TYPO3 Upgrade mit KI: Wie wir den Migrationsaufwand auf Stunden reduziert haben

Es gibt Projekte, bei denen man erst im Nachhinein versteht, wie viel Zeit man ohne bestimmte Werkzeuge verloren hätte. Unser TYPO3 Upgrade von v11 auf v13 — ein produktives Multisite-Projekt mit eigenen Extensions, ContentBlocks-Rewrite und Datenbankmigrationen — war so ein Projekt. Nicht weil KI-Tools den Prozess einfach gemacht haben. Sondern weil sie an den richtigen Stellen so viel Reibung herausgenommen haben, dass das Gesamtprojekt in einem realistischen Zeitrahmen überhaupt erst durchführbar war. In diesem Beitrag zeigen wir konkret, wo KI geholfen hat, wo sie an Grenzen gestoßen ist und warum TYPO3-Erfahrung dabei keine optionale Zutat ist.

Warum KI beim TYPO3 Upgrade überhaupt relevant ist

Ein TYPO3 Upgrade über mehrere Major-Versionen ist keine Aufgabe, die sich mit einem Klick oder einem automatisierten Skript erledigt. Es ist eine Anhäufung von Detailentscheidungen: Welche Extension-API hat sich wie verändert? Welche Datenbankfelder müssen umbenannt werden? Wie sieht die korrekte YAML-Struktur für einen ContentBlock in v13 aus? Wie formuliere ich ein SQL-Statement, das FAL-Referenzen konsistent überführt, ohne Datenverlust zu riskieren?

Genau hier liegt die Stärke von KI-Werkzeugen. Nicht im großen Ganzen — das bleibt Erfahrungssache — sondern in den vielen kleinen Übersetzungsaufgaben, die zusammen einen erheblichen Teil der Projektzeit ausmachen. Was früher bedeutete, Dokumentation zu durchsuchen, Changelogs zu lesen, Forenbeiträge auszuwerten und Code manuell anzupassen, lässt sich mit dem richtigen Prompt auf einen Bruchteil der Zeit komprimieren.

Datenbankmigrationen: Wo KI am meisten Zeit gespart hat

Der größte messbare Zeitgewinn lag bei der Datenbankmigration. Zwischen TYPO3 v11 und v13 hatten sich CType-Bezeichnungen geändert, Feldstrukturen waren umgebaut worden, FAL-Referenzen in sys_file und sys_file_reference mussten konsistent überführt werden. Jeder dieser Schritte erfordert SQL-Statements, die präzise sein müssen — ein falscher Update-Befehl auf einer Produktivdatenbank ist keine Kleinigkeit.

Das Vorgehen war: Kontext sauber beschreiben — alte Struktur, neue Struktur, was sich verändert hat — und dann konkrete SQL-Migrationsstatements generieren lassen. Diese wurden nicht blind übernommen, sondern in der lokalen DDEV-Umgebung getestet, iteriert und angepasst. Aber der Startpunkt war bereits so nah am Ziel, dass die Iteration deutlich schneller lief als ein klassischer Schreib-von-Null-Ansatz.

KI war auch beim Debuggen unerwarteter Datenkonstellationen hilfreich. Wenn ein FAL-Konsistenz-Check Abweichungen zeigt und nicht sofort klar ist, warum, lässt sich die Situation beschreiben und eine Analyse anfordern. Das ersetzt keinen erfahrenen Datenbankentwickler, beschleunigt aber den Weg zur richtigen Frage — und damit zur richtigen Lösung.

ContentBlocks neu schreiben: KI als Boilerplate-Generator

Der Rewrite der ContentBlocks war der aufwändigste Einzelblock des gesamten Upgrades. In TYPO3 v13 sind ContentBlocks nativ im Core — mit einer komplett anderen Struktur als das bisherige standalone Package. Kein Migrationspfad, kein automatisches Skript. Jeder ContentBlock musste manuell nach dem neuen Schema neu geschrieben werden.

Hier hat KI auf eine andere Art geholfen: nicht durch Analyse, sondern durch Boilerplate-Generierung. Wer die neue EditorInterface.yaml-Struktur kennt und einen alten ContentBlock als Referenz mitgibt, kann sich das Grundgerüst der neuen Version generieren lassen. Das ist kein Zaubertrick — die Ausgabe muss geprüft, angepasst und getestet werden. Aber der Unterschied zwischen einer leeren Datei und einem 80-Prozent-Entwurf ist in der täglichen Arbeit erheblich.

Das gilt auch für die dazugehörigen Datenbankfelder und TCA-Konfigurationen. Wer das neue Schema einmal gut beschrieben hat, bekommt konsistente Vorlagen — und spart sich das wiederholte Nachschlagen in der Dokumentation für jeden einzelnen ContentBlock.

Extension-Refactoring: Deprecations verstehen und übersetzen

Eigene Extensions, die über Jahre in einem v11-Kontext gewachsen sind, tragen zwangsläufig Code mit sich, der in v13 nicht mehr funktioniert. Veraltete API-Aufrufe, ersetzte Hook-Strukturen, nicht mehr unterstützte Klassen — das zeigt sich in Deprecation-Notices und Fatal Errors, die erst beim Hochfahren der neuen Version sichtbar werden.

