Am 23. Februar 2026 stürzte die IBM-Aktie um 13 Prozent ab – der stärkste Kursverlust an einem einzigen Tag seit Oktober 2000. Auslöser war die Ankündigung eines KI-Labors, COBOL modernisieren zu können. Unternehmen mit Mainframe-Systemen fragten sich daraufhin, ob KI nun ihre COBOL-Systeme konvertieren und ihnen die Abschaltung der Mainframes ermöglichen könne. IBMs Antwort, die noch am selben Tag veröffentlicht wurde, war präzise: Die Übersetzung erfasst nur einen Bruchteil der tatsächlichen Komplexität, die in der Datenarchitektur, dem Laufzeitaustausch, der Transaktionsintegrität und den in die Plattform integrierten nicht-funktionalen Anforderungen liegt. Der Markt hatte zwei unterschiedliche Probleme verwechselt und eine Lösung für das eine so bewertet, als wäre sie eine Lösung für beide.
Die beiden Probleme sind das Verständnis und die Übersetzung. Sie sind keine Phasen desselben Vorgangs. Es handelt sich um grundverschiedene technische Herausforderungen, die KI mit jeweils unterschiedlichen Fähigkeiten und Risiken bewältigt. KI hat das Verständnis von COBOL-Systemen deutlich vereinfacht. Der Austausch ist dadurch jedoch nicht wesentlich günstiger geworden. Diese Unterscheidung ist wichtig, denn Unternehmen, die Modernisierungsinvestitionen tätigen, müssen wissen, welches Problem sie lösen wollen, welchen Nutzen KI konkret für jedes Problem bietet und wo die – unabhängig von KI-Tools – verbleibenden Verifizierungsarbeiten das Budget beanspruchen, das durch die Einsparungen beim Verständnis und der Übersetzung frei geworden ist.
Die strukturellen Grundlagen, die KI benötigt
SMART TS XL Identifiziert unerreichbare Programme, bevor die KI-Übersetzung beginnt – so wird übersetzt, was ausgeführt wird, nicht, was existiert.
MEHR ERFAHREN…Die Unterscheidung, die der Markt falsch verstanden hat
Verstehen und Übersetzen sind nicht dasselbe Problem.
Das Verständnis von Code ist die Disziplin, zu verstehen, was er tut und warum, und die geschäftliche Absicht aus der technischen Implementierung herauszulesen. Im COBOL-Kontext bedeutet das: Welche Geschäftsregeln kodiert dieses Programm? Welche Bedingungen bestimmen die einzelnen Ausführungspfade? Welche Daten liest und erzeugt es? Welche nachgelagerten Systeme hängen von seinen Ausgaben ab? Was müsste ein Business-Analyst über dieses Programm wissen, um eine Spezifikation für dessen Ablösung zu erstellen? Beim Codeverständnis geht es um Semantik, also um Bedeutung, nicht um Syntax.
Übersetzung ist die Kunst, Code von einer Programmiersprache in eine andere zu übertragen und dabei sein Verhalten beizubehalten. Im COBOL-Kontext bedeutet Übersetzung: Java-Code (oder Python- oder Go-Code) zu erzeugen, der für alle Eingaben und unter allen Bedingungen das Gleiche leistet wie der COBOL-Code und dabei eine ausreichende numerische Äquivalenz für die nachgelagerten Systeme aufweist, die die Ausgaben verarbeiten. Bei der Übersetzung geht es um strukturelle und verhaltensbezogene Äquivalenz. Der neue Code muss alle Tests bestehen, die auch der alte Code bestanden hätte, einschließlich Tests für Grenzfälle, die der ursprüngliche Entwickler berücksichtigt hat und von denen Sie möglicherweise nie etwas wussten.
