Auf einen Blick: Erkenntnisse aus der BMC Mainframe Survey 2024 verdeutlichen die wachsende Bedeutung von GenAI zur Verbesserung der operativen Effizienz in Mainframe-Umgebungen. Die Umfrage zeigt, dass 76 % der Organisationen GenAI übernehmen, wobei 40 % signifikante operative Verbesserungen melden.
- Die AIOps-Priorisierung unter Mainframe-Organisationen stieg von 34 % auf 45 %.
- Vierzig Prozent der Organisationen, die GenAI nutzen, berichteten von einer verbesserten operativen Effizienz.
Dieses Jahr markiert mein zehntes Jahr bei BMC, und fast die gesamte Zeit war ich mit der Durchführung der BMC Mainframe-Umfrage verbunden. In der gerade abgeschlossenen Analysephase stach in diesem Jahr eine Sache aus den Umfrageergebnissen hervor. In den Daten haben wir eine neue Priorität und einen neuen Fokus auf den Einsatz oder den potenziellen Einsatz von Künstlicher Intelligenz (KI) zur Verwaltung der Mainframe-Komplexität und der durch die sich wandelnde Mainframe-Belegschaft entstandenen Wissenslücke festgestellt. Die Nutzung von KI, einschließlich maschinellem Lernen (ML) und generativer KI (GenAI), ist entscheidend geworden, um die betriebliche Effizienz zu steigern und moderne IT-Anforderungen zu erfüllen. Dieser Blogbeitrag untersucht die Rolle von KI bei der Mainframe-Transformation basierend auf Erkenntnissen aus der BMC-Mainframe-Umfrage 2025, hebt wichtige Trends und Herausforderungen in diesem sich wandelnden Umfeld hervor und gibt strategische Empfehlungen, wie Organisationen KI in ihren Mainframe-Umgebungen effektiv nutzen können.
KI verstehen: ML versus GenKI
KI umfasst eine Reihe von Technologien, die es Maschinen ermöglichen, menschliche Intelligenz nachzuahmen, einschließlich Problemlösung und Entscheidungsfindung. In diesem breiten Feld umfasst KI/ML den Einsatz von Algorithmen zur Datenanalyse, zum Lernen daraus und zur Abgabe von Vorhersagen. GenKI, eine Teilgruppe der KI, geht noch einen Schritt weiter, indem sie neue Inhalte oder Lösungen auf Basis erlernter Muster erstellt. Jede dieser Technologien bietet einzigartige Fähigkeiten und Anwendungen in Großrechnerumgebungen:
- ML: Fortschrittliche Datenanalyse und Anomalieerkennung ermöglichen eine proaktive Problemerkennung und -lösung und sorgen für eine reibungslosere Systemleistung.
- GenAI: Durch die Automatisierung der Codegenerierung und die Lösung komplexer Probleme treibt GenAI Innovation und Transformation im Großrechnerbetrieb voran.
Umfrage-Einblicke zu AIOps
Die Ergebnisse der BMC Mainframe Survey 2024 zeigen, dass AIOps, die Anwendung von KI auf IT-Betriebe, bei Mainframe-Organisationen einen deutlichen Anstieg der Priorisierung verzeichnet hat, von 34 Prozent im Jahr 2023 auf 45 Prozent im Jahr 2024. Bemerkenswert ist, dass AIOps, das 2023 bei den Mainframe-Prioritäten den neunten Platz belegte, in der diesjährigen Umfrage in die Top drei gerückt ist, was auf eine strategische Verschiebung hin zu KI-gesteuerten Abläufen hinweist. Extra-große Unternehmen (mehr als 50.000 MIPS) mit einer höheren AIOps-Priorisierung von 54 Prozent zeigen die entscheidende Rolle fortschrittlicher KI-Technologien in großräumigen Umgebungen. GenAI wird insbesondere als wichtigste Fähigkeit hervorgehoben, wobei 45 Prozent der Organisationen ihre Bedeutung betonen.
Nutzung von GenAI und ML zur Bewältigung der AIOps-Komplexität
Trotz seiner Vorteile ist AIOps für den Großrechner besonders komplex aufgrund der komplexen und hochintegrierten Natur von Großrechnersystemen, die über Jahrzehnte entwickelt und erweitert wurden. Diese Systeme laufen oft mit einer Vielzahl kritischer Anwendungen aus, jeweils mit einzigartigen Abhängigkeiten und Konfigurationen, was eine herausfordernde Umgebung für traditionelle IT-Abläufe schafft. Die Umfrage zeigt, dass 31 Prozent der Mainframe-Organisationen, die AIOps implementiert haben, Komplexität als großes Problem ansehen, gegenüber 24 Prozent im Jahr 2023. Diese wachsende Sorge unterstreicht die Notwendigkeit effektiver Lösungen zur Verwaltung und Minderung dieser Herausforderungen. Die Auswirkungen der AIOps-Komplexität auf den Großrechnerbetrieb erfordern strategische Ansätze, wie den Einsatz von GenAI- und ML-Technologien zur Optimierung und Optimierung von Prozessen. Sechzig Prozent der besonders großen Mainframe-Unternehmen, die AIOps priorisieren, wollen dieses AIOps-Komplexitätsproblem mit GenAI-Lösungen lösen, während 57 Prozent ML-basierte Automatisierung nutzen.
