Die IBM TechXchange vom 26. bis 29. Oktober 2026 in Atlanta liegt hinter uns. Was bleibt, sind viele neue Ideen, interessante Gespräche und einige technische Entwicklungen, über die ich vermutlich noch länger nachdenken werde. Vor allem hat sich für mich ein Eindruck verstärkt: Die Mainframe-Welt verändert sich derzeit in einem bemerkenswerten Tempo. Und die eigentliche Tragweite dieses Wandels wird möglicherweise noch unterschätzt.
Künstliche Intelligenz war erwartungsgemäß eines der dominierenden Themen. Ebenso präsent waren Automatisierung, Hybrid-Cloud, moderne Softwareentwicklung und Sicherheit. Besonders interessant fand ich jedoch, wie diese Themen zunehmend zusammenwachsen. Gerade im Umfeld des Open Mainframe Project wurde deutlich, welche Möglichkeiten entstehen, wenn offene Technologien, moderne Entwicklungsverfahren und jahrzehntelange Mainframe-Erfahrung zusammenkommen.
Daraus ergibt sich für mich eine zentrale Erkenntnis: Die Zukunft des Mainframes wird zunehmend davon abhängen, wie gut Unternehmen Veränderungen an ihren geschäftskritischen Anwendungen beherrschen. Die Anforderungen an Geschwindigkeit und Flexibilität wachsen. Gleichzeitig bleiben Zuverlässigkeit, Sicherheit und wirtschaftlicher Betrieb unverzichtbar.
Für Banken und Versicherungen hat dieser scheinbare Widerspruch erhebliche Bedeutung. Ihre zentralen Anwendungen müssen dauerhaft zuverlässig funktionieren, während neue regulatorische Anforderungen, Geschäftsmodelle und digitale Angebote immer kürzere Entwicklungszyklen verlangen.
Genau an dieser Stelle werden die Entwicklungen aus Atlanta interessant.
Künstliche Intelligenz erreicht die Mainframe-Praxis
Dass KI inzwischen nahezu jede größere IT-Konferenz prägt, überrascht niemanden mehr. Spannender finde ich die Frage, welche konkreten Aufgaben sie übernehmen kann und wie zuverlässig die Ergebnisse unter realen Betriebsbedingungen sind.
IBM hat mit Bob und den speziell auf bestehende Plattformen ausgerichteten Angeboten, darunter Bob for Z, einen deutlichen Schwerpunkt auf KI-gestützte Softwareentwicklung und Modernisierung gesetzt. Auch IBM Z Atlas, das am 27. Oktober vorgestellt wurde, passt in diese Entwicklung.
Besonders bei Atlas finde ich den Ansatz interessant. Die Lösung soll Zusammenhänge zwischen Anwendungen, Middleware, Infrastruktur und Betriebsprozessen erkennen und dadurch die Auswirkungen geplanter Änderungen besser einschätzbar machen. Wer schon einmal versucht hat, sämtliche Abhängigkeiten einer über Jahrzehnte gewachsenen z/OS-Umgebung zu erfassen, kennt die Schwierigkeiten.
Allerdings befindet sich Atlas noch in einer frühen Phase. Wie zuverlässig solche Analysen in unterschiedlich aufgebauten Produktionsumgebungen funktionieren, muss sich erst zeigen.
Auch bei IBM Bob sehe ich erhebliches Potenzial. Bestehenden Quellcode analysieren, Geschäftsregeln dokumentieren, Abhängigkeiten erkennen und Refactoring vorbereiten: Das sind Aufgaben, bei denen KI eine spürbare Unterstützung bieten kann.
Gerade in historisch gewachsenen Anwendungen steckt häufig ein enormes Maß an fachlichem Wissen. Ein Teil davon ist schlecht dokumentiert, ein anderer Teil lässt sich nur mit erheblichem Aufwand rekonstruieren. Wenn KI dabei hilft, dieses Wissen wieder zugänglich zu machen, kann sie Modernisierungsprojekte wesentlich erleichtern.
Allerdings sehe ich hier auch eine Herausforderung, die bei der Begeisterung über generierten Code gelegentlich zu kurz kommt.
