Mobile-Menu

Legacy-Modernisierung Kein Wundermittel: Warum generative KI an komplexem Legacy-Code zerbricht

Von Berk Kutsal 2 min Lesedauer

Anbieter zum Thema

Gartner Inc
Board Deutschland GmbH
Disy Informationssysteme GmbH
Fivetran Germany GmbH

Generative Künstliche Intelligenz (KI) soll jahrzehntealten Code per Knopfdruck in moderne Sprachen übersetzen. Das Analysehaus Gartner dämpft die Erwartung: Bei der automatisierten Migration komplexer Legacy-Systeme stoße die Technologie an harte Grenzen. Als Beleg dient der Mainframe, wo ein Großteil der KI-gestützten Projekte scheitern dürfte.

Das Marketingversprechen verspricht eine reibungslose Code-Übersetzung. In der Praxis bricht die automatisierte Migration komplexer Legacy-Systeme laut Gartner an ihren eigenen Grenzen.(Bild: KI-generiert)
Das Marketingversprechen verspricht eine reibungslose Code-Übersetzung. In der Praxis bricht die automatisierte Migration komplexer Legacy-Systeme laut Gartner an ihren eigenen Grenzen.
(Bild: KI-generiert)

Generative KI (GenAI) eignet sich nur eingeschränkt dazu, komplexen Legacy-Code automatisiert zu transformieren und zu migrieren. Zwischen dem Marketingversprechen und der tatsächlichen Leistungsfähigkeit klaffe eine wachsende Lücke. Das prognostiziert das Analysehaus Gartner in einer aktuellen Mitteilung, die sich auf den Report „Too Big to Fail: Why Mainframe Exit Projects Are Likely to Fail in the Age of Generative AI“ stützt. Als Anwendungsfeld, an dem sich die überzogenen Erwartungen brechen, führt Gartner den Mainframe an.

Wo generative KI an Grenzen stößt

Generative KI sei durchaus geeignet, technische Schulden aufzuspüren und zu beschreiben, heißt es laut Gartner. Bei der automatisierten Konvertierung und Migration von Legacy-Code zeige sie jedoch deutliche Grenzen, etwa wenn es darum gehe, die spezifische Performance und den Durchsatz eines Systems nach der Migration zu erhalten. Verschärft werde die Lage durch den hohen Druck von Investoren, KI in Angebote zu integrieren, unabhängig davon, ob dies die Ergebnisse spürbar verbessere. So gerieten Unternehmen dazu, KI auch dort einzusetzen, wo sie das Problem nicht löse.

Der Mainframe als Härtefall

Am deutlichsten zeige sich das beim Mainframe. Mehr als 70 Prozent der Mainframe-Exit-Projekte, die 2026 angestoßen werden, dürften den erwarteten Nutzen verfehlen, prognostiziert Gartner. Verantwortlich sei die überschätzte Leistungsfähigkeit der KI-Werkzeuge. Eine fehlerhafte Migrationsentscheidung sei dem Analysehaus zufolge nicht bloß eine Budgetüberschreitung, sondern eine Bedrohung für die Geschäfts- und Betriebskontinuität. Bis 2030 würden zudem 75 Prozent der Anbieter im Markt für Mainframe-Exit-Lösungen ihr Geschäftsmodell ändern oder den Betrieb einstellen.

Plattform-Entscheidung statt „magischer“ Werkzeuge

Statt einer einzelnen, vermeintlich magischen Migrationslösung empfiehlt Gartner einen plattformbewussten Ansatz, bei dem jede Workload einzeln bewertet und der jeweils passenden Umgebung zugeordnet wird. Für viele Mainframe-Kunden lasse sich GenAI wirksamer für eine Modernisierung der bestehenden Plattform nutzen als für deren Ablösung. Die Neigung, den Mainframe zu verlassen, nehme bereits ab. Viele Unternehmen erkennten die Beinahe-Unmöglichkeit eines Exits zu vertretbaren Kosten und Risiken.

(ID:50876108)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte