Thought Leadership
In ganz Europa sind Mainframes nach wie vor das Herzstück von Banken, staatlichen Plattformen, Infrastrukturanbietern und Großunternehmen. Tatsächlich geben über 90 % der europäischen IT-Führungskräfte an, dass sie für ihre zentralen Geschäftsprozesse weiterhin auf Mainframes angewiesen sind.
Diese Systeme waren nie als vorübergehende Lösung gedacht: Sie wurden für Skalierbarkeit, Ausfallsicherheit und langfristige Leistung entwickelt und beweisen nach wie vor still und leise ihren Wert.
Trotz wiederholter Prognosen über ihr Ende haben die meisten Unternehmen diese Systeme beibehalten, da keine andere Lösung die gleiche Stabilität und Rechenleistung bieten konnte. In vielen Umgebungen übertreffen sie sogar neuere Architekturen bei den wichtigsten Aufgaben.
Was sich jedoch geändert hat, ist nicht die Relevanz der Mainframes, sondern der Kontext, in dem sie genutzt werden. Die heutigen Teams stehen vor neuen Herausforderungen: strengere Vorschriften, schnellere Entwicklungszyklen und höhere Dokumentationsanforderungen. Die Systeme selbst sind nach wie vor zuverlässig, aber die Fähigkeit, sicher und transparent mit ihnen zu arbeiten, fehlt oft.
Ohne Klarheit kommt der Fortschritt zum Stillstand
Mainframes arbeiten oft innerhalb eines komplizierten Rahmens aus früheren Entscheidungen und Legacy-Code. Ingenieure, die früher jede Ecke des Systems kannten, sind nicht mehr da. Teams verwalten nun Code, den sie nicht selbst geschrieben haben, und müssen mit Entscheidungen umgehen, die sie nicht getroffen haben.
Das führt zu Reibungen. Wenn ein System zwar funktioniert, aber niemand es vollständig versteht, fühlt sich jede Änderung unsicher an. Mit schwindender Transparenz werden selbst kleinere Updates zur Geduldsprobe. Teams haben Schwierigkeiten, Risiken einzuschätzen, und ziehen es oft vor, das System unverändert zu lassen, anstatt unbeabsichtigte Folgen zu riskieren.
Diese Undurchsichtigkeit wirkt sich nicht nur auf die Entwicklung aus. Sie betrifft auch Daten, Abläufe und die Berichterstattung. Wenn Teams nicht erklären können, wie Zahlen berechnet oder Datensätze verarbeitet werden, schwindet das Vertrauen – manuelle Überprüfungen nehmen zu, Fristen werden überschritten und die Einhaltung von Vorschriften wird schwieriger.
In stark regulierten Branchen wird diese Unsicherheit zu einem echten Hindernis. Ohne Klarheit ist es schwierig, Ergebnisse zu rechtfertigen. Ein System kann stabil sein, aber dennoch an Glaubwürdigkeit verlieren, wenn seine internen Abläufe undurchsichtig bleiben. In diesem Fall wird selbst die zuverlässigste Infrastruktur zu einem Unsicherheitsfaktor.
Von der Sichtbarkeit zur Compliance: Kontrolle Schritt für Schritt wiederherstellen
Statische Analyse-Tools helfen Teams bereits dabei, komplexe, jahrzehntealte Anwendungen zu verstehen, indem sie detaillierte Einblicke in bestehende Codebasen liefern. Diese Tools bilden weiterhin die Grundlage für die Modernisierung von Mainframe-Umgebungen.
Generative KI, die sich insbesondere für Sprachen wie COBOL oder Assembler noch in der Entwicklung befindet, bietet einen zusätzlichen Mehrwert. Sie eröffnet neue Möglichkeiten, indem sie die Systeme nicht ersetzt, sondern Teams dabei hilft, sie besser zu verstehen. Als Ergänzung zu statischen Analysewerkzeugen vereinfacht und fasst KI bestehenden Code zusammen, bildet Abhängigkeiten ab und erstellt Dokumentationen, die auf der heutigen Funktionsweise der Systeme basieren – und nicht nur auf ihrer ursprünglichen Konzeption vor Jahrzehnten.
Diese Transparenz ermöglicht konkrete Maßnahmen. Anstatt sich auf vage Erinnerungen oder unvollständiges Wissen zu verlassen, können Teams Entscheidungen auf Basis der tatsächlichen Systemstruktur treffen. Dadurch werden Risiken sichtbar, Prioritäten leichter definiert und die Einhaltung von Vorschriften wird Teil des natürlichen Lebenszyklus des Systems.
In Europa, wo Rahmenwerke wie DSGVO, NIS2, DORA und das KI-Gesetz hohe Erwartungen stellen, ist diese Art von Transparenz unerlässlich. In Frankreich werden bestimmte Organisationen als Betreiber von lebenswichtiger Bedeutung eingestuft – also als Einrichtungen, die für die Sicherheit des Landes und die öffentlichen Dienste kritische Infrastrukturen betreiben. Diese Organisationen unterliegen zusätzlichen regulatorischen Verpflichtungen, die über allgemeine Compliance-Rahmenwerke hinausgehen, wie z.B. die Rückverfolgbarkeit und die Fähigkeit, jede Ebene der Entscheidungsfindung zu erklären.
Generative KI-gestützte Tools unterstützen dies, indem sie die Dokumentation anpassungsfähig gestalten. Sie reduzieren den Zeitaufwand für die Beantwortung von Anfragen der Aufsichtsbehörden, erleichtern die Koordination zwischen IT-, Sicherheits- und Geschäftsteams und, was noch wichtiger ist, sie machen die Modernisierung sicherer, weil das System keine Black Box mehr ist.
Modernisierung wird zur Methode, nicht zur Störung.
Die meisten Teams beginnen nicht mit einem fertigen Fahrplan, sondern mit Fragen: Was funktioniert noch? Was könnte angepasst werden? Was sollte so bleiben? Diese Fragen bleiben oft unbeantwortet, einfach weil es dem System an Transparenz mangelt.
Sobald die Struktur klar ist, folgen die Entscheidungen. Einige Systeme bleiben unverändert, werden aber besser dokumentiert. Andere werden über APIs verbunden oder durch Automatisierung ergänzt. Veränderungen geschehen schrittweise. Die Governance wird gestärkt. Was früher unantastbar schien, wird nun beherrschbar.
Mainframes werden nicht verschwinden. Die Systeme sind stabil, bewährt und unverzichtbar. Was sich ändert, ist die Herangehensweise: Der Fokus liegt verstärkt auf ihren Funktionen, ihrer Vernetzung und ihrer Wartung. Mit klareren Erkenntnissen schreitet die Arbeit kontinuierlich voran. Das System bleibt bestehen, seine Komplexität wird besser verstanden und Fortschritte werden zur Routine.
