichbarkeit ab einer Ankerliste?\+ Wir beginnen bei fachlich abgestimmten Einstiegspunkten und verfolgen von dort die Aufruf- und Referenzbeziehungen. Das ersetzt ein rein iteratives Wegstreichen scheinbar ungenutzter Objekte. Unvollständige Ankerlisten, dynamische Aufrufe und fehlende Exporte werden ausdrücklich als Grenzen markiert. Die Analyse löscht keine Objekte und ersetzt keine fachliche Stilllegungsentscheidung. Welche Geschäftsregeln erhalten wir als JSON und Graphen?\+ Das vorgesehene Ergebnis enthält pro extrahierter Business-Regel eine ID, Bedingungen, Aktionen, Abhängigkeiten sowie Quellenverweise auf Objekt, Funktion und Zeile. Ein Regelgraph zeigt die Beziehungen. Prüfstatus und offene Annahmen bleiben erhalten; erst die fachliche Bestätigung macht aus einem Regelentwurf eine freigegebene Wissensgrundlage. Was bedeutet ein mechanisch verankerter Fehlerlern-Prozess?\+ Bestätigte Fehler werden als reproduzierbare Fälle dokumentiert und durch Regressionstests sowie versionierte Prüfregeln abgesichert. Diese Regeln werden automatisiert kontrolliert und können eine Freigabe blockieren. Ein bloßer zusätzlicher Hinweis an einen KI-Agenten genügt dafür nicht. Wie werden Claude und ChatGPT in automatisierte Abläufe eingebunden?\+ Die Nutzung von ChatGPT und eine Integration über die OpenAI API sind getrennt zu betrachten. Für automatisierte Prüfketten wird eine Anbindung über die OpenAI API bzw. Claude API projektspezifisch eingerichtet. Ein ChatGPT-Abonnement ersetzt keine gesonderte API-Abrechnung. [OpenAI: ChatGPT und API getrennt ↗]() · [Anthropic: Claude API ↗]() UNSER QUALITÄTSANSPRUCH Jede Aussage mit Beleg. **Jede Unsicherheit sichtbar.** Deterministische Codeanalyse und KI ergänzen sich. Was die Quellen nicht belegen, wird als offen ausgewiesen und mit Ihren Fachbereichen geklärt. [Analyse besprechen →]() Die Verfahren verbinden technische Befunde mit fachlicher Prüfung und nachvollziehbarer Dokumentation. --- [Datensatz (JSON)]() · [Katalog]()