Die versteckten Kosten des Nichtstuns

• Finanzinstitute auf der ganzen Welt geben nach wie vor den Großteil ihrer IT-Budgets für die Wartung von Legacy-Systemen aus, anstatt Innovationen zu ermöglichen.
• Die wahren Kosten der Legacy-Architektur gehen über die Infrastruktur hinaus und umfassen betriebliche Ineffizienz, Talentknappheit, regulatorische Risiken und eine langsamere Time-to-Market.
• Die Einführung von KI nimmt im Banking und in der Versicherungsbranche immer mehr zu, aber die bestehenden Umgebungen hindern Unternehmen oft daran, KI-Initiativen effektiv zu skalieren.
• Regulatorische Rahmenbedingungen in Europa, Nordamerika, Lateinamerika und APAC erhöhen den Druck auf die betriebliche Stabilität, die Beobachtbarkeit und die Cyber-Governance.
• Die Modernisierung ist nicht mehr nur eine Technologie-Initiative. Sie wird zu einer Voraussetzung für Agilität, Widerstandsfähigkeit und KI-Bereitschaft.
• KI-gestützte Modernisierungsansätze können den Bereitstellungsaufwand erheblich reduzieren, die Dokumentation und das Testen beschleunigen und die Modernisierungsgeschwindigkeit in großem Umfang verbessern.

Zwischen 52 % und 70 % der IT-Budgets in Finanzinstituten werden immer noch für die Wartung bestehender Systeme aufgewendet. Sie werden nicht verbessert. Nicht für die Entwicklung neuer Produkte oder KI-gesteuerter Funktionen. Einfach nur, um kritische Abläufe am Laufen zu halten.

Jahrelang wurde die Modernisierung als eine zukünftige Initiative behandelt, die erst nach dem nächsten Regulierungsprogramm, der nächsten Cloud-Migration oder dem nächsten Kostenoptimierungszyklus wieder aufgegriffen werden sollte. Doch im Jahr 2026 hat diese Verzögerung einen immer höheren Preis.

Die Kosten des Nichtstuns sind nicht mehr nur theoretisch. Finanzinstitute auf der ganzen Welt erreichen denselben Wendepunkt: Die Wartung von Legacy-Architekturen ist nicht mehr nur teuer, sondern schränkt auch zunehmend die Wettbewerbsfähigkeit in einem von KI angetriebenen Markt ein.

Die Kosten von Legacy-Systemen gehen weit über Infrastruktur und Wartungsverträge hinaus. Die tiefgreifenden Auswirkungen sind struktureller Natur und wirken sich darauf aus, wie Institutionen arbeiten, innovieren und auf Veränderungen reagieren.

Die meisten Organisationen messen die Kosten für Altsysteme immer noch sehr eng:

• Infrastruktur
• Lizenzierung
• Support-Verträge
• Ausgaben für Auftragnehmer

Die größten Kostentreiber sind jedoch oft in das Betriebsmodell selbst eingebettet.

Kostenstrukturen, die ohne Effizienz skalieren: Mainframe- und Legacy-Umgebungen beruhen häufig auf verbrauchsabhängigen Preismodellen, die an das Transaktionswachstum und das Verarbeitungsvolumen gebunden sind. Mit zunehmender digitaler Aktivität steigen die Betriebskosten weiter an, unabhängig davon, ob der Business-Wert in gleichem Maße wächst.

Das Ergebnis ist eine technologische Kostenbasis, die sich kontinuierlich ausweitet und deren Modernisierung mit der Zeit immer schwieriger wird.

Talentknappheit und Wissensrisiko: Die schrumpfende Verfügbarkeit von COBOL-, VB6- und Legacy-Plattform-Expertise wirkt sich bereits auf die operative Belastbarkeit aus.

Wenn erfahrene Ingenieure in den Ruhestand gehen, riskieren die Institutionen den Verlust jahrzehntelanger, nicht dokumentierter Business-Logik, die in Code, Workflows und Batch-Prozessen eingebettet ist. Die Systeme werden für die Teams, die für ihre Wartung zuständig sind, immer undurchsichtiger, was Änderungen langsamer, risikoreicher und teurer macht.

Die Kosten des langsamen Wandels: Legacy-Umgebungen sind in der Regel für Stabilität und nicht für Anpassungsfähigkeit optimiert.

Produkteinführungen dauern Monate statt Wochen. Integrationen werden zu Projekten, die sich über mehrere Quartale erstrecken. Der Zugriff auf Daten für Analysen und KI-Initiativen erfordert oft eine umfangreiche manuelle Vorbereitung und Abstimmung.

