Für die Bank-IT sind dabei vor allem zwei Entwicklungen relevant. KI soll beim Verständnis und bei der Weiterentwicklung komplexer Bestandsanwendungen unterstützen. Zugleich schafft IBM neue Möglichkeiten, KI-Modelle direkt auf der Z-Plattform und damit nahe an der Transaktionsverarbeitung einzusetzen. Beide Ansätze betreffen Aufgaben, die wir aus Kundenprojekten kennen.
Erst verstehen, dann verändern
Bei IBM Bob ging es auf den Kundentagen unter anderem um einen detaillierten Blick auf das Premium Package for Z und dessen Einsatz in komplexen Mainframe-Anwendungen. Für mich war dabei insbesondere die Analyse bestehender Anwendungen interessant.
Wer gewachsene Bankanwendungen verändert, kennt die Ausgangslage: Eine fachlich überschaubar erscheinende Anforderung kann Auswirkungen auf zahlreiche Programme, Datenstrukturen, Schnittstellen und nachgelagerte Prozesse haben. Vor der Implementierung muss deshalb geklärt werden, wo die betroffene Geschäftslogik liegt und welche Abhängigkeiten bestehen.
AMLR als Beispiel für komplexe Abhängigkeiten
Das zeigt sich aktuell beispielsweise bei der Umsetzung der europäischen Geldwäscheverordnung AMLR. Neue Vorgaben müssen dort in bestehende KYC- und Geschäftspartneranwendungen übersetzt werden. Betroffen sein können unter anderem Daten und Prüfregeln zu wirtschaftlich Berechtigten (UBO), die Risikoklassifizierung eines Kunden oder Screening-Prozesse. Solche Informationen liegen in Banken häufig verteilt über verschiedene Anwendungen vor. Sie werden über Schnittstellen übernommen, verarbeitet und an weitere Systeme weitergegeben.
Eine neue oder geänderte fachliche Regel kann deshalb Anpassungen an Datenmodellen, Validierungen, Programmlogik und Schnittstellen nach sich ziehen. Vor der Implementierung muss nachvollziehbar sein, an welchen Stellen die betreffende Information verarbeitet wird und welche Programme und Prozesse von einer Änderung betroffen sind.
Hier fand ich die auf den Kundentagen gezeigten Möglichkeiten von Bob interessant. Im Z Architect Mode soll das Werkzeug unter anderem analysieren können, welche Auswirkungen die Änderung einer Business Rule auf eine Anwendung hat. IBM verbindet dafür statische Codeanalyse, Anwendungsmetadaten und unternehmensspezifische Data Dictionaries mit generativer KI.
Dieser Aufbau ist gerade für Mainframe-Anwendungen relevant. IBM verweist auf große und eng miteinander verflochtene Anwendungen, unterschiedliche COBOL-Varianten und Variablen, deren fachliche Bedeutung sich aus dem Code allein kaum erschließen lässt. Das Premium Package for Z nutzt deshalb statische Codeanalyse und Enterprise-Metadaten als zusätzliche Grundlage für die KI-Modelle.
Data Dictionaries sollen außerdem den unternehmensspezifischen fachlichen Kontext liefern. IBM zeigt in der Präsentation beispielsweise, wie eine kryptische Variable durch ein solches Wörterbuch einer konkreten fachlichen Bedeutung zugeordnet werden kann. Übergreifende Metadaten sollen wiederum Abhängigkeiten über größere Anwendungen und zahlreiche Programme hinweg erfassen.
Metadaten sollen Token-Verbrauch reduzieren
Große und komplexe IBM-Z-Anwendungen können bei KI-gestützten Analysen einen erheblichen Token-Verbrauch verursachen. IBM setzt bei Bob deshalb auf Metadaten aus der statischen Codeanalyse, die dem Modell Informationen über anwendungsspezifische Strukturen, Begriffe und Abhängigkeiten bereitstellen.
In einem IBM-Test mit 40 Fragen zur Impact-Analyse sank der durchschnittliche Token-Verbrauch durch die Einbindung dieser Metadaten nach Unternehmensangaben um 54 Prozent – von 246.000 auf 113.000 Token. IBM führt dies darauf zurück, dass bereits aufbereiteter Anwendungskontext die Menge der vom Modell zu verarbeitenden Informationen reduzieren kann. (IBM-eigener Test; Kundenergebnisse können abweichen.)
Gerade bei regulatorisch getriebenen Änderungen könnte dieser Ansatz passgenau sein. Die technische Aufgabe besteht zunächst darin, die betroffene Geschäftslogik und ihre Abhängigkeiten in einer gewachsenen Anwendungslandschaft vollständig zu identifizieren. Auf dieser Grundlage lässt sich beurteilen, welche Komponenten angepasst und anschließend getestet werden müssen.
Wie belastbar die Ergebnisse bei großen produktiven Bankanwendungen sind, muss sich aber im praktischen Einsatz erst zeigen.
Die Entwicklerrolle wird sich verschieben
Mit solchen Werkzeugen dürfte sich auch die Arbeit der Entwickler verändern. IBM positioniert Bob über mehrere Phasen des Software Development Lifecycle hinweg. Das Premium Package for Z soll unter anderem bei Analyse, Planung und Modernisierung großer Mainframe-Anwendungen unterstützen.
IBM zeigt beispielsweise einen Ansatz für die Transformation von COBOL und PL/I nach Java. Dabei werden Datenmodell, Business Functions, Business Rules und Systemanforderungen spezifiziert. Daraus sollen Implementierung und Tests abgeleitet werden.