KI hilft an dieser Stelle auf zwei Ebenen. Erstens beim Verstehen: Release Notes und Changelogs sind ausführlich, aber nicht immer sofort verständlich, wenn man wissen möchte, was eine konkrete Änderung für eine spezifische Codestelle bedeutet. Eine gezielte Frage — hier ist der alte Code, hier ist die Deprecation, was ist das moderne Äquivalent — liefert meistens eine direkt verwendbare Antwort.

Zweitens beim Übersetzen: alten Code in neue Patterns zu überführen ist oft keine kreative Aufgabe, sondern eine Übersetzungsaufgabe. Genau dafür sind KI-Tools gut geeignet. Voraussetzung ist, dass man den Kontext präzise beschreibt — TYPO3-Version, betroffene Klasse, gewünschtes Verhalten — und das Ergebnis kritisch prüft.

Wo KI an ihre Grenzen stößt

Das wäre kein ehrlicher Erfahrungsbericht, wenn wir nicht auch die Grenzen benennen würden.

KI-Tools kennen TYPO3 — aber nicht zwingend TYPO3 v13 in dem Detailgrad, den ein komplexes Upgrade verlangt. Trainingsdaten haben ein Enddatum, und gerade bei einer so spezifischen Plattform wie TYPO3 mit ihren Eigenheiten, Namenskonventionen und Community-spezifischen Patterns kann die Ausgabe veraltet oder schlicht falsch sein. Wer blind vertraut, riskiert SQL-Statements, die Daten falsch überführen, oder Extension-Code, der sich kompilieren lässt, aber semantisch nicht das tut, was er soll.

Der zweite Punkt ist subtiler: KI-Tools brauchen präzise Prompts. Wer nicht weiß, dass die Frage nach sys_file_reference anders formuliert werden muss als eine allgemeine Frage zu Datenbankmigrationen, bekommt eine allgemeine Antwort — die im besten Fall nicht hilft und im schlechtesten Fall in die falsche Richtung führt. Das notwendige Vokabular, die richtigen Begriffe, das Verständnis dafür, was die eigentliche Frage überhaupt ist — das kommt aus TYPO3-Erfahrung, nicht aus dem Tool.

Was das in der Praxis bedeutet

Der Sweet Spot, den wir in diesem Projekt erlebt haben, ist nicht KI statt Erfahrung — sondern TYPO3-Know-how plus KI als Beschleuniger. Beides zusammen macht aus einem Upgrade, das ohne entsprechende Tooling-Landschaft eine Mehrtagessache wäre, ein planbares und kalkulierbares Projekt.

Das hat direkte Auswirkungen auf Kunden: Weniger Aufwand bedeutet realistischere Kalkulation. Schnelleres Durcharbeiten bedeutet kürzere Projektlaufzeit. Und ein strukturiertes Vorgehen — mit lokalem Testing in DDEV, mehrstufiger Backup-Strategie und kontrolliertem Live-Switch — bedeutet weniger Risiko und weniger ungeplante Downtime.

Als TYPO3 Agentur aus Stuttgart setzen wir KI-Tools dort ein, wo sie echten Hebel haben: bei Migrationsarbeit, Refactoring und Analyse. Nicht als Ersatz für Projekterfahrung, sondern als Werkzeug, das die Erfahrung effizienter macht.

Wie wir heute an solche Projekte herangehen

Was sich nach diesem Projekt verändert hat: KI-Unterstützung ist kein Experiment mehr, sondern ein fester Bestandteil unseres Workflows bei komplexen Migrationsaufgaben. Die Werkzeuge haben sich in einer Situation bewährt, in der der Druck real war und die Fehlertoleranz gering.

Das bedeutet nicht, dass jedes Upgrade gleich aussieht. ContentBlocks-Migrationen, Extension-Refactoring und Datenbankarbeit haben unterschiedliche Profile — und KI hilft an diesen Stellen auf unterschiedliche Weise. Was sich aber verallgemeinern lässt: Je präziser der Kontext, desto nützlicher die Ausgabe. Die Investition in einen guten Prompt zahlt sich aus.

Wer regelmäßig TYPO3-Projekte betreibt und solche Upgrades nicht als einmaligen Kraftakt, sondern als planbare Wartungsaufgabe angehen möchte, findet in unserem Webentwickler-Abo ein Modell, das genau dafür ausgelegt ist — kontinuierliche Weiterentwicklung statt reaktive Feuerwehreinsätze.

Fazit: KI verändert die Kalkulation, nicht die Verantwortung

Das Wichtigste zum Schluss: KI-Tools verändern, wie lange etwas dauert. Sie verändern nicht, wer die Verantwortung für das Ergebnis trägt. Ein falsch überführter Datenbankdatensatz, eine Extension, die sich zwar startet, aber falsches Verhalten zeigt, ein ContentBlock, dessen Ausgabe im Frontend anders aussieht als erwartet — das sind Probleme, die kein Tool automatisch verhindert.

Was KI verändert, ist die Kalkulation. Aufwand, der bisher in Tagen gemessen wurde, lässt sich in Stunden erledigen — wenn die Grundlage stimmt. Und diese Grundlage ist und bleibt: TYPO3 zu kennen, den Prozess zu verstehen und die Ausgabe des Tools kritisch zu bewerten. Das ist keine Einschränkung von KI — das ist die Bedingung, unter der sie ihr Potenzial vollständig entfaltet.