Von der Untersuchung zur gezielten Aktion: Einführung von Rocket EVA 2.0

Mainframe-Teams stehen unter Druck, komplexe operative Probleme schneller zu lösen, knappes Fachwissen zu erweitern und KI-gestützte Automatisierung sicher einzuführen. Rocket^® EVA^™ 2.0 trägt zu dieser Vision bei, indem es kontrollierte KI-Agenten in unternehmenskritische Mainframe- und Hybrid-IT-Systeme integriert.

Die Auswirkungen sind bereits sichtbar. Im Rahmen eines Pilotprojekts mit einem großen Finanzinstitut untersuchte EVA einen komplexen Performance-Vorfall, der mehrere miteinander verbundene Mainframe-Umgebungen betraf, darunter MQ, CICS, Workload-Management und Infrastrukturdienste. Mithilfe historischer SMF-Daten analysierte EVA Millionen von Betriebsdatensätzen aus verschiedenen Systemen, korrelierte Ereignisse zu einer schlüssigen Zeitleiste und half, die wahrscheinliche Ursache-Wirkungs-Kette des Ausfalls zu identifizieren. Was zuvor umfangreiche manuelle Analysen durch mehrere Teams erfordert hatte, wurde durch eine deutlich schnellere, faktenbasierte Untersuchung ermöglicht.

Rocket EVA erhält Auszeichnung für technologischen Aufstieg 2026

Rocket EVA wurde mit dem Tech Ascension Award 2026 in der Kategorie „KI-gestützte Enterprise des Jahres“ ausgezeichnet. Diese Anerkennung reiht EVA in ein starkes Feld von Preisträgern des KI-Awards 2026 ein, darunter Lösungen von Lenovo, Zoom, Ford und anderen führenden Technologieunternehmen.

Wir freuen uns darauf, Organisationen, die gesteuerte agentenbasierte KI in Mainframe- und Hybrid-IT-Systemen einsetzen möchten, weiterhin einen Mehrwert zu bieten. Sehen Sie sich die Gewinner des KI-Awards 2026 an
 

Rocket EVA 2.0 in den Nachrichten

Die Expansion von Rocket EVA hat aufgrund ihres Ansatzes für gesteuerte agentenbasierte KI auf Mainframes auch branchenweit Aufmerksamkeit erregt. Jüngste Berichte heben hervor, wie EVA operatives Denken, richtlinienbasierte Kontrollen, Identitätsmanagement und Auditierbarkeit kombiniert, um Unternehmen bei der Anwendung von KI in unternehmenskritischen Umgebungen zu unterstützen und gleichzeitig die Unternehmensaufsicht zu gewährleisten.

Lesen Sie die Berichterstattung der SD Times über gesteuerte agentenbasierte KI auf dem Mainframe, die Berichterstattung von VMblog über Rocket EVA und PlanGuard sowie Paul Gillins Berichterstattung von SiliconANGLE über Rocket EVA 2.0, um weitere Einblicke in die Ankündigung zu erhalten.

Was EVA heute macht

EVA nimmt eine Anfrage in natürlicher Sprache entgegen und führt, sobald ein Nutzer sie initiiert, selbstständig eine mehrstufige Untersuchung über verbundene Tools, Datenquellen, Protokolle, Dashboards und den betrieblichen Kontext hinweg durch. Es korreliert Beweise, bewertet wahrscheinliche Ursachen und liefert Ergebnisse, eine Empfehlung sowie die entsprechenden Belege.

EVA konzentriert sich aktuell auf die Analyse. Es nimmt keine unbeaufsichtigten Änderungen an Produktionssystemen vor. Phil Buckellew, Präsident der Geschäftseinheit Infrastrukturmodernisierung von Rocket Software, erklärt: „EVA kann heute komplexe Untersuchungen selbstständig orchestrieren, sobald ein Benutzer eine Anfrage stellt. Anstatt dass Bediener manuell durch mehrere Konsolen, Dashboards, Protokolle und Berichte navigieren müssen, führt EVA diese Quellen zusammen und liefert eine einheitliche, kontextreiche Erklärung darüber, was in der Umgebung geschieht und warum.“

Dies ist besonders wertvoll, wenn normalerweise mehrere Spezialisten unterschiedliche Aspekte des Problems abdecken, darunter Betriebsdiagnose, Vorfalluntersuchung, Arbeitslastanalyse und Ursachenermittlung. EVA führt diese Informationen zusammen, ohne dass jeder Bediener ein umfassender z/OS-Experte sein muss.
Während sich EVA heute auf die eigenständige Durchführung von Untersuchungen konzentriert, schafft PlanGuard die notwendige Governance-Grundlage, wenn Organisationen die Einsatzmöglichkeiten ihrer Agenten auf genehmigte Systemaktionen ausweiten.

Wir stellen PlanGuard vor: Die zweistufige Governance-Schicht für agentenbasierte KI

EVA 2.0 führt Rocket^® PlanGuard^™ ein, eine zweistufige Governance-Ebene, die für agentenbasierte KI in unternehmenskritischen Umgebungen entwickelt wurde.