| Abmessungen | Verständnis | Übersetzungen |
|---|---|---|
| Frage beantwortet | Was bedeutet dieser Code? | Was genau bewirkt dieser Code? |
| Ausgabetyp | Natürliche Sprache, Dokumentation | Ausführbarer Code |
| Fehlerfolgen | Durch menschliche Überprüfung korrigierbar | Produktionsvorfall |
| KI-Fähigkeit | Starke LLM-Absolventen zeichnen sich durch ihre Prosa aus. | Schwach, Determinismus erforderlich |
| Skalenbeschränkung | Mit Kontextfenstern handhabbar | Portfolio-Skalierung scheitert an Kontextlimit |
| Risikoprofil | Niedrig, Fehler sind überprüfbar | Bei hohen Werten sind Fehler unsichtbar, bis sie auftreten. |
| Menschliche Rolle | Validator und Anreicherer | Prüfer und Bewerter |
Diese Probleme hängen zwar zusammen – für eine gute Übersetzung ist ein gewisses Verständnis erforderlich –, aber es handelt sich nicht um dasselbe Problem, und die Leistungslücke der KI in diesem Bereich ist erheblich. Das Verständnis von COBOL-Code durch KI ist beeindruckend. Die KI-Übersetzung von COBOL-Code in produktionsreifen Java-Code ist hingegen sehr schwierig. Die Vermischung dieser beiden Aspekte durch den Markt ist der Grund, warum Gartner prognostiziert hat, dass über 70 Prozent der Mainframe-Exit-Projekte, die 2026 gestartet werden, die angestrebten Vorteile nicht erzielen werden.
Wo KI-Verständnis tatsächlich Ergebnisse liefert
Das Verständnisproblem weist eine Eigenschaft auf, die KI dafür prädestiniert: Die Ausgabe ist natürliche Sprache, und die Generierung natürlicher Sprache ist eine Stärke großer Sprachmodelle. Wenn KI ein COBOL-Programm liest und eine Dokumentation erstellt – eine Beschreibung der Programmfunktion, eine Erklärung der Geschäftsregeln und eine Auflistung der Datenflüsse –, ist die Ausgabe Text. Fehler in diesem Text sind behebbar: Ein menschlicher Prüfer kann eine falsch dargestellte Geschäftsregel erkennen und korrigieren, ohne dass dies technische Folgen hat. Die Kosten für Verständnisfehler beschränken sich auf die Korrektur der Dokumentation, nicht auf einen Produktionsausfall.
Dokumentation von Geschäftsregeln. Ein umfangreiches Sprachmodell, dem ein COBOL-EVALUATE-Block präsentiert wird – potenziell Hunderte von WHEN-Bedingungen, die sich über Jahrzehnte regulatorischer Änderungen angesammelt haben –, kann eine strukturierte Beschreibung der Bedeutung jeder Bedingung in Geschäftssprache erzeugen. Für Programme, deren Originaldokumentation nicht mehr existiert oder nie existiert hat, ist dies von unschätzbarem Wert. Ein COBOL-Programm, das die Steuerberechnungslogik für 63 Jurisdiktionen implementiert, kodiert diese Jurisdiktionsregeln in seiner EVALUATE-Struktur. KI kann sie schneller extrahieren und dokumentieren als jeder manuelle Prozess. Die Ergebnisse sollten von einem Fachexperten validiert werden, doch validiert dieser die KI-Ausgabe, anstatt Wissen von Grund auf neu zu erstellen – ein deutlich schnellerer Prozess.
So sieht KI-Verständnis in der Praxis aus. Gegeben sei folgender COBOL-Quellcode:
Cobol
EVALUATE TRUE
WHEN CUST-COUNTRY = 'US' AND CUST-STATE = 'CA'
COMPUTE TAX-AMT = GROSS-AMT * 0.0725
WHEN CUST-COUNTRY = 'US' AND CUST-STATE = 'TX'
COMPUTE TAX-AMT = GROSS-AMT * 0.0825
WHEN CUST-COUNTRY = 'UK'
COMPUTE TAX-AMT = GROSS-AMT * 0.20
WHEN CUST-COUNTRY = 'DE'
COMPUTE TAX-AMT = GROSS-AMT * 0.19
WHEN OTHER
MOVE ZERO TO TAX-AMT
END-EVALUATE.
Ein gut initiiertes LLM-Studium führt zu Folgendem:
Business Rule: Tax Calculation
This paragraph applies jurisdiction-specific tax rates to GROSS-AMT:
- US/California: 7.25% (CA state sales tax)
- US/Texas: 8.25% (TX state sales tax)
- United Kingdom: 20% (UK VAT standard rate)
- Germany: 19% (DE MwSt standard rate)
- All other countries: tax-exempt (TAX-AMT = 0)
Note: No rate exists for other US states. Orders from NY, FL, IL
will be tax-exempt under current logic -- likely a gap requiring review.Das Ergebnis ist wirklich wertvoll: Es dokumentiert vier Geschäftsregeln, identifiziert eine wahrscheinliche Lücke (US-Bundesstaaten ohne explizite Tarife) und das innerhalb weniger Stunden. Ein Fachexperte prüft es, bestätigt die Lücke und fügt sie den Testfällen hinzu. Die Verständnisaufgabe wurde erfolgreich abgeschlossen.
Abhängigkeitsbeschreibung. Statische Analysetools erstellen Abhängigkeitsgraphen, die aufzeigen, welche Programme welche Programme aufrufen, welche Copybooks gemeinsam genutzt werden und welche Datensätze zwischen den Programmen fließen. KI kann aus diesem Graphen eine natürlichsprachliche Beschreibung generieren: „CUSTPROC wird von 14 Programmen aufgerufen, hauptsächlich im nächtlichen Batch-Verarbeitungsfenster. Es teilt CUSTMSTR mit 47 Programmen und erzeugt Ausgaben in der Datei CUST-REPORT-FILE, die vom Workflow für die regulatorische Berichterstattung verwendet wird.“ Diese Beschreibung ist für die Einarbeitung und die Überprüfung der Architektur deutlich nützlicher als ein reiner Abhängigkeitsgraph. KI generiert sie innerhalb von Sekunden aus den strukturierten Abhängigkeitsdaten.
Generierung von Testfällen aus bekanntem Verhalten. Sobald die KI das Programmverhalten dokumentiert hat, kann sie Testfälle generieren, die die dokumentierten Ausführungspfade abdecken. Dies ist nicht gleichbedeutend mit dem Nachweis der Verhaltensäquivalenz; die Testfälle decken Pfade ab, die die KI verstanden hat, und können daher Pfade auslassen, die sie nicht verstanden hat. Dennoch ist die Abdeckung von 60 Prozent der Ausführungspfade durch KI-generierte Tests besser als die derzeit bei vielen älteren Programmen vorhandene Abdeckung von null Prozent. Sie bietet zudem einen Ausgangspunkt für die manuelle Testergänzung, die für die Validierung der Verhaltensäquivalenz erforderlich ist.
Mustererkennung in ähnlichen Programmen. Große COBOL-Portfolios enthalten häufig viele Programme mit struktureller Ähnlichkeit, beispielsweise dasselbe Verarbeitungsmuster, das auf verschiedene Entitäten angewendet wird, oder dieselbe regulatorische Berechnung, die unterschiedlich parametrisiert ist. KI kann diese Ähnlichkeiten in Tausenden von Programmen identifizieren und sie nach Mustertyp gruppieren. Dies ermöglicht eine Migrationsstrategie, die jedes Muster nur einmal behandelt und die Lösung systematisch anwendet, anstatt jedes Programm als einzigartig zu betrachten.
Der gemeinsame Nenner: Die Ergebnisse der KI-gestützten Textverarbeitung sind Texte, die von Menschen überprüft werden können. Durch diese menschliche Überprüfung werden Fehler erkannt, bevor sie technische Konsequenzen haben. Das Risikoprofil der KI-gestützten Textverarbeitung ist so gering, dass der Nutzen, den sie bietet, unbestreitbar ist und die auftretenden Fehler beherrschbar sind.
Wo KI-Übersetzung zu viel verspricht
Übersetzung hat eine Eigenschaft, die sie für KI grundlegend schwieriger macht als das Textverständnis: Das Ergebnis ist ausführbarer Code, und dieser muss absolut korrekt sein. Eine Übersetzung mit 95-prozentiger Genauigkeit führt zu einem Programm, das bei 5 Prozent der Eingaben fehlschlägt. In einem System zur Verarbeitung von Finanztransaktionen kann dies beispielsweise einen Fehler in der Meldepflicht, eine Abweichung in der Saldenberechnung oder einen Verstoß gegen die Compliance-Vorschriften darstellen. Die Kosten von Übersetzungsfehlern beschränken sich nicht auf die Korrektur von Dokumentationen, sondern stellen einen Produktionsausfall dar.
Der Fehler bei der numerischen Genauigkeit. Die gepackte Dezimalarithmetik von COBOL (COMP-3) liefert exakte Dezimalergebnisse. Javas double und Pythons float Es verwendet IEEE 754 binäre Gleitkommazahlen, die die meisten Dezimalbrüche nicht exakt darstellen können. Ein COBOL-Programm, das berechnet 0.1 + 0.2 mit COMP-3 erzeugt genau 0.3Die gleiche Berechnung in Java mit double produziert 0.30000000000000004Für ein Finanzinstitut, bei dem diese Berechnung 10 Millionen Mal pro Nacht für regulatorische Meldungen durchgeführt wird, ist der akkumulierte Fehler keine Randnotiz, sondern eine Diskrepanz in der Finanzberichterstattung. Eine KI-Übersetzung, die Java-Code generiert, ohne die Zuordnung von COMP-3 zu BigDecimal explizit zu behandeln, führt diesen Fehler systematisch ein – und zwar für jedes Feld, das die KI übersetzt. double statt BigDecimal.
Der Unterschied im Code ist subtil; die Konsequenz ist es nicht:
Cobol
* COBOL: COMP-3 packed decimal -- exact arithmetic
77 UNIT-PRICE PIC S9(7)V99 COMP-3.
77 QUANTITY PIC S9(5) COMP-3.
77 LINE-TOTAL PIC S9(11)V99 COMP-3.
COMPUTE LINE-TOTAL = UNIT-PRICE * QUANTITY.
* UNIT-PRICE = 19.99, QUANTITY = 3
* LINE-TOTAL = exactly 59.97 -- no rounding error
Java
// Java: naive AI translation uses double -- introduces error
double unitPrice = 19.99;
int quantity = 3;
double lineTotal = unitPrice * quantity;
// lineTotal = 59.96999999999999... not 59.97
// Correct translation requires BigDecimal:
// BigDecimal lineTotal = new BigDecimal("19.99").multiply(new BigDecimal(3));Bei einer einzelnen Transaktion ist der Fehler nicht sichtbar. Bei zehn Millionen Transaktionen pro Nacht, die in einem aufsichtsrechtlichen Eigenkapitalbericht zusammengefasst werden, stellt er jedoch eine wesentliche Abweichung dar. Eine KI-Übersetzung, die die COMP-3-Felder nicht explizit berücksichtigt, wird diese Ersetzung jedes Mal vornehmen.
Die Abhängigkeit von Compileroptionen. Identischer COBOL-Quellcode kann mit unterschiedlichen Compileroptionen zu unterschiedlichem Verhalten führen. NUMPROC(MIG) vs. NUMPROC(NOPFD) ändert die Behandlung numerischer Ausnahmen. Die Optionen RMODE, AMODE und DATA beeinflussen die Adressierung. Eine KI, die COBOL-Quellcode übersetzt, ohne die verwendeten Compileroptionen zu kennen, übersetzt den Quellcode des Programms, nicht aber dessen Verhalten. Der übersetzte Java-Code entspricht möglicherweise dem Quellcode, aber nicht dem tatsächlichen Verhalten.
Das Problem der fehlerhaften Übersetzung im großen Stil. Untersuchungen zeigen, dass Modelle der GPT-4-Klasse bei allgemeinen Codeübersetzungsaufgaben Fehlerraten von 33 bis 60 Prozent aufweisen. Sie generieren plausibel aussehenden Code, der Verhalten hinzufügt oder entfernt, das im Quellcode nicht vorhanden ist. Bei einem Programm mit 847 EVALUATE-Bedingungen bedeutet eine Fehlerrate von 5 Prozent, dass etwa 42 Bedingungen falsch übersetzt werden. Diese 42 Bedingungen repräsentieren Geschäftsregeln, die durch die Übersetzung unbemerkt verletzt wurden. Ohne einen vollständigen Testkorpus, der jede Bedingung abdeckt, bleiben diese Fehler unentdeckt, bis die spezifische Eingabekombination, die sie auslöst, in der Produktion eingesetzt wird.
Die Bedeutung der Zahlen:
Error Type | Detection Point | Cost Range
--------------------|--------------------|------------------
Comprehension error | Human review | Hours to fix
Translation error | Test suite | Days to isolate
Translation error | Production | $10K-$500K+ incident
Equivalence gap | Regulatory audit | $50K-$5M+ penaltyDie Asymmetrie: Verständnisfehler werden erkannt, bevor sie technische Konsequenzen haben. Übersetzungsfehler überstehen die Überprüfung und führen erst in der Produktion oder, schlimmer noch, bei der Einreichung bei den Zulassungsbehörden zu schwerwiegenden Problemen.
Die Obergrenze des Kontextfensters. IBMs watsonx Code Assistant für Z erreicht bei der COBOL-zu-Java-Übersetzung einzelner Programme innerhalb eines Kontextfensters eine strukturelle Genauigkeit von mindestens 80 Prozent. Ein COBOL-Portfolio mit 5 Millionen Zeilen besteht aus Tausenden von Programmen mit programmübergreifenden Abhängigkeiten, die sich über mehrere Programme erstrecken, die nicht alle gleichzeitig im selben Kontextfenster liegen können. Ruft ein Programm ein Unterprogramm auf, dessen Schnittstelle die KI anders übersetzt hat als von den Annahmen des aufrufenden Programms angenommen, entsteht eine Schnittstelleninkompatibilität, die durch keine der Übersetzungen allein aufgedeckt würde. Übersetzungen im Portfoliomaßstab erfordern daher ein Verständnis der Programmübergreifenden Zusammenhänge, nicht nur der einzelnen Programme.
Das Problem der kontextfreien Übersetzung. Ein COBOL-Programm, das ein bestimmtes Geschäftsereignis verarbeitet, tut dies mit einem Kontext, der im umgebenden System eingebettet ist: dem Batch-Plan, der den Ausführungszeitpunkt bestimmt, den Datensätzen, die beim Start verfügbar sein müssen, der Reihenfolge der Datensatzverarbeitung und den nachgelagerten Programmen, die die Ausgabe vor ihrer Ausführung lesen. Eine KI, die das Programm übersetzt, ohne diesen Kontext zu verstehen, übersetzt zwar den Quellcode, aber nicht die Funktion. Der übersetzte Java-Code kann intern korrekt sein und dennoch im Betrieb fehlschlagen, weil er zum falschen Zeitpunkt, in der falschen Reihenfolge und ohne die Datenvoraussetzungen ausgeführt wird, auf die sein COBOL-Vorgänger angewiesen war.
Die Verhaltensäquivalenzlücke
Das bedeutendste Problem, das weder KI für das Textverständnis noch KI für die Übersetzung lösen können, ist der Nachweis der Verhaltensäquivalenz, also der Nachweis, dass das modernisierte System für alle Eingaben, die für das Unternehmen und seine Aufsichtsbehörden von Bedeutung sind, die gleichen Ergebnisse liefert wie das Vorgängersystem.
Verhaltensäquivalenz ist kein Testproblem im herkömmlichen Sinne. Es geht nicht darum, ob das neue System die Testsuite besteht, denn eine solche Testsuite für ein älteres COBOL-System existiert oft nicht oder deckt nur einen Bruchteil der Programmausführungspfade ab. Vielmehr geht es darum: Erzeugt das modernisierte System für jede Eingabe, die das Produktivsystem jemals erhalten hat, dieselbe Ausgabe? Und liefert das modernisierte System für jede Eingabe, die das Produktivsystem zukünftig erhalten könnte – einschließlich Sonderfällen, die nur unter seltenen Marktbedingungen, in Meldezeiträumen oder bei spezifischen Kundenumständen auftreten – das gleiche Ergebnis?
Zur Beantwortung dieser Frage bedarf es: einer Charakterisierung des Verhaltens des bestehenden Systems, die sich aus der tatsächlichen Ausführung im Produktivbetrieb ergibt (nicht aus der Dokumentation, nicht allein aus dem Quellcode), eines Testkorpus, der die gesamte Bandbreite dieses Verhaltens abdeckt, und eines Vergleichsrahmens, der beurteilen kann, was „äquivalent“ für Ausgaben bedeutet, bei denen sich die Darstellung unterscheidet (EBCDIC vs. UTF-8, gepackte Dezimalzahlen vs. BigDecimal, Batch-Datei vs. Datenbankeintrag).
Nichts davon leisten KI-Übersetzungstools. IBMs Einschätzung ist eindeutig: Übersetzungen erfassen kaum die tatsächliche Komplexität der Modernisierung. Die Kosten und Risiken konzentrieren sich auf die Verhaltensäquivalenzprüfung, den Parallelbetrieb, den Abgleichrahmen und die behördliche Genehmigung – und genau hier wirkt sich KI am wenigsten auf die Gesamtprogrammkosten aus. KI komprimiert den Anfang des Modernisierungsprojekts: das Verständnis und die erste Übersetzung. Sie komprimiert jedoch nicht den Hintergrund: Verifizierung, Äquivalenztests und parallele Validierung.
Das korrekte Modell: Statische Analysegrundlage, KI-Semantikschicht
Die effektivste KI-Verständnisfähigkeit liegt nicht in der KI selbst, sondern in der KI, die auf einem strukturellen Fundament aufbaut, das durch statische Analyse geschaffen wird. Die Grenzen der KI-Verständnisfähigkeit (Kontextfensterbegrenzungen, Fehlinterpretationen komplexer programmübergreifender Logik, probabilistische statt deterministische Analyse) werden durch statische Analyse behoben. Umgekehrt werden die Grenzen der statischen Analyse (sie liefert strukturelle Fakten, aber keine semantischen Beschreibungen) durch KI überwunden.
Die richtige Arbeitsteilung: Statische Analysen liefern strukturelle Gewissheit (deterministisch, vollständig, ohne Fehlinterpretationen). Künstliche Intelligenz (KI) sorgt für semantische Vielfalt (natürliche Sprachbeschreibungen, Mustererkennung, Testgenerierung). Beides allein reicht nicht aus. Zusammen decken sie das gesamte Verständnis ab.
Die strukturelle Grundlage, die die statische Analyse liefert:
Vollständiges Programminventar. Jedes Programm im Portfolio, einschließlich derjenigen, die in der Dokumentation nicht erfasst wurden, und derjenigen, die der Kontext der KI niemals gleichzeitig erfassen könnte. Die statische Analyse verarbeitet das gesamte Portfolio ohne Kontextbeschränkungen.
Ein präziser Abhängigkeitsgraph. Jede CALL-Beziehung, jede COPY-Beziehung, jeder Datenfluss zwischen Programmen wird deterministisch aus dem Quellcode abgeleitet, nicht probabilistisch aus Trainingsdaten. Wenn ein KI-Verständnistool die Abhängigkeiten eines Programms beschreibt, sollte diese Beschreibung auf einem Abhängigkeitsgraphen basieren, der durch statische Analyse erzeugt wurde, und nicht auf der probabilistischen Erinnerung der KI an typische Programmabhängigkeiten.
Identifizierung von totem Code. Programme, die von keinem Produktionsausführungspfad aus erreichbar sind, fallen nicht in den Modernisierungsbereich. Statische Analysen identifizieren sie zuverlässig; KI kann dies nicht, da ihr die Laufzeit-Ausführungsspuren fehlen, die notwendig sind, um aktiven Code allein durch statische Analysen von totem Code zu unterscheiden.
Datenschema-Inventar. Jeder FD-Eintrag, jedes Copybook, jedes COMP-3-Feld mit seiner Präzisionsangabe, extrahiert aus Quellartefakten und nicht aus dem Trainingsdatenspeicher der KI rekonstruiert, der zeigt, wie COBOL-Felddefinitionen typischerweise aussehen.
Auf dieser strukturellen Grundlage ergänzt die KI-gestützte Programmanalyse die semantische Ebene: natürlichsprachliche Beschreibungen der Programmfunktionen, Dokumentation der Geschäftsregeln, Darstellung programmübergreifender Datenflüsse und Mustererkennung zur Gruppierung ähnlicher Programme. Diese Kombination aus deterministischer struktureller Genauigkeit durch statische Analyse und semantischer Fülle in natürlicher Sprache durch KI bildet das Modell, das verlässliche Analyseergebnisse für ein Modernisierungsteam liefert.
Was dies für Ihr Modernisierungsprogramm bedeutet
Praktische Allokation von KI-Investitionen auf Grundlage dieser Analyse:
Investieren Sie in KI-gestütztes Textverständnis. Dokumentationserstellung, Extraktion von Geschäftsregeln, Abhängigkeitsanalyse und Testfallgenerierung aus dokumentiertem Verhalten – dies sind wertvolle und risikoarme KI-Anwendungen, die die teuerste, traditionell manuelle Phase der Modernisierung verkürzen. Führen Sie diese Schritte vor der Übersetzung durch, denn das Textverständnis ist die Grundlage jeder weiteren Entscheidung.
Nutzen Sie KI-Übersetzung als Entwurfsgenerator, nicht als finale Version. KI-Übersetzung erzeugt einen Java- oder Python-Ausgangscode, den ein Entwickler prüft, korrigiert und validiert – keinen produktionsreifen Code, der ohne menschliche Prüfung eingesetzt werden kann. Indem Sie die KI-Übersetzung als Entwurf behandeln, senken Sie die Übersetzungskosten und gewährleisten gleichzeitig die für die Äquivalenzvalidierung notwendige menschliche Verantwortung.
Die Einsparungen durch KI-Übersetzung dürfen nicht mit den Verifizierungskosten verrechnet werden. KI verkürzt zwar die Zeit für die Erstellung eines übersetzten Programms, jedoch nicht die Zeit für den Nachweis der Äquivalenz zwischen dem übersetzten und dem Originalprogramm. Die Verifizierungsphase sollte unabhängig von den Einsparungen durch KI-Übersetzung eingeplant werden, da sich der Verifizierungsumfang durch eine schnellere Übersetzung nicht verringert.
Zuerst muss die strukturelle Grundlage geschaffen werden. KI-gestützte Analysetools, denen eine solche Grundlage, ein präziser Abhängigkeitsgraph, ein vollständiges Programminventar und ein Datenschema-Inventar fehlen, liefern nur unvollständige Ergebnisse an den komplexesten Stellen des Codes. Die Programme, die am dringendsten KI-Unterstützung benötigen, sind in der Regel die komplexesten, am stärksten programmübergreifend abhängigen und übersteigen mit hoher Wahrscheinlichkeit die Möglichkeiten der KI, den Quellcode allein präzise zu analysieren.
Wie SMART TS XL Unterstützt KI-gestütztes COBOL-Verständnis
SMART TS XL bietet die Grundlage für die Strukturanalyse, die es der KI ermöglicht, COBOL-Portfolios präzise und nicht nur probabilistisch zu verstehen.
Die statische Codeanalyse liefert die für KI-gestützte Codeanalyse benötigten Programmstrukturdaten: Jede EVALUATE-Bedingung wird aufgelistet, jede COMPUTE-Formel extrahiert und jedes Datenzugriffsmuster charakterisiert. Wenn KI-Dokumentationswerkzeuge mit diesen Strukturdaten als Kontext auf den Quellcode zugreifen, erzeugen sie Beschreibungen, die sich auf den tatsächlichen Inhalt des Codes stützen und nicht auf das typische Verhalten ähnlicher Programme.
Die Abbildung von Anwendungsabhängigkeiten liefert den programmübergreifenden Kontext, den KI-Kontextfenster nicht gleichzeitig darstellen können. Ein Abhängigkeitsgraph, der die 14 Aufrufer von CUSTPROC, die 47 Copybook-Teilnehmer und die 3 Datenflussausgaben zeigt, ermöglicht KI-Verständniswerkzeugen, die Rolle eines Programms im Portfolio vollständig zu erfassen, ohne dass sich jedes abhängige Programm gleichzeitig im selben Kontextfenster befinden muss.