GenKI-Einführung in Großrechnerorganisationen
Die Mainframe-Umfrage zeigt, dass 76 Prozent der Organisationen GenAI verwenden, was die breite Akzeptanz und Implementierung widerspiegelt. Was die Mainframe-Akzeptanz betrifft, nutzen 86 Prozent der Befragten, die ihre Mainframe-Investitionen erhöhen, GenAI. Diese Organisationen nutzen die Technologie deutlich häufiger als diejenigen, die eine stagnierende oder abnehmende Investition in ihre Mainframe-Systeme tätigen, und 82 Prozent haben eine GenAI-Richtlinie. Zu den von Organisationen mit GenAI beobachteten Vorteilen gehören erhebliche Verbesserungen bei Effizienz und operativer Leistung, wobei 40 Prozent bemerkenswerte Fortschritte berichten. Von den Organisationen, die AIOps priorisieren, sagen 45 Prozent, dass GenAI die wichtigste Fähigkeit ist, um ihre Ziele zu erreichen. Die hohe Akzeptanzrate von GenAI und die Anerkennung ihrer Vorteile unterstreichen das Potenzial der Technologie, Mainframe-Betrieb zu transformieren und Innovationen voranzutreiben.
Aktuelle GenAI-Anwendungsfälle in der Großrechnertransformation
Basierend auf den Umfrageergebnissen berichten die Befragten, dass GenAI in verschiedenen Bereichen großes Potenzial zur Verbesserung von Mainframe-Operationen zeigt:
- Automatisierung: Siebenunddreißig Prozent der Organisationen möchten GenKI nutzen, um sich wiederholende Aufgaben zu eliminieren, die Effizienz zu steigern und Ressourcen für strategische Aktivitäten freizumachen.
- Identifizierung von Problemen und Risiken: Sechsunddreißig Prozent der Organisationen versuchen, Code und Konfigurationsdateien zu analysieren, um Probleme und Schwachstellen zu identifizieren und so die Sicherheit zu erhöhen.
- Erkenntnisse gewinnen: Vierunddreißig Prozent der Organisationen möchten bestehende Expertise mit wichtigen Geschäftserkenntnissen ergänzen, die Entscheidungsprozesse unterstützen.
- Schulung: Dreiunddreißig Prozent der Organisationen planen, GenAI zur Einarbeitung und Schulung neuer Mitarbeiter einzusetzen, um die Wissenslücke effektiv zu überbrücken.
Diese Anwendungsfälle zeigen die Vielseitigkeit und den Einfluss von GenAI bei der Förderung der Mainframe-Transformation.
Empfehlungen: Zukünftige Chancen für KI bei der Mainframe-Transformation
Die Zukunft der KI in der Mainframe-Transformation sieht vielversprechend aus, mit neuen Trends, die auf die fortlaufende Weiterentwicklung von KI-Technologien hinweisen. Da fast die Hälfte der Organisationen GenAI als die wichtigste Fähigkeit sieht, um ihre Ziele zu erreichen, sollten Sie sich darauf konzentrieren, KI mit Anwendungsfällen richtig umzusetzen, die Ihrem Unternehmen zugutekommen. Diese Fortschritte bieten neue Möglichkeiten für verbesserte Automatisierung, prädiktive Analysen und Echtzeit-Problemlösungsfähigkeiten. Um diese Chancen zu nutzen, können Organisationen investieren in:
- Strategische Planung: Entwickeln Sie eine strategische Roadmap mit Richtlinien zur Integration von KI in den Mainframe-Betrieb, die mit den Geschäftszielen im Einklang stehen.
- Ausbildung: Statten Sie die Mitarbeiter mit dem Wissen und den Fähigkeiten aus, die sie benötigen, um KI-Technologien effektiv zu nutzen.
- Infrastruktur-Upgrades: Stellen Sie sicher, dass die notwendige Infrastruktur vorhanden ist, um KI-Implementierungen zu unterstützen.
Fazit: Strategische Empfehlungen für KI bei der Mainframe-Transformation
KI bietet viele Möglichkeiten, Großrechnerumgebungen zu transformieren, insbesondere in der Anwendungsentwicklung und im Betrieb. Basierend auf den Erkenntnissen der BMC Mainframe Survey finden Sie hier einige strategische Empfehlungen:
- Für die Anwendungsentwicklung:
- Nutzen Sie KI, um routinemäßige Codierungsaufgaben zu unterstützen und die Codepflege zu verbessern.
- Erkennung von Codeanomalien frühzeitig, wodurch die Fehlerwahrscheinlichkeit verringert wird.
- Nutzen Sie Code-Erklärungen, um unbekannten Codes und Anwendungen besser zu verstehen.
- Für die Operationen:
- Verwenden Sie ML für fortgeschrittene Datenanalyse und Anomalieerkennung, was eine proaktive Problemerkennung ermöglicht.
- Implementieren Sie KI-Regeln zur Problemdiagnose und -identifikation.
- Wenden Sie GenAI an, um Problemlösungen zu automatisieren und die Systemleistung zu optimieren, wodurch die gesamte Betriebseffizienz gesteigert wird.
Durch die Nutzung dieser KI-Technologien können Organisationen Innovationen vorantreiben, die Effizienz steigern und sich einen Wettbewerbsvorteil in der sich schnell entwickelnden IT-Landschaft sichern. Die strategische Einführung von KI wird entscheidend sein, um das volle Potenzial der Mainframe-Transformation auszuschöpfen. Weitere Einblicke in die Trends, die den Mainframe beeinflussen, finden Sie auf der BMC Mainframe Survey-Seite 2025.
Diese Beiträge sind meine eigenen und spiegeln nicht unbedingt die Position, Strategien oder Meinung von BMC wider.