Die Modernisierung gewachsener IT-Strukturen gehört nach Einschätzung von Chandrasekhar Rao Katru, Lead Software Engineer bei der US-Großbank Wells Fargo, zu den zentralen Herausforderungen im Bankensektor. In einem Interview mit Banking Exchange erläutert er, dass technologische Transformation in Banken weit über einzelne Systemupdates hinausgeht.

Ein wesentlicher Teil der Aufgabe bestehe darin, bestehende Legacy-Technologien weiterzuentwickeln. Diese seien häufig nicht für cloud-native Architekturen, großskalige Automatisierung oder KI-basierte Umgebungen konzipiert worden. Modernisierung lasse sich daher nicht durch isolierte technische Anpassungen erreichen, sondern erfordere einen koordinierten Ansatz über verschiedene Geschäftsbereiche hinweg.

Katru verweist in diesem Zusammenhang auf die Bedeutung unternehmensweiter Plattformen. Standardisierte Automatisierungs- und Validierungsumgebungen könnten eine gemeinsame technische Grundlage für zahlreiche Entwicklungsteams schaffen und so Cloud-Ausführung, Tests und Modernisierungsvorhaben unterstützen. Er beschreibt dies als Wandel von projektbezogener Automatisierung hin zu Plattformarchitekturen auf Unternehmensebene.

Auch bei Cloud-Transformationen geht es seiner Darstellung zufolge weniger um einfache Migrationen bestehender Anwendungen (Stichwort „Lift and Shift“). Vielmehr müssten Plattformen geschaffen werden, die einheitliche Engineering-Standards ermöglichen und gleichzeitig regulatorische Anforderungen berücksichtigen. Dazu gehörten unter anderem integrierte Sicherheitsmechanismen, Identitätsmanagement, Verschlüsselung sowie revisionssichere Protokollierung.

Solche Plattformen können laut Katru zudem helfen, die Migration bestehender Anwendungen zuverlässiger umzusetzen. Einheitliche CI/CD-Frameworks und automatisierte Testplattformen würden Engineering-Praktiken über große Organisationen hinweg standardisieren.

Zugleich betont er, dass der Einsatz von Automatisierung und Künstlicher Intelligenz in Banken eng mit Governance-Fragen verbunden ist. Veränderungen in Systemen, automatisierte Deployments oder KI-gestützte Entscheidungen müssten nachvollziehbar und erklärbar bleiben, um regulatorische Anforderungen zu erfüllen. (td)