Auf einen Blick: Mainframes sind für die Kern-Finanzdienstleistungen entscheidend und ermöglichen wichtige Abläufe wie Transaktionsverarbeitung und regulatorische Berichterstattung. Jüngste Fortschritte erleichtern ihre Integration mit modernen Technologien und festigen ihre Rolle in strategischen Bankinitiativen.
- Moderne Großrechner unterstützen effizient die Verarbeitung hochvolumiger Transaktionen.
- API-Standardisierung verbessert den Datenaustausch über Plattformen hinweg.
Das moderne Mainframe ist die Grundlage für strategische Bank- und Finanzprojekte, darunter API-First-Banking as a Service, Open Banking, Modelltraining generativer künstlicher Intelligenz (GenAI) und Möglichkeiten für eingebettete Finanzen.
Großrechneranwendungen betreiben zentrale, geschäftskritische Anwendungen führender Finanzdienstleister, wie Kernbankwesen, Schadenbearbeitung und Zahlungsabwicklung. Solche Anwendungen unterstützen die Weltwirtschaft.
Jüngste Fortschritte bei Mainframe-Hardware und -Software bringen die Plattform ins 21. Jahrhundert und machen es einfacher denn je, Mainframes in strategische IT-Projekte einzubinden und deren Betrieb zu vereinfachen.
Mainframe-verwaltete Daten sind zudem eine kritische Quelle für eine wachsende Zahl von GenAI-Anwendungen im Bank- und Finanzbereich wie Kundenservice, Vertrieb und Marketing, Betrugserkennung, Cybersicherheit und regulatorische Berichterstattung. Mainframe-Daten aus geschäftskritischen Anwendungen sind eine wahre Goldgrube für LLM-Schulungen.
Der moderne Mainframe hilft außerdem, organisatorische Herausforderungen wie technische Schulden und eine in den Ruhestand gehende Mainframe-Belegschaft zu adressieren, was es Mainframe-Anwendungen ermöglicht, gleichberechtigt an ... teilzunehmen.
Trategic Financial Services Initiativen nutzen all diese Infrastrukturen, und neue Hardware- und Softwaretechnologien für das Mainframe ermöglichen solche Initiativen.
Entwicklung des Großrechners
Der Großrechner hat eine lange und erfolgreiche Geschichte in der IT-Branche. Die ersten kommerziellen Anwendungen auf Großrechner hatten einen enormen Einfluss auf die Finanzdienstleistungsbranche und automatisierten erfolgreich zuvor manuelle Abläufe.
Technologische Fortschritte ermöglichten neue Arten von Anwendungen für verteilte Computer, PCs und Handheld-Geräte, aber zentrale, geschäftskritische Anwendungen auf dem Großrechner verankerten weiterhin die IT-Infrastruktur. Der Großrechner. Großrechner bleiben die beste Plattform für eine aufschlagzahlige, zuverlässige Transaktionsverarbeitung.
Moderne Großrechner bieten fortschrittliche CPUs, virtuelle Maschinen, moderne Betriebssysteme (z. B. Linux), moderne Programmiersprachen (z. B. Java und Python) sowie moderne Softwarewerkzeuge (z. B. CI/CD-Pipelines und AIOps) und bieten viele Funktionen, die ursprünglich für verteilte und Cloud-Computing-Umgebungen entwickelt wurden (z. B. Docker-Container). All diese neuen Fähigkeiten zeugen vom anhaltenden Erfolg des Großrechners und unterstützen neue strategische Initiativen.
Die BMC Mainframe-Umfrage 2025 zeigt, dass die Mehrheit der Finanzdienstleistungsorganisationen weiterhin geschäftskritische Anwendungen auf Mainframes betreibt und weiterhin in diese Anwendungen investiert, mit dem Ziel, neue Initiativen zu modernisieren und zu unterstützen.
Die Modernisierung von missionskritischen Großrechneranwendungen trägt ebenfalls dazu bei, die Gesamtkosten zu senken, kann die Verfügbarkeit und Resilienzeigenschaften verbessern und das größere Migrationsrisiko verringern.
Bedeutende Mainframe-Eigenschaften
Ein Computer, der ursprünglich einen ganzen Raum einnahm, ist jetzt etwa so groß wie ein Kühlschrank. Diese reduzierte Größe bietet deutlich mehr Leistung als die Originalmodelle und zu geringeren Kosten.
Im Laufe der Jahre wurden Mainframes immer schneller und kostengünstiger.
Es ist sinnvoller denn je, in Anwendungen für den Großrechner zu investieren, insbesondere in umfangreiche, zuverlässige Transaktionsverarbeitungsanwendungen wie Kernbankwesen und Schadenbearbeitung. Die Großrechnerarchitektur ist besonders gut für diese Art von Anwendung geeignet.
Und die daraus resultierenden transaktionalen Datensätze können unglaublich wichtig sein, um Entscheidungsunterstützung, Analysesysteme und GenAI-Systeme zu versorgen.
Die Verarbeitung von Transaktionen, typischerweise durch die Koordination von zwei oder mehr Operationen auf Daten zu einer einzigen Einheit, die als Einheit erfolgreich oder fehlschlägt (wie etwa eine Debit-/Kreditoperation für eine einfache Geldüberweisung oder eine komplexere ATM-Abhebung), entstand auf dem Großrechner und funktioniert wohl immer noch am besten.
Jüngste Fortschritte in der Mainframe-Hardware und -Software haben Mainframes ins 21. Jahrhundert gebracht, die Kosten gesenkt und die Auswirkungen von Qualifikationsmangeln bei Mainframes verringert.