Unternehmen, die mit modernen, kompatiblen Architekturen arbeiten, können dagegen schneller iterieren, kontinuierlich bereitstellen und neue Funktionen mit deutlich geringeren betrieblichen Reibungen skalieren.

Diese Wettbewerbslücke vergrößert sich mit der Zeit, auch wenn sie sich nicht direkt in der Bilanz niederschlägt.

Das Risiko der Untätigkeit bei Altlasten tritt selten in Form eines einzelnen katastrophalen Fehlers auf. Stattdessen kumuliert es sich allmählich im gesamten Unternehmen.

Der Wartungsaufwand steigt mit zunehmender Komplexität der Umgebung. Die Release-Zyklen verlängern sich, da das Änderungsrisiko steigt. Die technischen Schulden wachsen schneller, als die Teams sie abbauen können. KI-Initiativen werden genehmigt, finanziert und verzögert, wenn fragmentierte Datenarchitekturen sie nicht effektiv unterstützen können.

Mit der Zeit:

• DieModernisierung wird teurer
• Abhängigkeiten werden schwieriger zu entwirren
• Das Migrationsrisiko steigt
• Der Talentpool schrumpft weiter
• Compliance-Anforderungen sind immer schwieriger zu erfüllen

Je länger die Modernisierung aufgeschoben wird, desto geringer werden die strategischen Optionen.

Gleichzeitig befinden sich Institutionen, die früher mit strukturierten Modernisierungsprogrammen begonnen haben, nun in einer völlig anderen Position. Sie reduzieren den betrieblichen Aufwand, beschleunigen die Lieferzyklen und schaffen Umgebungen, die KI, Automatisierung und digitale Echtzeitdienste in großem Umfang unterstützen.

Compounding funktioniert in beide Richtungen.

Viele Unternehmen betrachten die Einführung von KI als eine Herausforderung für die Werkzeuge. In Wirklichkeit ist es für Finanzinstitute oft eine architektonische Herausforderung.

KI erfordert:

• Zugängliche und zuverlässige Daten
• Skalierbare Integrationsmuster
• Beobachtbarkeit
• Flexible Infrastruktur
• Schnellere Software-Entwicklungszyklen

Ältere Systeme wurden nicht für diese Anforderungen konzipiert.

Batch-orientierte Systeme, eng gekoppelte Integrationen und fragmentierte Datenmodelle stellen erhebliche Hindernisse für die Einführung von KI im Unternehmensmaßstab dar. Selbst gut finanzierte KI-Programme haben Probleme, wenn die zugrunde liegenden Architekturen keine zeitnahen, zuverlässigen und wiederverwendbaren Daten liefern können.

Infolgedessen stellen viele Institutionen fest, dass die Modernisierung nicht mehr von der KI-Strategie getrennt ist. Die Institutionen, die den größten Nutzen aus KI ziehen, sind oft diejenigen, die die architektonischen Beschränkungen, die Veränderungen verhindern, beseitigen.

Bei der Modernisierung von Legacy-Systemen geht es nicht mehr nur um Effizienz und Kostensenkung. Zunehmend wird sie zu einer Priorität für Ausfallsicherheit und Compliance.

Überall auf der Welt erhöhen die Regulierungsbehörden die Erwartungen an die betriebliche Ausfallsicherheit, Cyber-Governance, Prüfbarkeit und das technologische Risikomanagement.

Beispiele hierfür sind:

• DORA und NIS2 in Europa
• PRA/FCA-Rahmenwerk für betriebliche Widerstandsfähigkeit in Großbritannien
• FFIEC-Richtlinien und NYDFS Part 500 in den Vereinigten Staaten
• BCB Resolução 85 in Brasilien
• APRA CPS 230 in Australien
• MAS Technology Risk Management Guidelines in Singapur

Während sich die regulatorischen Rahmenbedingungen je nach Region unterscheiden, ist die Richtung einheitlich: Von den Finanzinstituten wird erwartet, dass sie eine höhere Widerstandsfähigkeit, eine bessere Beobachtbarkeit und eine größere Betriebstransparenz bei kritischen Systemen nachweisen.

Für viele Legacy-Umgebungen sind diese Anforderungen nur schwer zu erfüllen.

