Der Mainframe gehört noch lange nicht zum alten Eisen

Es ist kein Geheimnis: Laut einer aktuellen Studie von Forrester Research aus dem Jahr 2018 nutzen noch immer mehr als die Hälfte der Unternehmen in Deutschland einen Großrechner, den altbewährten Mainframe. Der IT-Evergreen ist schlichtweg unschlagbar: Sei es bei der Datenverarbeitung einfacher Vorgänge wie Flugbuchungen oder der Speicherung von Massendaten wie bei Versicherern und Banken. 

Auch auf der Annual Guideshare (GSE) Member Conference in Hamburg im Mai 2019 herrschte darüber Einigkeit bei allen Teilnehmern. Das größte Learning aus der Konferenz, die Lösungen auf Basis von IBM-Architekturen gewidmet war: Letztendlich entscheidend für die Zukunft ist, dass Unternehmen ihre Mainframes automatisieren und um Funktionen aus den Bereichen Künstliche Intelligenz, Maschinelles Lernen und Cybersicherheit erweitern. Nur so kann der Mainframe im Zeitalter von Massendaten überleben, Geschäftsprozesse effizient abwickeln und Milliarden kritischer Transaktionen stemmen. IT-Unternehmen brauchen dafür Cloud-basierte, vollautomatisierte Service-Orchestrierungsplattformen wie von ASG Technologies, die das Mainframe-Management ins nächste Jahrzehnt führen.

Maschinelles Lernen: Das Optimum der Datenanalysen herausholen

Führen Unternehmen Datenanalysen ohne Technologien aus dem Bereich der Künstlichen Intelligenz durch, stoßen sie technisch gesehen schnell an ihre Grenzen. Um Informationen besser und schneller auswerten zu können, müssen Künstliche Intelligenz und Maschinelles Lernen auf dem Mainframe integriert werden. Es handelt sich dabei um Verfahren, mit denen ein System selbständig Wissen aus Erfahrungen schöpft. Das bedeutet: Durch die Analysen, die das System durchführt, wird es immer besser trainiert. Die Lösung erkennt stets wiederkehrende Muster in den Informationen und erstellt immer neue Verknüpfungen zwischen ihnen, um Schlüsse aus den Daten ziehen zu können. Die Maschine optimiert sich quasi selbst. Der Effekt: Der Mainframe unterstützt Unternehmen, Big Data einfacher und effizienter nutzbar zu machen.

Performance-Probleme frühzeitig erkennen mit Automation

Wollen Organisationen aussagekräftige Ergebnisse aus ihren Analysen erzielen, sind sie gut beraten, den Mainframe zu automatisieren. Spätestens wenn Unternehmen Erkenntnisse aus Echtzeitdaten gewinnen möchten, führt kein Weg mehr an der Automation vorbei. Mit maschinellem Lernen sind Systeme dazu in der Lage, selbstständig und ohne menschliches Zutun Daten zu analysieren und dem Unternehmen zur Verfügung zu stellen. So leistet ein automatisierter Großrechner auch im Bereich Predicitve Maintenance seinen Beitrag. Denn verwaltet sich der Mainframe autonom und lernt er aus Tausenden von Ausfallszenarien, kann er Performance-Probleme selbstständig lösen. So erkennt der Großrechner Anomalien und wendet Probleme ab, bevor sie eintreten. Auch steigende Compliance-Anforderungen haben den Bedarf an einer selbstverwalteten und zuverlässigen Lösung wie dem Mainframe erhöht. Er sieht Risiken bei der Dokumentation von Daten selbstständig vorher und sorgt dafür, dass es zu keinen Verstößen gegen Richtlinien kommt.

DevOps und Mainframe müssen sich nicht widersprechen

DevOps-Unternehmen stehen für Flexibilität, agile Methoden und Zusammenarbeit über Abteilungsgrenzen hinweg. In diesem Umfeld scheint der Mainframe-Ansatz zunächst unpassend oder gar veraltet. Aber jetzt die gute Nachricht: Mainframes lassen sich sehr wohl mit DevOps-Prozessen kombinieren, es ist nur wichtig, die Produktentwicklung auf den Markt abzustimmen. Genau das hat ASG Technologies mit seinem kürzlich veröffentlichten Enterprise Orchestrator getan, einer Lösung, die eine technologieübergreifende Stapelorchestrierung von Unternehmenswertströmen bietet. Der Enterprise Orchestrator erstreckt sich vom Mainframe bis zur Cloud und bietet Workload-Automation und Wertstromtransparenz über eine zentrale Konsole und ein Dashboard. Zugegeben: Für Mainframe-Entwickler ist es wahrscheinlich erst einmal eine Umstellung, ihre gewohnten Methoden zu ändern. Doch wenn Unternehmen Schritt für Schritt vorgehen bei der Implementierung der neuen Arbeitsprozesse, können sie auch in Mainframe-Umgebungen immer agiler arbeiten. Unternehmen profitieren, wenn sie sich eine Roadmap für den Veränderungsprozess der Workflows erstellen.

Ein Ziel könnte beispielsweise darin bestehen, die Agilität zu erhöhen, den Mainframe-Code laufend adaptieren zu können. Oder aber auch die Arbeitsprozesse zu vereinfachen, da aus der Altersgruppe der Millennials immer mehr Spezialisten nachkommen, die nicht über Jahrzehnte lange Erfahrung im Mainframe-Bereich verfügen. Um einen hohen Grad an Agilität zu schaffen, setzen DevOps-Unternehmen auf vergleichsweise viele Feedbackschleifen bei der Entwicklung. So sind zahlreiche Tests kleiner Code-Einheiten an der Tagesordnung. Ein automatisierter Mainframe eignet sich dafür, die Tests autonom ablaufen zu lassen. Kleine Code-Abschnitte zu testen, ist für Mainframe-Entwickler in der Regel eher unüblich. Doch werden die Mitarbeiter mit diesem Arbeitsverfahren vertraut gemacht, ist ein erster Schritt der Annäherung getan.

Der Blick in die Zukunft: Das kommt – das bleibt

In den Bereichen DevOps und IT-Systeme wird es auch in Zukunft neue Benutzeroberflächen geben, die für eine mobile, aber gut vernetzte Belegschaft geeignet sind. Außerdem kommen weitere Integrationsschnittstellen hinzu, so dass der Mainframe an den breiteren IT-Ökosystemen teilnimmt, die für ein Unternehmen wichtig sind. Und natürlich: Auch beim Performance-Management der grundlegenden Infrastruktur wird es neue Modelle für die Interaktion mit dem Mainframe geben.

Thomas De Ceglia, Account Executive, ASG Technologies

www.asg.com/de/