Mit dem angekündigten IBM Bob Premium-Paket für Z will IBM KI-Unterstützung für die Entwicklung und Modernisierung von Mainframe-Anwendungen bereitstellen. Die speziell auf IBM Z zugeschnittene Variante befindet sich derzeit noch in einer Vorschauphase und soll nach aktuellem Stand im dritten Quartal 2026 verfügbar werden. In einem Fachgespräch diskutierten Uwe Graf, Head of Consulting bei EasiRun Europa, und Rainer Arnst, Manager AI Delivery bei DPS, welche Chancen sich daraus für Finanzinstitute ergeben könnten – und welche Voraussetzungen für einen produktiven Einsatz geschaffen werden müssen.

Mehr als ein Nachfolger des Code Assistant

Uwe Graf erläuterte eingangs, dass IBM Bob deutlich breiter aufgestellt sei als der bereits verfügbare watsonx Code Assistant for Z. Während dieser vor allem Modernisierungsprojekte wie die Transformation von COBOL- oder PL/I-Anwendungen nach Java unterstütze, solle Bob künftig auch Aufgaben wie Refactoring, Sicherheitsanalysen, Testfallgenerierung oder die Analyse ganzer Anwendungslandschaften übernehmen. Besonders die geplante IBM-Z-Variante solle umfangreiche Kontextinformationen aus Mainframe-Umgebungen nutzen können und dadurch ein deutlich tieferes Verständnis komplexer Anwendungssysteme ermöglichen.

Nach Darstellung von Graf liegt genau darin einer der wesentlichen Unterschiede zu bisherigen KI-Werkzeugen. Nicht einzelne Programme, sondern ganze Anwendungslandschaften mit ihren Abhängigkeiten und Geschäftsprozessen sollen analysiert werden können. Dadurch könnten Entwickler, Architekten und Modernisierungsteams künftig auf einer gemeinsamen Wissensbasis arbeiten.

Der vollständige Kontext wird zum Erfolgsfaktor

Im Gespräch wurde deutlich, dass die Qualität der Ergebnisse maßgeblich vom verfügbaren Kontext abhängt. Rainer Arnst verwies darauf, dass moderne KI-Entwicklungswerkzeuge ihre Stärken vor allem dann ausspielen, wenn sie den Zusammenhang einer gesamten Softwarelandschaft verstehen. Genau das sei im Mainframe-Umfeld bislang häufig schwierig gewesen. Erst wenn Anwendungen, Abhängigkeiten und Entwicklungsartefakte gemeinsam betrachtet werden könnten, entstehe die Grundlage für belastbare Analysen und Automatisierungen.

Graf erläuterte, dass IBM Bob über die Open-Source-Technologie Zowe auf Anwendungen, Artefakte und weitere Informationen auf dem Mainframe zugreifen kann. Dadurch entstehe eine Wissensbasis, die weit über einzelne Quelltextdateien hinausgehe und beispielsweise auch Testfallgenerierung, Refactorings oder Architekturanalysen unterstütze.

Regulatorik als Voraussetzung für den produktiven Einsatz

Für Rainer Arnst steht dabei jedoch nicht allein die Technologie im Mittelpunkt. Vor einem produktiven Einsatz müssten Banken und Versicherungen zunächst prüfen, wie KI-gestützte Entwicklungswerkzeuge in bestehende Governance-, Datenschutz- und IKT-Risikoprozesse eingebettet werden können. Maßgeblich seien dabei unter anderem DORA, Vorgaben zum IKT-Drittparteienrisiko, der EU AI Act sowie die internen Anforderungen an Datenzugriff, Nachvollziehbarkeit und Verantwortlichkeiten. Erst wenn diese Fragen geklärt seien, könne ein Werkzeug wie IBM Bob produktiv in Entwicklungs- und Modernisierungsprojekten eingesetzt werden.

Graf verwies in diesem Zusammenhang darauf, dass IBM Bob sowohl mit Cloud-Modellen als auch mit lokal betriebenen Sprachmodellen arbeiten kann. Dadurch seien unterschiedliche Betriebsmodelle denkbar, die jeweils zu den regulatorischen und organisatorischen Anforderungen eines Instituts passen müssten.

Human in the Loop bleibt unverzichtbar

Ein weiterer Schwerpunkt der Diskussion war die Rolle des Menschen. Arnst betonte, dass KI-Systeme zwar Entwicklungsaufgaben beschleunigen können, die fachliche Verantwortung jedoch weiterhin bei den Mitarbeitern verbleibe. Gerade in regulierten Branchen seien klare Human-in-the-Loop-Konzepte erforderlich, damit Ergebnisse nachvollziehbar geprüft und freigegeben werden könnten. Die Einführung solcher Werkzeuge sei deshalb nicht nur eine technische, sondern auch eine organisatorische Aufgabe.

Auch der Experte von EasiRun sieht die Technologie in erster Linie als Unterstützung für Entwickler. Routineaufgaben könnten automatisiert und Wissen schneller zugänglich gemacht werden. Die fachliche Bewertung und Verantwortung bleibe jedoch beim Menschen.

Banken und Dienstleister müssen gemeinsam umdenken

Im weiteren Verlauf des Gesprächs richtete sich der Blick auf die Zusammenarbeit zwischen Finanzinstituten und ihren IT-Dienstleistern. DPS-Manager Arnst gab zu bedenken, dass viele Banken künftig entscheiden müssten, wie offen sie für neue Arbeitsweisen sein wollen. Wer von Produktivitätsgewinnen durch KI profitieren möchte, müsse sich auch mit den dafür notwendigen Rahmenbedingungen auseinandersetzen. Insbesondere die Frage, welche Daten und Entwicklungsartefakte für KI-Werkzeuge nutzbar gemacht werden können, werde künftig eine größere Rolle spielen.

Graf betonte, dass KI nicht als isoliertes Entwicklerwerkzeug betrachtet werden darf. Vielmehr müsse sie in eine übergreifende Strategie eingebettet werden, die Entwicklung, Testmanagement, Betrieb, Governance und Wissensmanagement gleichermaßen berücksichtigt. Erst dann könnten die möglichen Effizienzgewinne nachhaltig genutzt werden.

KI wird auch zur Kulturfrage

Neben Technologie und Regulatorik sehen beide Experten eine weitere Herausforderung: die Akzeptanz in den Teams. Arnst verwies darauf, dass Entwickler lernen müssten, mit KI-Agenten zusammenzuarbeiten und deren Ergebnisse sinnvoll zu steuern. Neue Werkzeuge erforderten neue Kompetenzen und Arbeitsweisen.

Uwe Graf berichtete zugleich von Diskussionen innerhalb der Developer-Community, in denen neben der Begeisterung für neue Möglichkeiten auch Sorgen um die eigene Rolle geäußert würden. Die Einführung von KI sei deshalb immer auch eine Frage des Change Managements.

Fazit des Austauschs

Deutlich wurde, dass IBM Bob für Z das Potenzial hat, die Entwicklung und Modernisierung von Mainframe-Anwendungen deutlich zu verändern. Die eigentliche Herausforderung liegt jedoch nicht allein in der Technologie. Banken müssen zunächst die organisatorischen, regulatorischen und kulturellen Voraussetzungen schaffen, um solche Werkzeuge produktiv nutzen zu können. Erst wenn Governance, Datenzugriff, Verantwortlichkeiten und Arbeitsprozesse geklärt sind, können KI-gestützte Entwicklungsagenten ihr Potenzial im Mainframe-Umfeld vollständig entfalten. (td)