OpenAI hat bekannt gegeben, dass seine KI-Modelle effizienter beim Erstellen und Aktualisieren von Software geworden sind, die in alten Programmiersprachen geschrieben ist, für die es immer weniger Programmierer gibt, wie etwa COBOL, Fortran und Visual Basic. Unternehmensdaten zufolge verlassen sich rund 40 Prozent der Banken weltweit noch immer auf Systeme, die auf COBOL basieren. Obwohl der Übergang zu modernen Sprachen Millionen von dollars kostet und viel Zeit in Anspruch nimmt, zwingt der Ruhestand spezialisierter Programmierer diese Institutionen dazu, in den kommenden Jahren eine technische Migration vorzunehmen.
Das Unternehmen stützte sich bei der Entwicklung dieser Fähigkeiten auf Rückmeldungen und Feedbacks von Entwicklern und Unternehmenskunden, da Programmiermodelle bei der Verarbeitung alter Programmiersprachen vor echten Herausforderungen standen. Zur Leistungsbewertung entwickelte OpenAI ein Testpaket namens MultiLangBench, bei dem Modelle aufgefordert werden, SQLite-kompatible Datenbank-Engines in einer bestimmten Programmiersprache zu erstellen.
Die Testergebnisse zeigten eine beachtliche Überlegenheit: Das Modell GPT‑6 Astra erzielte eine Erfolgsquote von 87,4 Prozent über 20 Sprachen hinweg und übertraf damit das Modell GPT-5.6 Sol mit 26,8 Prozent deutlich. Trotz dieser Verbesserung blieb COBOL die schwierigste Herausforderung, wobei die Erfolgsquote für das Astra-Modell bei etwa 72 Prozent lag.
Warum diese Nachricht wichtig ist
Alte Bankensysteme stellen ein großes Hindernis für die technische Entwicklung dar, da sie mit kritischen Finanzdaten und komplexen Geschäftsregeln verknüpft sind, die äußerste Präzision erfordern. Die Bedeutung der neuen Entwicklung liegt in der Fähigkeit der Modelle, das ursprüngliche Verhalten von Programmen während des Konversionsprozesses in Sprachen wie C++, Java, Kotlin, Python oder Rust beizubehalten.
Bei Konversionsbewertungen, die das Programmverhalten genau beibehalten – wie etwa die Rundungsmethode für komplexe Dezimalzahlen und die Verarbeitung fehlender Datensätze –, erzielte das Modell GPT-6.1 Sol die höchste Genauigkeit von 97,9 Prozent bei Verwendung eines hohen Schlussfolgerungsniveaus, während die Genauigkeit bei niedrigen Schlussfolgerungsniveaus 86,1 Prozent betrug.
Einschränkungen und praktische Anforderungen
OpenAI betont, dass der Erfolg jeder Softwaremigration das Bestehen aller Genauigkeitstests erfordert, angesichts der Sensibilität von Bankaufgaben. Das Unternehmen weist darauf hin, dass diese Fähigkeiten ein wertvolles Hilfsmittel für Wartungs- und Aktualisierungsteams sind, die Bereitstellung von Software in tatsächlichen Produktionsumgebungen jedoch weiterhin eine spezialisierte menschliche Überprüfung und strenge Tests erfordert, die den Geschäftsregeln und systembezogenen Überlegungen entsprechen.