IT-Modernisierung bei Banken und Versicherungen Legacy-Probleme bei Finanzinstituten: Ist KI der Retter?

Anbieter zum Thema

Hyland Software Germany GmbH

Cloudgermany.de GmbH

Yorizon GmbH & Co. KG

IT-Legacy ist für hiesige Finanzinstitute zum Dauerärgernis geworden. Banken in Europa sehen sich zunehmend durch alte IT-Strukturen eingeschränkt, die das Potenzial für Modernisierung begrenzen und das Kundenerlebnis hemmen. Der Modernisierungsdruck steigt auch durch den technologischen Wettbewerb und die steigende Nachfrage nach digitalen Services.

Jahrzehntealte IT-Architekturen erhöhen oft die Betriebskosten und erschweren eine agile Anpassung an aktuelle Anforderungen – sowohl seitens der Kunden als auch der Anwender. Solche veralteten Systeme führen zu langsamen Reaktionszeiten auf Marktentwicklungen, kostenintensiven Wartungen und stellen nicht zuletzt ein veritables Sicherheitsrisiko dar.

Mit der Scheibchentaktik in die Cloud

Die Renovierung bestehender Systeme ist für die deutsche Finanzindustrie so etwas wie die „Make it or break it“-Herausforderung, Strategen und Technologiefachleute ringen um den richtigen Ansatz, um ohne größere Kollateralschäden den mächtigen Sprung zu meistern. Eine vielversprechende Lösung bietet die Umstellung veralteter Anwendungen auf cloudbasierte Microservices. Durch die Neukonzeption der Systeme entstehen erhebliche Einsparungen bei Entwicklungs- und Bereitstellungskosten, während gleichzeitig die Vorteile einer nativen Cloud-Architektur genutzt werden können.

Die richtige Zusammensetzung der Zielstruktur ist jedoch bereits in den ersten Phasen der Transformation entscheidend, da sie die Systemleistung, Skalierbarkeit und Betriebskosten maßgeblich beeinflusst. Einmal getroffene Entscheidungen im Renovierungsprozess sind später schwer zu korrigieren. Besonders die Festlegung der optimalen Anzahl und der passenden Struktur der Microservices ist ein Schlüsselfaktor für den Erfolg des Projekts.

Wie aber kann dieser schrittweise Prozess gelingen, ohne den ganz großen Wurf zu wagen und damit einen Totalausfall zu riskieren? Generative KI und maschinelle Lernalgorithmen haben sich als effektive Werkzeuge erwiesen, um monolithische Anwendungen in handlichere Microservices zu zerlegen. Diese Algorithmen ermöglichen eine präzise Trennung von Bestandteilen der Altsysteme, sodass diese gezielt durch cloudbasierte Microservices ersetzt werden können. So können Finanzinstitute die IT-Modernisierung schrittweise umsetzen, ohne das Gesamtsystem in einem Kraftakt nach dem Hauruck-Prinzip umstellen zu müssen – eine Strategie, die das Risiko umfangreicher Ausfälle und die Komplexität der Modernisierungsmaßnahmen erheblich reduziert.

KI – die Machete im Datendschungel

Beim Einsatz der Künstlichen Intelligenz macht man sich gezielt die Fähigkeiten der Datenerfassung und Auswertung zunutze: Zu Beginn kommen sogenannte Code Crawler zum Einsatz. Ihre Aufgabe besteht darin, den Quellcode der Legacy-Anwendung automatisch zu scannen, zu analysieren und Kerninformationen über den Anwendungsverlauf zu sammeln.

Mithilfe von künstlicher Intelligenz kann es zudem auch gelingen, im Aussterben befindliche Programmiersprachen zu reanimieren. Entsprechend werden verschiedene Crawler zum Einsatz gebracht, um der Tatsache Rechnung zu tragen, dass der Quellcode in einer von vielen Sprachen geschrieben sein kann. Anhand der vom Crawler gesammelten Informationen lässt sich ein umfassendes Profil aller Geschäftsfunktionen und Datenobjekte erstellen.

Im Anschluss gruppieren Algorithmen Komponenten und Funktionen entlang einer fachlich orientierten Taxonomie auf Grundlage von Datenmustern. Als Ergebnis liefern sie eine Empfehlung für die angestrebte Komponentenzusammensetzung und weisen Prioritätsstufen für den Umbau zu. Beim Wechselprozess der Lösungen lässt sich vorab eruieren, wo die geringsten Risiken verursacht werden. So wird ein optimierter Pfad für die Zerlegung des Monolithen bereitgestellt. Es gilt stets, unternehmensspezifische Software-Standards auf den resultierenden Quellcode anzuwenden. Außerdem stellt die Lösung sicher, dass umfassende Unit-Testfälle generiert werden.

Der finale Schritt sieht vor, den Quellcode des Ziel-Microservices-Stacks und eine neue API-Schicht zu erstellen. So wird die gemeinsame Nutzung von Daten zwischen den Services ermöglicht. Als Teil des Prozesses wird generative KI genutzt, um den neuen Code und die APIs automatisch zu dokumentieren. Individuell können Institute nun Lösungsanwendungen an ihr Kernbankensystem anbinden.

Per Abkürzung zur IT-Renovierung

Es ist in der jüngsten Vergangenheit bereits gelungen, die Schlüsselaspekte dieses Legacy-Modernisierungsansatzes im Rahmen eines Projekts mit einer Tier-1-Bank zu testen, die ein großes Mainframe-zu-Cloud-Migrationsprogramm durchführte. In diesem Rahmen wurden über 1,5 Millionen Zeilen Cobol-Code analysiert, um einen Aktionsplan für den Transfer von Microservices im Zielzustand zu erstellen. Der Einsatz von KI verkürzte die in der Vergangenheit häufig monatelang andauernde Analysephase auf wenige Wochen.

Entscheider sehen sich verschiedenen Herausforderungen gegenüber, die bestehende Lösungen an ihre Grenzen bringen – Kostendruck, fehlende Fachkräfte und eine dramatisch beschleunigte Digitalisierung. Dank des Einsatzes von KI kann es gelingen, komplexe Migrationsprojekte strukturierter, günstiger und effizienter umzusetzen.

(ID:50275621)