Die Diskussion darüber, wie weit künstliche Intelligenz die Modernisierung von Legacy-Systemen beschleunigen kann, wird seit Monaten intensiv geführt. Das Legacy IT Center hat unter anderem die weitreichenden COBOL-Modernisierungsversprechen von Anthropic, die dadurch ausgelöste Kursreaktion der IBM-Aktie und einen späteren Praxistest (mit eher ernüchternden Ergebnissen) beleuchtet. Zuletzt ging es zudem um die Frage, ob KI Entwicklungs- und Analysearbeit zwar beschleunigen kann, dadurch aber die qualifizierte Prüfung der Ergebnisse zum neuen Engpass wird.
An diese Diskussion knüpft John Rhodes, CTO des auf Legacy-Modernisierung spezialisierten Unternehmens CM First Group, mit seinem Meinungsbeitrag „The IBM vs. Anthropic Debate Is Missing the Actual Scarce Resource“ an.
Zwischen KI-Analyse und Plattformkomplexität
Rhodes hält zunächst Argumente beider Seiten für nachvollziehbar. Anthropic habe einen Punkt damit, dass KI die Analyse bestehender Anwendungen erheblich beschleunigen könne. Abhängigkeiten, Kontrollflüsse und im Code enthaltene Geschäftsregeln ließen sich damit schneller erschließen als bei einer ausschließlich manuellen Analyse.
Gleichzeitig sei auch der Einwand von IBM berechtigt, wonach eine Übersetzung von COBOL-Code die tatsächliche Komplexität gewachsener Mainframe-Anwendungen nicht erfasse. Über Jahrzehnte entstandene Verbindungen zwischen Anwendung und Plattform verschwänden nicht dadurch, dass der Code in eine andere Sprache übertragen werde.
Wie viele andere Mainframe-Praktiker auch rückt Rhodes daneben eine weitere Ressource in den Mittelpunkt: institutionelles Wissen. Ein Teil davon stecke im Code und könne mit entsprechenden Werkzeugen rekonstruiert werden. Ein anderer Teil sei dort jedoch nie hinterlegt worden – beispielsweise das Wissen darüber, warum bestimmte Ausnahmen eingeführt oder einzelne Transaktionstypen bewusst anders behandelt wurden.
Gerade dieses Wissen lässt sich nach seiner Argumentation nicht allein aus dem Quellcode zurückgewinnen. Scheiden langjährige Mitarbeiter aus, könne damit auch Kontext verloren gehen, der später nicht mehr aus den vorhandenen Systemen rekonstruiert werden könne.
Rhodes plädiert deshalb für ein zweistufiges Vorgehen: Zunächst solle das strukturell aus den Anwendungen gewinnbare Wissen möglichst verlässlich erfasst werden. Erfahrene Mitarbeiter könnten diese Bestandsaufnahme anschließend überprüfen und um den Kontext ergänzen, der nicht aus dem System selbst hervorgehe.
NRI: Nicht jede Entscheidung lässt sich aus dem System erklären
Eine ähnliche Problematik beschreibt das Nomura Research Institute (NRI) in einer Veröffentlichung vom März 2026. Bei langlebigen Anwendungen könnten Dokumentationen veralten, institutionelles Wissen verloren gehen und erfahrene Entwickler ausscheiden. Dadurch werde es zunehmend schwieriger zu beantworten, warum bestimmte Prozesse existierten oder welche geschäftlichen Anforderungen ursprünglich hinter einzelnen Spezifikationen standen.
KI-basierte Analysewerkzeuge können laut NRI unter anderem Abhängigkeiten, Ausführungsreihenfolgen und Datenflüsse identifizieren und daraus Dokumentationen erzeugen. Grenzen bestünden jedoch dort, wo relevante Informationen gar nicht in den analysierbaren Systemartefakten vorhanden seien. NRI nennt beispielsweise manuelle Freigaben oder außerhalb der Anwendungen entstandene operative Abläufe.
Für eine vollständige Bestandsaufnahme, so die Experten, bleibt deshalb die Einbindung der operativen Teams und ihres Erfahrungswissens erforderlich.
Microsoft erprobt KI als Werkzeug für den Wissensaufbau
Wie KI wiederum helfen kann, vorhandenes Wissen aus Legacy-Anwendungen systematisch zugänglich zu machen, zeigte ein Workshop von Microsoft-Expertinnen beim WeAreDevelopers World Congress 2026.
Unter dem Titel „Teaching GitHub Copilot COBOL: A Practical Guide to Agentic AI Legacy Modernization“ demonstrierten Julia Kordick und Laetitia Maar anhand von Mainframe-Anwendungen, wie GitHub Copilot für Legacy Discovery und Modernisierung eingesetzt werden kann. Über strukturierte Prompt-Workflows sollen unter anderem Module, Datenstrukturen und Transaktionsflüsse erschlossen und die Ergebnisse in einer Wissensbasis zusammengeführt werden.
Der Workshop sollte zugleich aufzeigen, wo KI unterstützen könne, wo Schwierigkeiten bestünden und an welchen Stellen weiterhin Mainframe-Fachwissen benötigt werde.
Stimmen aus der Modernisierungspraxis
Auch unter Rhodes‘ Beitrag wird die Frage aus unterschiedlichen Perspektiven diskutiert. Der unabhängige Berater Chris Craft weist darauf hin, dass bei einer Modernisierung nicht allein die Programmiersprache betrachtet werden dürfe. Nach seiner Erfahrung liege eine wesentliche Schwierigkeit in der technischen Umgebung einer Anwendung – etwa in Datenbanken, dateibasierten Speichern oder Transaction Processing Monitoren. Für zahlreiche dieser Komponenten gebe es keinen einfachen 1:1-Ersatz.
Craft warnt zudem vor einer Modernisierung, bei der lediglich bestehende Logik auf eine andere Plattform übertragen werde. Ohne zusätzliche Geschäftsfunktionalität könne ein solches Replatforming aus seiner Sicht vor allem zusätzliche Kosten und Risiken erzeugen.
Ranjan Dharmaraja, Gründer und CEO des seit 1990 im Forderungsmanagement tätigen Softwareanbieters Quantrax, verweist in der Diskussion auf die über Jahrzehnte entstandene Wissensbasis seiner eigenen Plattform. Nach mehr als 30 Jahren Entwicklung habe sich dort umfangreiches institutionelles und informelles Wissen angesammelt. Vor diesem Hintergrund beurteilt er Versprechen skeptisch, vergleichbare Systeme innerhalb sehr kurzer Zeit neu aufbauen zu können.
Modernisierung bleibt auch eine Wissensfrage
Die verschiedenen Beiträge verdeutlichen unterschiedliche Ebenen der Legacy-Modernisierung. KI kann dabei helfen, vorhandene Anwendungen schneller zu analysieren, Abhängigkeiten sichtbar zu machen und Wissen aus technischen Artefakten aufzubereiten. Die technische Umgebung einer Anwendung und der außerhalb dieser Artefakte entstandene fachliche Kontext lassen sich damit jedoch nicht automatisch vollständig erfassen. (td)
Bild: John Rhodes, CTO der CM First Group. Quelle: LinkedIn-Profil von John Rhodes.
