OpenAI hat angekündigt, dass seine neuen Modelle bei Tests zur Migration von Software, die in alten Programmiersprachen geschrieben wurde, in moderne Sprachen deutlich bessere Ergebnisse liefern. Das Modell GPT-6.1 Sol des Unternehmens erreichte bei einer Evaluierung, die die Konvertierung alter COBOL-Programme misst, eine Genauigkeitsrate von 97,9 Prozent.
Die Modernisierung von Code ist insbesondere für kritische Sektoren wie das Bank- und Finanzwesen von Bedeutung. In diesen Bereichen reicht es nicht aus, die verwendeten Altsysteme lediglich in eine neue Sprache zu übersetzen; auch Berechnungen, Geschäftsregeln und das Anwendungsverhalten müssen bewahrt werden. Andernfalls besteht das Risiko, dass die neue Software zwar funktioniert, bei Finanztransaktionen jedoch abweichende Ergebnisse liefert.
DIE HERAUSFORDERUNG BEI ALTEN CODES: BEWAHRUNG DES VERHALTENS
COBOL wird in der Finanzinfrastruktur nach wie vor häufig eingesetzt. Schätzungen von IBM zufolge unterstützt COBOL mehr als 40 Prozent der Online-Banking-Systeme, 80 Prozent der persönlichen Kreditkartentransaktionen und 95 Prozent der Geldautomaten-Transaktionen.
Zu den Gründen, warum die Transformation in solchen Systemen schwierig ist, gehören das Fehlen alter technischer Dokumentationen und die Tatsache, dass einige grundlegende Geschäftsregeln nur im bestehenden Code selbst enthalten sind. In COBOL können beispielsweise Verhaltensweisen wie das Abschneiden überschüssiger Ziffern bei Dezimalstellen, wenn keine explizite Rundungsanweisung gegeben wurde, die Berechnungsergebnisse direkt beeinflussen.
Die Evaluierung von OpenAI misst, ob die konvertierten Programme nach der Übertragung alter COBOL-Programme in Sprachen wie C++, Java, Kotlin, Python oder Rust das gleiche Verhalten wie die ursprüngliche Software zeigen. Um in den Tests als erfolgreich zu gelten, müssen die neuen Codes geheime Tests bestehen und ihre beobachtbaren Ausgaben müssen mit der Originalversion kompatibel sein.
ANSTIEG AUCH BEIM MULTILANGBENCH-TEST
Das Unternehmen hat seine Modelle auch in einer separaten Evaluierung namens MultiLangBench getestet. Dieser Test misst die Fähigkeit der Modelle, unter Verwendung von 20 verschiedenen Programmiersprachen eine mit SQLite kompatible Datenbank-Engine zu entwickeln.
Den Ergebnissen von MultiLangBench zufolge erreichte GPT-6 Astra eine durchschnittliche Erfolgsquote von 87,4 Prozent. Beim Modell GPT-5.6 Sol lag derselbe Wert bei 26,8 Prozent. Den von OpenAI veröffentlichten Daten zufolge zeigte Astra in allen 20 evaluierten Programmiersprachen eine bessere Leistung als das Vorgängermodell.
Auch der Anstieg bei alten Programmiersprachen war bemerkenswert. Die Erfolgsquote bei Fortran stieg von 21,4 Prozent auf 83,5 Prozent, bei Visual Basic von 27,5 Prozent auf 89,4 Prozent. Bei COBOL, das unter den getesteten Sprachen die schwierigste Option bleibt, stieg die Erfolgsquote von GPT-6 Astra von 10,9 Prozent auf 72,1 Prozent.
Die Ergebnisse von OpenAI deuten darauf hin, dass KI-gestützte Code-Konvertierung zu einem leistungsfähigeren Werkzeug für die Erneuerung alter Unternehmenssoftware werden könnte. Dennoch muss die Transformation in kritischen Bereichen wie Finanzen, Sicherheit und wissenschaftlicher Berechnung über die bloße automatische Übersetzung hinausgehen und durch umfassende Validierungsprozesse unterstützt werden.
Nachrichtenquelle: 12punto