Begin Transaction Transfer
Write Debit Amount to Account A
Write Credit Amount to Account B
End Transaction
Transaktionale Konsistenz – das heißt, Operationen auf Daten innerhalb einer Transaktion (wie im obigen Code-Snippet) – können als Einheit erfolgreich oder scheitern – wird durch die Latenz des verteilten Rechnens beeinflusst.
Die Zeit und Entfernung, die zur Koordination mehrerer Operationen zur Festplatte benötigt werden, werden durch Netzwerklatenz beeinflusst, insbesondere wenn eine große Arbeitslast auf mehrere Computer in einem Cluster oder einer Cloud verteilt ist. Wenn die gesamte Anwendung auf dem Großrechner ist, wird diese Latenz reduziert und Leistung sowie Zuverlässigkeit erhöht.
Diese Art von transaktionaler Konsistenz und genauer Ergebniserfassung ist besonders wichtig für Kernanwendungen im Finanzdienstleistungsbereich. Am Ende des Tages muss alles auf den sprichwörtlichen Penny ausgeglichen werden.
Mainframes haben sich auch zu erstklassigen Teilnehmern in hybriden Cloud-Architekturen entwickelt, die in der Finanzdienstleistungswelt für Analysen, Berichterstattung und GenAI zunehmend verbreitet sind, da sie große Datenmengen zuverlässig verarbeiten und übertragen können.
Standardisierte Schnittstellen
Während ich Chief Architect der Investment Banking Division einer multinationalen Investmentbank war, hieß ein strategisches Programm, das wir leiteten, Managed Evolution.
Die Idee war, Service-Oriented Architecture (SOA)-Schnittstellen zu nutzen, um bestehende Funktionalitäten zu kapseln, sie mit neuen Anwendungen zu verbinden und einen konsistenten Zugriff auf die Anwendungen über GUIs zu bieten. Ursprünglich verwendeten wir CORBA, entwickelten die Implementierung aber weiter, um SOAP und REST einzubeziehen.
Das Hauptziel ist es, konsistente, standardisierte APIs und Datenmodelle unternehmensweit verfügbar zu haben. (Das Implementierungsformat und das Kommunikationsprotokoll können variieren.) Diese Abbildung veranschaulicht die Idee:
Abbildung 1: Beispiel-IT-Landschaft für Bankanwendungen
Der schnittstellenzentrierte Ansatz normalisiert den Datenzugriff und -teilen, indem die Daten an den API-Integrationspunkten in ein Standardformat umgewandelt werden.
Diese API-Standardisierung unterstützt Berichterstattung und Analysen, bietet konsistente Feeds für Data-Warehouse-Anwendungen und GenAI-Modelltraining und legt eine wichtige Grundlage für Innovationen, indem sie die Hinzufügung neuer Funktionen und Anwendungen vereinfacht.
Nicht zuletzt ermöglicht es die Konsolidierung von Funktionen für Web- und mobile GUIs, wie das Anzeigen aller Bankkonten eines Kunden oder die Nachverfolgung des Verlaufs eines Versicherungsanspruchs über mehrere Systeme hinweg.
Anwendungs-API-Konsumenten und GUI-Nutzer wissen nicht, dass eine Anwendung auf einem Großrechner, einem verteilten System oder einer Cloud läuft.
Dies ermöglicht es Organisationen, Anwendungen auf den für sie passenden Plattformen auszuführen, einschließlich moderner Großrechner, die wie erwähnt eine gute Plattform für den Betrieb von Kerntransaktionsverarbeitungsanwendungen sind.
Die Intellyx-Version
Großrechner waren schon immer ein Grundpfeiler kommerzieller Anwendungen und sind tatsächlich relevanter denn je. Das gilt besonders für die Finanzdienstleistungen, die die Weltwirtschaft am Laufen halten.
Neue Entwicklertools bieten einen gemeinsamen Ansatz für Mainframes, der von Cloud- und verteilten Plattformen genutzt wird. Und KI-gestützte Automatisierungstools wie die BMC AMI Suite vereinfachen den Betrieb und das Datenmanagement – und die Mainframe-Automatisierung für Finanzinstitute erweitert diese Fähigkeit auf geschäftskritische Arbeitsabläufe wie Kernbankwesen und Zahlungsabwicklung.
Mainframe-Softwareanbieter wie BMC sponsern ebenfalls Programme, um die Kompetenzlücke zu schließen, indem sie Entwicklerschulungen und Methoden zur Verbesserung von Resilienz, Leistung und Sicherheit anbieten.
Großrechner bleiben die kosteneffiziente Plattform der Wahl für große Transaktionsvolumen, die unbedingt genau durchgeführt, korrekt gespeichert und abgerufen werden müssen.
Es ist ein altes Sprichwort, dass die Korrektur eines Fehlers teurer ist, als den Fehler überhaupt zu verhindern, aber das trifft wahrscheinlich nirgendwo stärker zu als im Finanzdienstleistungsbereich. Für viele Anwendungen sind Großrechner immer noch die beste Lösung für diese kosteneffiziente Berechnung.
Copyright© Intellyx B.V. Intellyx ist redaktionell für dieses Dokument verantwortlich. Für diese Inhalte wurden keine KI-Bots verwendet. Zum Zeitpunkt des Schreibens ist BMC ein Intellyx-Client. Bild von Google DeepMind aus Pexels.com.
Für weitere Einblicke in die Rolle des Mainframes in der Finanzdienstleistungsbranche sowie über die Auswirkungen moderner Werkzeuge und Prozesse hören Sie den Modern Mainframe-Podcast "Banking on the Future: Tackling FinServ Challenges with a Modern Mainframe".
Diese Beiträge sind meine eigenen und spiegeln nicht unbedingt die Position, Strategien oder Meinung von BMC wider.