Eine erfolgreich abgeschlossene Codeumstellung beweist noch lange nicht, dass sich eine Anwendung anschließend fachlich und technisch genauso verhält wie zuvor. Gerade bei COBOL- und Assembler-Anwendungen spielen Speicherverwaltung, Datenformate, Transaktionsverhalten, Dateizugriffe und Performance eine erhebliche Rolle.
Ein Programm kann funktional korrekte Ergebnisse liefern und gleichzeitig erheblich mehr CPU-Zeit verbrauchen oder zusätzliche I/O-Operationen verursachen. Bei umfangreichen produktiven Workloads können solche Unterschiede erhebliche wirtschaftliche Auswirkungen haben.
Ich bin deshalb überzeugt, dass KI-gestützte Modernisierung künftig eng mit klassischen Analyse-, Test- und Performance-Werkzeugen verbunden werden muss.
Die Geschwindigkeit, mit der KI neue Lösungen erzeugt, ist beeindruckend. Für ihren Einsatz in geschäftskritischen Umgebungen zählt am Ende jedoch, ob sich die Ergebnisse zuverlässig prüfen, reproduzieren und betreiben lassen.
Das Open Mainframe Project zeigt, wie sich die Plattform weiterentwickelt
Einen besonderen Stellenwert hatte für mich das Open Mainframe Project, das bereits am Montag, dem 26. Oktober, mit einem eigenen Pre-Conference-Programm vertreten war.
Das unter dem Dach der Linux Foundation angesiedelte Projekt hat sich in den vergangenen Jahren zu einer wichtigen Plattform für offene Mainframe-Technologien entwickelt. In Atlanta wurde deutlich, wie breit das Spektrum inzwischen ist.
Zowe, zopen, OpenTelemetry, moderne Entwicklungswerkzeuge, KI-Unterstützung und die Ausbildung neuer Mainframe-Fachkräfte bildeten die Schwerpunkte verschiedener Vorträge.
Besonders interessant fand ich die Beschäftigung mit dem Zowe MCP Server. Er verfolgt den Ansatz, KI-Anwendungen über das Model Context Protocol einen kontrollierten Zugang zu Mainframe-Funktionen zu ermöglichen. Damit eröffnen sich beispielsweise Möglichkeiten, Jobprotokolle automatisch auszuwerten, Informationen aus Datasets bereitzustellen oder Systemzustände mithilfe von KI zu analysieren.
Für mich ist das eine Entwicklung mit erheblichem Potenzial. Gleichzeitig entstehen neue Sicherheitsanforderungen. Ein KI-Agent, der Informationen lesen darf, benötigt andere Berechtigungen als ein Agent, der Änderungen vornehmen oder Jobs ausführen kann. Das Berechtigungsmodell des Zowe MCP Servers berücksichtigt solche Unterschiede bereits durch abgestufte Zugriffsrechte.
Gerade in produktiven Mainframe-Umgebungen müssen solche Grenzen technisch durchgesetzt werden. Die Integration eines KI-Agenten darf bestehende Sicherheitsmechanismen keinesfalls unterlaufen.
Auch OpenTelemetry auf dem Mainframe verdient Aufmerksamkeit. Die Möglichkeit, Abläufe über unterschiedliche Plattformen hinweg besser zu beobachten, gewinnt bei hybriden Anwendungen an Bedeutung. Wenn eine Geschäftstransaktion verschiedene Cloud-Dienste, Schnittstellen, CICS-Anwendungen und Datenbanken durchläuft, reicht der isolierte Blick auf einzelne Komponenten häufig nicht mehr aus.
Ich finde an diesen Entwicklungen besonders erfreulich, dass offene Standards und gemeinschaftlich entwickelte Technologien eine immer größere Rolle spielen.
Für mich liegt darin eine der wichtigsten Veränderungen der vergangenen Jahre: Der Mainframe wird zunehmend zu einem integrierten Bestandteil moderner Entwicklungs- und Betriebsarchitekturen. Die technischen Grenzen zwischen den Plattformen werden durch offene Schnittstellen und gemeinsame Werkzeuge durchlässiger.