Nicht dokumentierte Anwendungen erschweren die Bestandsaufnahme von IKT-Anlagen. Batch-orientierte Architekturen schränken die Sichtbarkeit von Vorfällen in Echtzeit ein. Stark konzentrierte Legacy-Plattformen erhöhen das Risiko betrieblicher Abhängigkeiten. Veraltete Integrationsschichten erschweren die Aufrechterhaltung von Governance und Rückverfolgbarkeit.

Die Modernisierung bringt messbare Verbesserungen in Bezug auf effiziente Betriebsabläufe, Liefergeschwindigkeit, Ausfallsicherheit und KI-Bereitschaft.

Typische Ergebnisse sind:

• Senkung der Infrastruktur- und Betriebskosten in einigen Fällen um bis zu 60 % durch Re-Hosting, Refactoring und Vereinfachung der Plattform.
• Schnellere Lieferzyklen, oft mit einer um 25-30 % kürzeren Time-to-Market durch moderne Architekturen, Automatisierung und Cloud-native Engineering-Praktiken.
• Verbesserte Ausfallsicherheit, Beobachtbarkeit und Governance für kritische Systeme
• Besserer Zugang zu Daten für KI, Analytik und digitale Echtzeitdienste
• Geringere Abhängigkeit von knappen Legacy-Expertisen
• Verbesserte Fähigkeit zur Skalierung von Innovationen über verschiedene Kanäle und Business-Bereiche hinweg

KI-gestützte Modernisierungsansätze verändern auch die Art und Weise, wie Transformationsprogramme durchgeführt werden. Moderne KI-gestützte Bereitstellungsmodelle können diese beschleunigen:

• Erkennung von Legacy-Systemen
• Analyse von Abhängigkeiten
• Extraktion von Business-Regeln
• Generierung von Dokumentation
• Code-Umwandlung
• Erstellung von Tests
• Planung der Migration

KI-gestützte Bereitstellungsmodelle können außerdem den Dokumentationsaufwand um bis zu 95 % reduzieren und gleichzeitig Tests, Migrationsplanung und Codetransformationen beschleunigen.

Die Modernisierungsprogramme von GFT kombinieren Beratungs-, Engineering- und KI-gestützte Bereitstellungsfunktionen, um die Transformation zu beschleunigen und gleichzeitig die Governance und die operative Kontrolle zu wahren.

Ansätze wie phasenweise Modernisierung, KI-gestütztes Reverse Engineering und Top-Down- sowie Bottom-Up-Discovery-Modelle helfen Unternehmen, schrittweise zu modernisieren, anstatt risikoreiche "Big Bang"-Migrationen durchzuführen.

KI-gestützte Modernisierungsplattformen wie Wynxx unterstützen diesen Prozess zusätzlich, indem sie Unternehmen helfen:

• Extrahieren von Business-Logik aus altem Code
• Generierung moderner Anwendungsstrukturen
• Beschleunigung von Tests und Dokumentation
• Verbesserung der Transparenz über komplexe Abhängigkeitslandschaften

In Kombination mit Hyperscaler-Ökosystemen und Cloud-Modernisierungs-Frameworks ermöglichen diese Ansätze Finanzinstituten eine schnellere Modernisierung bei gleichzeitiger Reduzierung von Betriebsunterbrechungen und Transformationsrisiken.

Unternehmen, die die Modernisierung hinauszögern, vermeiden nicht das Risiko. Sie verlagern es in eine weniger sichtbare und weniger kontrollierbare Form.

Das Risiko erscheint allmählich durch:

• Steigende operative Kosten
• Langsamere Lieferzyklen
• Wachsende Abhängigkeit von veralteten Technologien
• Erhöhter Compliance-Druck
• Geringere Innovationskapazität
• Schwierigkeiten bei der Skalierung von KI-Initiativen
• Abnehmende Flexibilität der Architektur

Im Jahr 2026 lautet die Frage nicht mehr, ob eine Modernisierung notwendig ist. Die Frage ist, ob die Institutionen weiterhin wettbewerbsfähig bleiben, innovativ sein und die Erwartungen an die Widerstandsfähigkeit erfüllen können, während sie mit Architekturen arbeiten, die für eine andere Ära konzipiert wurden.

Die Kosten des Nichtstuns sind nicht gleich null, sondern werden bereits jetzt kontinuierlich, Quartal für Quartal, in den Bereichen Technologie, Betrieb und Wettbewerbsrelevanz gezahlt.

In einer KI-gesteuerten Branche geht es bei der Modernisierung nicht mehr nur um den Abbau technischer Schulden. Es geht darum, die Barrieren zu beseitigen, die die Institute daran hindern, sich weiterzuentwickeln.