Mainframe-Anwendungen mit moderner Architektur: Wie Generative KI COBOL in Java transformiert

Wie Generative AI die Mainframe-Modernisierung neu definiert – von Legacy-Code zu skalierbarer Java-Architektur

Mainframe‑Systeme bilden noch immer das Rückgrat vieler kritischer Geschäftsprozesse, gleichzeitig stehen sie unter hohem Modernisierungsdruck. Klassische Migrationsansätze für COBOL‑, Natural‑ oder PL/1‑Anwendungen sind jedoch aufwendig, teuer und stark vom knappen Expertenwissen abhängig. Der Vortrag zeigt, wie Generative Künstliche Intelligenz (GenAI) diesen Transformationsprozess grundlegend verändern kann.

Prof. Dr. Philipp Brune gibt einen fundierten Einblick in den aktuellen Stand der KI‑gestützten Code‑Migration von Legacy‑Systemen hin zu modernen Java‑Architekturen. Dabei wird erläutert, wie Large Language Models (LLM) heute bereits für Codeanalyse, Dokumentation, Testfallgenerierung und insbesondere für die Transformation von COBOL‑ und Natural‑Code eingesetzt werden können. Ein Schwerpunkt liegt auf hybriden Ansätzen, die GenAI mit Wissensgraphen, Retrieval‑Augmented Generation (RAG) und strukturiertem Prompting kombinieren, um qualitativ hochwertigen und wartbaren Java‑Code zu erzeugen. Anhand konkreter Praxis‑ und Forschungsergebnisse aus realen Modernisierungsprojekten erfahren die Teilnehmenden, welche Ergebnisse sich mit GenAI tatsächlich erzielen lassen, wo die aktuellen Grenzen liegen und warum Qualitätssicherung, Korrektheit und Nachvollziehbarkeit zentrale Erfolgsfaktoren sind. Darüber hinaus zeigt der Vortrag, wie sich GenAI sinnvoll in eine (teil‑)automatisierte „Migrationsfabrik“ integrieren lässt und welchen Mehrwert sie für Zeit, Kosten und Skalierbarkeit bietet.
Der Beitrag richtet sich an Architekt:innen, Entwickler:innen und Entscheider:innen, die realistisch einschätzen möchten, welches Potenzial GenAI für die nachhaltige Mainframe‑Modernisierung heute und in naher Zukunft bietet.