// HEISE ONLINE — HARDWARE & GADGET
Mehr als COBOL zu Java: Googles KI-Plan für Mainframes
Google bietet eine iterative Modernisierung von Mainframe-Anwendungen in die Cloud an, gestützt durch KI für Analyse und Transformation.
This article is also available in
English.
It was translated with technical assistance and editorially reviewed before publication.
Mit einem iterativen Umzug in die Google Cloud will Google Mainframe-Anwendungen modernisieren – rundum gestützt durch KI. Konkret gibt es für Unternehmen vier Bausteine: Erstens gibt es eine automatisierte Bestandsaufnahme samt Reverse Engineering, gefolgt von einer KI-gestützten Code-Transformation oder Neuentwicklung. Anschließend steht die Validierung im parallelen Produktionsbetrieb an, bis schließlich die schrittweise Migration der Mainframe-Daten in die Dienste der Google Cloud folgt. Diese Schritte können, müssen aber nicht komplett in dieser Reihenfolge erfolgen. Für alle vier Bausteine stellt Google passende Werkzeuge und Dienstleistungen bereit.
Grundlegend sieht Google in einer Mainframe-Modernisierung mehr als nur eine reine Konvertierung von COBOL nach Java oder in eine andere moderne Sprache. Unternehmen müssten genauso die enge Kopplung an DB2, VSAM, IMS und proprietäre Datenformate sowie die komplexe Transaktionsverarbeitung über CICS oder IMS TM berücksichtigen. Hinzu kommen Batch- und Workflow-Abhängigkeiten, Schnittstellen und Protokolle wie MQ, CTG, IMS Connect oder LU 6.2 sowie Mainframe-spezifische Betriebswerkzeuge.
Der erste Baustein ist das Mainframe Assessment Tool (MAT). Mit ihm lassen sich große Mainframe-Codebasen analysieren. Anschließend erhalten Unternehmen einen Abhängigkeitsgraphen zwischen Anwendungen und Datenspeichern. Außerdem extrahiert der Dienst automatisch erkannte Geschäftsregeln und die technische Dokumentation aus dem produktiven Quellcode. Zudem erfolgt eine Zuordnung von Anwendungen zu Geschäftsdomänen und -funktionen. Die Ergebnisse dieser Analyse – also der Kontext – stehen für die KI-Agenten in den folgenden Schritten per Model Context Protocol (MCP) zur Verfügung.
Als Zweites stehen zwei Modernisierungspfade zur Auswahl: Entweder können Unternehmen ihre Mainframe-Anwendungen deterministisch modernisieren, wobei ihr fachliches Verhalten und ihre externen Schnittstellen identisch bleiben sollen. Hier ist das Ziel, die technischen Schulden zu reduzieren, ohne dabei darüber hinaus fachliche Änderungen vornehmen zu müssen. Alternative ist der Rewrite, also die Neuentwicklung. Bei ihr soll das MAT zunächst Geschäftslogik und Anforderungen aus dem Altbestand extrahieren, damit Agenten dann bei der Planung der Zielarchitektur, den Spezifikationen und User Stories, dem Backlog und schließlich der konkreten Implementierung unterstützen. Google betont, dass Unternehmen die beiden Ansätze innerhalb ihres Mainframe-Bestandes auch kombinieren können.
Anschließend folgt Google Cloud Dual Run: Alte Mainframe-Anwendungen und die modernisierten Cloud-Anwendungen laufen parallel mit Workloads aus dem realen Produktivbetrieb. Dabei will Google die Transaktionen automatisiert erfassen, sie gegen die neue Anwendung ausführen und dann die Ergebnisse vergleichen – also Protokolle, Nachrichten, Datenänderungen und schließlich die fachlichen Resultate. Erst wenn sich Logik und Datenverarbeitung vollständig gleich verhalten, können Unternehmen daran gehen, ihre Mainframe-Anwendungen wirklich abzulösen. Google sieht den Schritt nicht nur als Absicherung vor, sondern hat damit auch regulatorische Nachweise im Sinn.
Mit dem Google Cloud Mainframe Connector folgt das Übertragen und Konvertieren der Daten in die entsprechenden Cloud-Dienste wie BigQuery, Spanner, Cloud SQL oder Cloud Storage. Dabei soll sich der Mainframe Connector in bestehende ETL-Prozesse einfügen. Die alten Anwendungen werden in diesem Schritt aber nicht notwendigerweise komplett abgelöst; vielmehr lassen sich einzelne Funktionen schrittweise migrieren oder zur Entlastung des Mainframes durch Cloud-Dienste ergänzen.
Zentral an Googles Ansatz ist nich