Damit wachsen die Möglichkeiten, bestehende Anwendungen schrittweise weiterzuentwickeln und sie in unternehmensweite Prozesse einzubinden.
Mit Sarah Julia Kriesch auf der Bühne: DevOps mit GitLab CI, Python, Zowe und IBM Bob
Ein persönlicher Höhepunkt war für mich der Vortrag, den ich gemeinsam mit Sarah Julia Kriesch von Kyndryl gehalten habe.
Unter dem Titel „DevOps with GitLab CI for Mainframe Applications based on Python and ZOWE“ haben wir uns mit einer Frage beschäftigt, die mir in Modernisierungsprojekten regelmäßig begegnet: Wie lassen sich bestehende Mainframe-Anwendungen in einen modernen, möglichst automatisierten Entwicklungsprozess integrieren?
Dabei wollten wir bewusst einen konkreten technischen Ablauf betrachten.
Als Ausgangspunkt diente uns ein bestehendes Assembler-Programm, dessen Umstellung in eine 64-Bit-fähige Variante wir als Beispiel für einen modernen Entwicklungsprozess gewählt hatten.
Eine solche Umstellung ist technisch anspruchsvoller, als es zunächst klingt. Adressierungsmodelle, Registerverwendung, vorhandene Schnittstellen und der Aufbau des späteren ausführbaren Moduls müssen berücksichtigt werden. Mit der Änderung einzelner Assembler-Anweisungen ist es deshalb selten getan.
Genau hier setzt der von uns vorgestellte Ansatz an.
Den Quellcode verwalten wir in Git. GitLab CI übernimmt die Orchestrierung des Entwicklungsprozesses. Python-Skripte steuern und validieren einzelne Verarbeitungsschritte, während Zowe CLI die Verbindung zu den benötigten Funktionen unter z/OS herstellt.
IBM Bob übernimmt dabei eine wichtige Aufgabe bei der Analyse und Vorbereitung des Refactorings. Die KI soll helfen, relevante Codebereiche zu identifizieren, notwendige Anpassungen vorzubereiten und den Entwickler bei der technischen Umstellung zu unterstützen.
Anschließend soll die Pipeline den angepassten Quellcode auf den Mainframe übertragen, die erforderlichen Assembler- und Bindeschritte ausführen und die Ergebnisse wieder für weitere Prüfungen bereitstellen.
Auch die Verwaltung der erzeugten Artefakte, beispielsweise über ein Repository wie Nexus, haben wir in unser Konzept aufgenommen.
Damit entsteht ein nachvollziehbarer Ablauf, der von der Änderung des Quellcodes bis zur Bereitstellung eines neuen Moduls reicht.
Mir war bei der Vorbereitung wichtig, die einzelnen Komponenten und ihre Aufgaben verständlich darzustellen. GitLab CI ist für die Ablaufsteuerung zuständig, Python übernimmt die individuelle Automatisierungslogik, Zowe stellt den Zugang zu z/OS bereit, und IBM Bob unterstützt die eigentliche Codeanalyse und Modernisierung.
Gerade wenn KI am Refactoring beteiligt ist, halte ich es für unverzichtbar, die generierten Änderungen denselben technischen und fachlichen Prüfungen zu unterziehen wie jede andere Softwareänderung.
Für mich zeigt das gemeinsam mit Sarah entwickelte Beispiel sehr gut, welche Möglichkeiten sich ergeben, wenn moderne Entwicklungswerkzeuge mit den vorhandenen Fähigkeiten des Mainframes kombiniert werden.
In vielen Unternehmen existieren heute noch Entwicklungsverfahren, die sich über Jahrzehnte bewährt haben, inzwischen aber stark von der übrigen IT abweichen. Das erschwert gemeinsame Prozesse, verlängert teilweise die Bereitstellung neuer Versionen und macht die Einarbeitung neuer Mitarbeiter unnötig kompliziert.
Werkzeuge wie GitLab, Python und Zowe können hier helfen, vorhandene Abläufe zu vereinheitlichen und stärker zu automatisieren.
Besonders wichtig finde ich dabei die Nachvollziehbarkeit. Jede Änderung lässt sich einer Version zuordnen, jeder Verarbeitungsschritt kann protokolliert werden, und Testergebnisse können Bestandteil eines dokumentierten Freigabeprozesses werden.
Für regulierte Branchen ist das ein erheblicher Vorteil. Automatisierung kann die Qualität und Transparenz von Entwicklungsprozessen verbessern und zugleich die Zeit reduzieren, die für wiederkehrende manuelle Tätigkeiten benötigt wird.
Ich sehe darin einen wesentlichen Ansatz für die Weiterentwicklung bestehender Mainframe-Anwendungen: Moderne Entwicklungsverfahren schaffen die Voraussetzungen, um Veränderungen häufiger, kontrollierter und mit geringerem manuellem Aufwand durchführen zu können.
Für mich war dieser Vortrag deshalb auch ein gutes Beispiel dafür, welchen praktischen Nutzen die Arbeit des Open Mainframe Project haben kann. Offene Werkzeuge und gemeinsame Standards schaffen Möglichkeiten, die unabhängig von einzelnen Entwicklungsumgebungen genutzt und weiterentwickelt werden können.
Banken und Versicherungen: Veränderungsfähigkeit wird zum strategischen Faktor
Viele der in Atlanta diskutierten Entwicklungen sind für Unternehmen unterschiedlicher Branchen relevant. Für Banken und Versicherungen haben sie allerdings eine besondere Bedeutung.
Hier werden große Teile der geschäftskritischen Datenverarbeitung von Anwendungen getragen, die über viele Jahre und teilweise Jahrzehnte entstanden sind. Zahlungsverkehr, Kontoführung, Wertpapierabwicklung, Bestandsführung, Vertragsverwaltung und Schadenbearbeitung sind typische Beispiele.
Diese Systeme müssen dauerhaft verfügbar sein, erhebliche Datenmengen verarbeiten und strenge Sicherheitsanforderungen erfüllen. Gleichzeitig ändern sich Geschäftsmodelle, Kundenanforderungen und regulatorische Rahmenbedingungen.
Ich halte deshalb die Fähigkeit, bestehende Anwendungen sicher und effizient weiterzuentwickeln, für einen zunehmend wichtigen Wettbewerbsfaktor.
Interessant fand ich in diesem Zusammenhang auch die im Konferenzprogramm vertretenen Praxisbeispiele aus der Finanzbranche.
So stellte IBM unter anderem Beiträge der Deutschen Bank zur unternehmensweiten Integration von KI-Agenten, von Citi zur KI-unterstützten Modernisierung von mehr als 800 Anwendungen und von Bradesco zur Governance von KI-Modellen vor. Auch U.S. Bancorp war mit Überlegungen zum Einsatz von KI-Agenten im Zahlungsverkehr vertreten.
Diese Beispiele verdeutlichen, wie intensiv sich große Finanzunternehmen inzwischen mit der praktischen Einführung solcher Technologien beschäftigen. Welche wirtschaftlichen und technischen Ergebnisse daraus langfristig entstehen, wird sich allerdings erst zeigen.
Aus meiner Sicht liegen die interessantesten Möglichkeiten zunächst in drei Bereichen.
Erstens könnte KI die Analyse und Dokumentation bestehender Anwendungen deutlich erleichtern. Gerade in historisch gewachsenen Systemen ist häufig nur noch eingeschränkt nachvollziehbar, warum bestimmte fachliche Entscheidungen getroffen wurden. Eine zuverlässige Rekonstruktion dieser Zusammenhänge wäre für Modernisierungsvorhaben enorm wertvoll.
Zweitens können moderne DevOps-Verfahren die Qualität und Nachvollziehbarkeit von Änderungen verbessern. Automatisierte Tests, reproduzierbare Build-Prozesse und dokumentierte Freigaben helfen dabei, Fehler früher zu erkennen und Änderungen kontrollierter bereitzustellen.
Drittens eröffnen offene Schnittstellen und plattformübergreifende Monitoring-Verfahren neue Möglichkeiten, komplexe Geschäftstransaktionen transparenter zu machen.
Gerade bei Versicherungen kommt hinzu, dass bestehende Vertrags- und Berechnungslogik teilweise über sehr lange Zeiträume gültig bleiben muss. Eine Modernisierung darf diese fachlichen Grundlagen nicht unbeabsichtigt verändern.
Die entscheidende Frage lautet für mich deshalb, wie sich die notwendige Geschwindigkeit technischer Veränderungen mit der Stabilität bestehender Kernsysteme vereinbaren lässt.
Genau hier sehe ich den möglichen strategischen Nutzen vieler Entwicklungen aus Atlanta.
Sicherheit und regulatorische Anforderungen bleiben zentrale Maßstäbe
In Europa müssen Banken und Versicherungen ihre IT-Modernisierung auch vor dem Hintergrund regulatorischer Anforderungen betrachten.
Mit dem seit Januar 2025 anwendbaren Digital Operational Resilience Act, kurz DORA, haben Anforderungen an das IKT-Risikomanagement, die Widerstandsfähigkeit gegenüber Störungen, die Prüfung der Betriebsresilienz und die Kontrolle von Dienstleistern einen gemeinsamen europäischen Rahmen erhalten.
Für mich bedeutet das, dass neue Technologien ihren Nutzen auch unter diesen Bedingungen nachweisen müssen.
Wenn KI-Agenten auf produktive Systeme zugreifen, müssen ihre Berechtigungen nachvollziehbar und kontrollierbar sein. Automatisierte Änderungen benötigen geeignete Prüf- und Freigabeprozesse. Und bei der Verwendung externer KI-Modelle muss geklärt werden, welche Informationen die eigene Infrastruktur verlassen dürfen.
Hinzu kommen Fragen der Datenhoheit, langfristiger Herstellerabhängigkeiten und der tatsächlichen Betriebskosten.
Ich halte es deshalb für sinnvoll, solche Technologien zunächst anhand klar abgegrenzter Anwendungsfälle zu bewerten. Ein Agent, der Jobprotokolle analysiert, lässt sich beispielsweise wesentlich einfacher kontrollieren als ein Agent, der selbstständig produktive Anwendungen verändert.
Auch die Zukunft der Kryptografie spielt eine Rolle. Die auf der TechXchange diskutierten Entwicklungen im Bereich Quantum-Safe Security erinnern daran, dass langfristig gespeicherte sensible Daten bereits heute in Sicherheitsstrategien berücksichtigt werden müssen.
Für Finanzunternehmen mit langen Aufbewahrungsfristen ist das ein Thema, das zunehmend an Bedeutung gewinnen dürfte.
Aus meiner Sicht sollten Banken und Versicherungen diese Anforderungen frühzeitig in ihre Modernisierungsstrategien einbeziehen. Ein technisch überzeugendes Verfahren ist schließlich erst dann hilfreich, wenn es sich auch unter den gegebenen Sicherheits-, Betriebs- und Compliance-Anforderungen zuverlässig einsetzen lässt.
Die größte Herausforderung bleibt das vorhandene Wissen
Bei aller Begeisterung über KI und Automatisierung beschäftigt mich weiterhin eine andere Frage: Wie bewahren wir das Wissen über Systeme, die seit Jahrzehnten zuverlässig funktionieren?
In vielen Unternehmen verfügen erfahrene Mainframe-Spezialisten über Kenntnisse, die sich nur teilweise in vorhandenen Dokumentationen wiederfinden.
Manche Besonderheiten einer Anwendung sind das Ergebnis früherer technischer Einschränkungen. Andere beruhen auf fachlichen Anforderungen, deren ursprüngliche Hintergründe inzwischen kaum noch bekannt sind.
Mit dem Ausscheiden erfahrener Mitarbeiter droht ein Teil dieses Wissens verloren zu gehen.
Hier sehe ich eine wichtige Aufgabe für die kommenden Jahre.
KI kann dabei helfen, Quellcode zu analysieren, Zusammenhänge aufzubereiten und Wissen besser zugänglich zu machen. Offene Entwicklungswerkzeuge erleichtern neuen Mitarbeitern den Einstieg, weil sie mit Technologien arbeiten können, die ihnen bereits aus anderen IT-Bereichen vertraut sind.
Die Bildungs- und Mentoring-Initiativen des Open Mainframe Project leisten dazu einen wertvollen Beitrag. Ebenso wichtig finde ich die Zusammenarbeit zwischen unterschiedlichen Generationen von Entwicklern, die auch im Konferenzprogramm ausdrücklich thematisiert wurde.
Trotzdem werden wir weiterhin Menschen benötigen, die technische Zusammenhänge verstehen, Ergebnisse hinterfragen und Verantwortung für geschäftskritische Systeme übernehmen.
Ich sehe die Zukunft der Mainframe-Entwicklung deshalb in einer engeren Zusammenarbeit erfahrener Spezialisten mit einer neuen Generation von Entwicklern, die moderne Werkzeuge und Methoden mitbringt.
Was ich aus Atlanta mitnehme
Für mich war die IBM TechXchange 2026 eine Bestätigung dafür, dass die Modernisierung bestehender IT-Landschaften inzwischen auf einer wesentlich breiteren technischen Grundlage stattfinden kann als noch vor wenigen Jahren.
IBM Bob und Z Atlas zeigen, in welche Richtung sich KI-gestützte Entwicklung und Systemanalyse bewegen könnten. Projekte wie Zowe, zopen und OpenTelemetry schaffen offene Integrationsmöglichkeiten. GitLab CI, Python und automatisierte Testverfahren machen moderne Entwicklungsprozesse auch für traditionelle Mainframe-Anwendungen zugänglich.
Besonders gefreut hat mich dabei die sichtbare Rolle des Open Mainframe Project. Die dort geleistete Arbeit zeigt, wie wichtig eine aktive technische Community für die Weiterentwicklung einer Plattform ist.
Auch bei dem Vortrag, den ich zusammen mit Sarah Julia Kriesch gestaltet habe, wurde mir noch einmal deutlich, wie sinnvoll es ist, neue Entwicklungen anhand konkreter technischer Beispiele zu betrachten. Viele Ideen wirken auf Präsentationsfolien zunächst überzeugend. Ihr tatsächlicher Wert zeigt sich, wenn sie in funktionierende Entwicklungs- und Betriebsprozesse überführt werden.
Für mich lässt sich die wichtigste Erkenntnis aus Atlanta deshalb auf einen Gedanken verdichten: Die Fähigkeit zur kontrollierten Veränderung wird zu einer der wichtigsten Eigenschaften moderner Mainframe-Umgebungen.
Unternehmen werden künftig immer stärker daran gemessen werden, wie schnell sie neue fachliche Anforderungen umsetzen können, ohne dabei die Stabilität und Sicherheit ihrer zentralen Systeme zu gefährden.
Ich nehme aus Atlanta deshalb viel Optimismus mit, allerdings auch eine gesunde Portion Pragmatismus.
Für mich hat Atlanta gezeigt, wie viele neue Möglichkeiten sich für die Weiterentwicklung bestehender IT-Landschaften eröffnen. Jetzt muss die Praxis zeigen, welche davon unter den anspruchsvollen Bedingungen geschäftskritischer Systeme wirklich bestehen. Gerade für Banken und Versicherungen dürfte das eine der wichtigsten Aufgaben der kommenden Jahre sein.
Über den Autor: Uwe Graf ist Head of Consulting bei der EasiRun Europa GmbH und gilt auf LinkedIn als eine der profiliertesten Stimmen in Sachen Mainframe-Modernisierung. Seine Beiträge sind fachlich präzise, pointiert – und unverkennbar durch den kleinen Dino, der als Symbol für den Brückenschlag zwischen Tradition und Innovation steht. Für sein Engagement in der Mainframe-Community wurde er 2026 sowohl als IBM Champion als auch als „Influential Mainframer“ von planetmainframe.com ausgezeichnet