Wenn KI einen größeren Anteil bei Analyse, Dokumentation und Code-Erstellung übernimmt, wächst der Aufwand bei der Prüfung und fachlich-technischen Validierung der Ergebnisse. In regulierten und geschäftskritischen Bankanwendungen gehört diese Kontrolle ohnehin zum Entwicklungsprozess.
Dafür braucht es erfahrene Mitarbeiter, die beurteilen können, ob eine Analyse vollständig ist, fachliche Zusammenhänge richtig interpretiert wurden und eine vorgeschlagene Änderung in der jeweiligen Anwendungslandschaft funktioniert. Der Engpass wird sich damit von der Erstellung stärker in Richtung Qualitätssicherung und fachlich-technischer Validierung verschieben.
Das ist auch für die Diskussion über fehlendes Mainframe-Know-how relevant. KI kann vorhandenes Wissen leichter zugänglich machen und Entwickler bei bestimmten Arbeiten unterstützen. Für die Bewertung der Ergebnisse bleibt tiefes System- und Domänenwissen erforderlich.
Fraud und AML direkt im Transaktionsprozess
Ein weiterer Schwerpunkt der Kundentage war der Einsatz von KI-Modellen direkt auf IBM Z. Beim z17 stehen dafür unter anderem der in den Telum-II-Prozessor integrierte AI Accelerator und zusätzliche KI-Kapazitäten zur Verfügung.
Für Banken ist die Nähe zur Transaktionsverarbeitung interessant. Anwendungsfelder sind beispielsweise Fraud Detection und die Geldwäscheprävention. Soll eine laufende Transaktion durch ein KI-Modell bewertet oder im Transaction Monitoring einem Scoring unterzogen werden, spielen Datenwege und Latenzen eine wichtige Rolle. Eine Inferenz auf der Z-Plattform kann zusätzliche Wege zu externen Systemen vermeiden.
Bei hohen Transaktionsvolumina eröffnet das die Möglichkeit, KI-Modelle breit in die laufende Verarbeitung einzubinden. Prüfungen können unmittelbar im Zusammenhang mit einer Transaktion erfolgen. Für Banken, die große Mengen geschäftskritischer Transaktionen auf IBM Z verarbeiten, ist das ein konkreter Anwendungsfall für die zusätzlichen KI-Kapazitäten der Plattform.
Für Banken schließen sich daran fachliche und organisatorische Fragen an. Dazu gehören die Qualität der eingesetzten Modelle, False Positives, Governance sowie die Einbindung der Ergebnisse in bestehende Bearbeitungsprozesse. Mit wachsender technischer Kapazität können mehr Vorgänge analysiert werden. Die nachgelagerten Prozesse müssen mit dieser Entwicklung Schritt halten.
Vertrautere Werkzeuge rund um z/OS
Auf den Kundentagen ging es außerdem um die Einbindung von z/OS in Standards und Werkzeugwelten, die in anderen Bereichen der IT bereits verbreitet sind. Ein Beispiel ist OpenTelemetry.
Der offene Standard ermöglicht die Erfassung und Weitergabe von Traces, Metriken und Logs über unterschiedliche Systeme hinweg. Für Mainframe-Umgebungen ist das relevant, weil sich z/OS damit stärker in übergreifende Observability- und Monitoring-Strukturen einbinden lässt.
Das kann die Zusammenarbeit zwischen Mainframe-, Infrastruktur- und Anwendungsteams erleichtern. Gerade in Banken laufen Geschäftsprozesse über Mainframe und verteilte Systeme hinweg. Gemeinsame Standards für die Beobachtung dieser Prozessketten sind daher auch für den Betrieb interessant.
Was ich aus Ehningen mitnehme
Die z/OS Kundentage haben an mehreren Stellen gezeigt, wie KI näher an bestehende Bankanwendungen rückt.
Bei der Anwendungsentwicklung geht es um das Verständnis gewachsener Systeme, ihrer Business Rules und ihrer Abhängigkeiten. Die Verbindung von statischer Analyse, unternehmensspezifischen Metadaten und generativer KI halte ich hier für besonders interessant. Für den produktiven Betrieb schafft IBM weitere Möglichkeiten, KI unmittelbar in transaktionsnahe Prozesse einzubinden. OpenTelemetry erleichtert zugleich die Einbindung von z/OS in übergreifende Werkzeug- und Betriebsmodelle.
Für Banken wird entscheidend sein, wie sich diese Ansätze in produktiven Umgebungen bewähren. Bei Bob interessiert mich vor allem die Qualität der Analyse komplexer Anwendungslandschaften. Bei transaktionsnaher KI wird sich zeigen, welche konkreten Prozesse davon profitieren und wie sich die Ergebnisse in bestehende Abläufe integrieren lassen. Diese Entwicklungen werde ich nach den z/OS Kundentagen weiter verfolgen.
Über den Autor: Barun Roy Chowdhury ist Senior Software Engineer und Solution Architect bei DPS. Er verfügt über mehr als 19 Jahre Erfahrung in der Softwareentwicklung und Modernisierung geschäftskritischer Anwendungen mit einem Schwerpunkt auf Mainframe-Systemen. Zuvor war er als Application Development & Modernization Consultant bei Kyndryl sowie mehrere Jahre bei Sopra Financial Technology und Capgemini tätig. Seine fachlichen Schwerpunkte liegen in der Modernisierung gewachsener Mainframe-Anwendungen, Hybrid-Cloud-Architekturen, API-Enablement und DevOps sowie im Einsatz von KI bei der Analyse und Weiterentwicklung von Legacy-Systemen.
