In einem Gastbeitrag auf Finextra argumentiert Neeraj Aggarwal, Senior Project Manager bei Infosys, dass viele KI-Initiativen im Banking weniger an den Modellen selbst als an der Architektur rund um die Kernsysteme scheitern. Der Mainframe werde häufig als Innovationshemmnis wahrgenommen, sei Aggarwal zufolge aber weiterhin das Rückgrat zentraler Bankprozesse. Das eigentliche Problem liege im Integrationsansatz: Statt den Mainframe als abgeschotteten „Tresor“ zu behandeln, müsse er zu einer KI-fähigen Transaktions- und Datenplattform weiterentwickelt werden – ohne ihn zu ersetzen.

Aggarwal verweist darauf, dass essenzielle Funktionen wie Autorisierung, Clearing, Settlement oder High-Volume-Transaktionen nach wie vor auf TPF-, COBOL- und Assembler-Systemen laufen. Diese seien für Verfügbarkeit und Mikrosekunden-Latenzen optimiert, jedoch nicht für KI-Workloads. Ein vollständiger Austausch sei in der Praxis kaum realistisch; zielführender sei eine Modernisierung „in place“.

Als zentrale Hürden für den KI-Einsatz nennt der Autor den eingeschränkten Echtzeit-Zugriff auf Daten, etwa durch VSAM-Dateien oder Batch-Verarbeitung, sowie die Diskrepanz zwischen KI-Latenzen und den extrem kurzen Antwortzeiten klassischer Transaktionssysteme. Hinzu kämen regulatorische Anforderungen: KI im Banking müsse erklärbar, auditierbar und nachvollziehbar sein – Eigenschaften, die Legacy-Architekturen von sich aus nicht mitbrächten.

Kern des Beitrags ist eine mehrstufige Zielarchitektur für einen „AI-ready Mainframe“. Diese reicht von der Stabilisierung und Dokumentation des Mainframe-Kerns über Echtzeit-Datenzugriffe mittels Event Streaming, Change-Data-Capture und APIs bis hin zu hybriden Inferenzmodellen. Moderne Systeme wie der IBM z16 könnten laut Aggarwal KI-Inferenz teilweise direkt auf der Plattform ausführen und je nach Anforderung mit Cloud-Ressourcen kombinieren. Ergänzt werde dies durch eine Governance-Schicht für Kontrolle, Audit Trails und regulatorische Nachvollziehbarkeit.

In der Summe plädiert der Infosys-Experte für einen hybriden Ansatz: Der Mainframe bleibe für latenzkritische Transaktionen unverzichtbar, während KI-Workloads flexibel ergänzt würden. Entscheidend sei nicht die Ablösung des Mainframes, sondern dessen Öffnung für Echtzeitdaten und moderne Integrationsmodelle, damit KI dort ansetzen könne, wo die geschäftskritischen Daten entstehen. (td)