Die Analyse der Legacy-Modernisierung liefert das Inventar des toten Codes und die Komplexitätsverteilung, die die KI-gestützte Codeanalyse allein nicht zuverlässig ermitteln kann: welche Programme von der Produktionsumgebung aus nicht erreichbar sind (und daher vom Geltungsbereich ausgeschlossen wurden), welche Programme die höchste Komplexität aufweisen (wo Verständnisfehler am kostspieligsten sind) und wie der Umfang der Datenmigration aussieht, abgeleitet aus tatsächlichen FD-Einträgen und nicht aus der Dokumentation.
Die unternehmensweite Suchfunktion ermöglicht die Abfrage des Strukturinventars zur Unterstützung des KI-gestützten Verständnisses: Finden Sie jedes Programm, das ein bestimmtes Muster implementiert, jeden EVALUATE-Block mit mehr als N Bedingungen, jedes Programm, das auf einen bestimmten Datensatz zugreift, Abfragen, die das KI-Verständnis auf strukturellen Beweisen und nicht auf der Wahrscheinlichkeit der Trainingsdaten basieren.
Für Organisationen, in denen KI mittlerweile Teil der Modernisierungsinstrumente ist, SMART TS XLDie Strukturanalyse ist die Ebene, die das KI-Verständnis auf Portfolioebene präzise macht und dabei die Grenzen des Kontextfensters, das Risiko von Fehlinterpretationen in der programmübergreifenden Logik sowie die Determinismuslücke zwischen Strukturanalyse und probabilistischer Generierung angeht.
KI hat die Kosten des Verstehens verändert. Nicht die Kosten des Beweisens.
Was sich 2026 geändert hat, sind die Kosten für das Verständnis. Künstliche Intelligenz (KI) hat es deutlich günstiger und schneller gemacht, die Funktionsweise eines COBOL-Programms zu verstehen, seine Geschäftsregeln zu dokumentieren, sein Verhalten zu charakterisieren und seine Position im Portfolio zu beschreiben. Dies ist ein echter und substanzieller Beitrag zur Wirtschaftlichkeit der Modernisierung. Bei Programmen, deren Verständnisphase zuvor wochenlange Spezialistenarbeit erforderte, kann KI innerhalb weniger Stunden einen ersten Entwurf erstellen, den Spezialisten prüfen und verfeinern, anstatt ihn von Grund auf neu zu entwickeln.
Unverändert geblieben sind die Kosten für den Nachweis. Die Validierung der Verhaltensäquivalenz, der Parallelbetrieb, die behördliche Genehmigung und die Überprüfung der Datenmigration – all diese Schritte sind nach wie vor dieselben wie vor dem Einsatz von KI und beanspruchen weiterhin 40 bis 50 Prozent des Modernisierungsbudgets, unabhängig davon, wie schnell die Phasen des Verstehens und Übersetzens abgeschlossen werden. IBM hatte am 23. Februar 2026 Recht: Die Übersetzung erfasst nur einen Bruchteil der tatsächlichen Komplexität. Die eigentliche Komplexität liegt in der Überprüfung der Verhaltensäquivalenz, und diese Komplexität verringert sich nicht, wenn die Übersetzung beschleunigt wird.
Organisationen, die KI erfolgreich in der COBOL-Modernisierung einsetzen, investieren in die KI-gestützte Codeanalyse – Bereiche, in denen KI wirklich exzellent ist – und betrachten die KI-Übersetzung als Ausgangspunkt für die menschliche Überprüfung, nicht als fertiges, sofort einsatzbereites Produkt. Sie wissen, dass Kosteneinsparungen im Projektverlauf nicht automatisch zu geringeren Kosten im Projektverlauf führen. Und sie schaffen die notwendige Grundlage für eine präzise KI-gestützte Codeanalyse, die auf Portfolioebene, wo die wichtigsten Analyseaufgaben anfallen, gewährleistet ist.