Phase eins: Politischer Entscheidungspunkt

Bevor ein Tool aufgerufen oder eine Aktion ausgeführt wird, prüft PlanGuard die Attribute des Aufrufers, die Anfrage, den Sitzungskontext, die Toolauswahl, die Umgebungsbedingungen und die Organisationsrichtlinien. Anschließend wird entschieden, ob die Aktion zugelassen, abgelehnt oder zur Genehmigung durch einen Mitarbeiter weitergeleitet werden soll. Bis diese Prüfung abgeschlossen ist, wird keine Aktion ausgeführt.

Buckellew erklärt: „Dieser Ansatz zur Aufrufzeit ist für agentenbasierte KI wichtig, da Entscheidungen nicht mehr allein auf Berechtigungen beruhen können, die bei der Kontobereitstellung erteilt wurden. Stattdessen bewertet PlanGuard den jeweiligen Benutzer, die Anfrage, das Tool und den operativen Kontext jeder Aktion, bevor deren Ausführung zugelassen wird.“

Phase zwei: Identitätsanbieter

Wenn PlanGuard eine Aktion genehmigt, erstellt es eine temporäre, aufgabenspezifische Ausführungsberechtigung, die nur für diese genehmigte Operation gilt. Die Berechtigung ist nur für die Dauer der Aufgabe gültig und wird widerrufen, sobald sie nicht mehr benötigt wird. Dadurch wird das Angriffsrisiko für jede einzelne Agentenaktion minimiert.

PlanGuard baut auf bestehenden Sicherheitsmanagementsystemen für Unternehmen wie RACF, ACF2 und Top Secret auf, anstatt sie zu ersetzen. Diese Systeme bilden weiterhin die Grundlage der Mainframe-Sicherheit. PlanGuard ergänzt diese um die von agentenbasierter KI benötigte Governance-Ebene und stellt Identitäten bereit, die innerhalb des bestehenden Autorisierungsrahmens funktionieren.

Ein vollständiger Prüfpfad

Die Nachvollziehbarkeit ist in die Architektur von EVA integriert. Jede gesteuerte Aktion wird protokolliert: Wer hat die Anfrage gestellt? Welchen Vorschlag hat der Agent gemacht? Welche Richtlinie wurde geprüft? War eine Genehmigung erforderlich? Welche Identität wurde verwendet? Und welche Aktion wurde letztendlich ergriffen? Die Protokolle sind manipulationssicher und mit einer Hash-Kette versehen.

Buckellew formuliert es so: „Dadurch entsteht eine lückenlose Beweiskette, die es Betreibern, Sicherheitsteams und Prüfern ermöglicht, nicht nur zu verstehen, was geschehen ist, sondern auch warum es geschehen ist, mit welcher Identität und auf Grundlage welcher Richtlinienentscheidung.“ Für Organisationen im Finanzdienstleistungs-, Versicherungs- und anderen regulierten Branchen kann diese Beweiskette die Einhaltung von Compliance-Anforderungen unterstützen.

Erste Pilotprojekte belegen den Wert einer schnelleren Untersuchung

Ein großer Einzelhändler sah sich mit einem Produktions-CICS-Bereich konfrontiert, der nach Erschöpfung des temporären Speichers ausgefallen war. Das Team wusste, was passiert war, aber nicht warum. EVA analysierte die Vorfalldaten und stellte fest, dass es sich nicht um eine allgemeine Systemkonfliktsituation handelte, sondern um ein lokales, anwendungsbedingtes Problem. EVA isolierte die Hauptursache, identifizierte die beteiligten Systeme und ordnete den Vorfall einem spezifischen Arbeitslastmuster und dem wahrscheinlichen Anwendungsinhaber zu. Dadurch konnte eine umfassende Infrastrukturfrage auf einen spezifischen Anwendungsbereich eingegrenzt werden, und das Team erhielt einen klaren Ausgangspunkt für die Behebung und Prävention.

In anderen Fällen konnten Untersuchungen, die zwei Monate lang liefen, innerhalb von Minuten auf eine wahrscheinliche Ursache eingegrenzt werden. EVA ersetzt nicht das Fachwissen von Experten. Es beschleunigt die Datenerfassung und -korrelation, sodass sich Experten auf die Validierung und Problemlösung konzentrieren können.
 

Fachwissen auf dem neuesten Stand halten

EVA kombiniert institutionelles Wissen, das durch operative Prozesse, Governance-Richtlinien, Tool-Integrationen, Untersuchungsabläufe und zugängliche Systeme kodiert ist, mit aktuellen operativen Daten und dem Kontext des aktuellen Systems.

Da EVA auf Basis von Echtzeitdaten und nicht nur auf einer statischen Wissensdatenbank arbeitet, können sich die Empfehlungen mit veränderten Konfigurationen, Workloads, Anwendungsbereitstellungen und aktualisierten Betriebsrichtlinien weiterentwickeln. So können Unternehmen ihr umfassendes Fachwissen über einen kleinen Kreis langjähriger Spezialisten hinaus erweitern und gleichzeitig ihre Empfehlungen an die aktuelle Umgebung anpassen.

EVA-Preisgestaltung und ROI

Die Preisgestaltung basiert auf dem Verbrauch und richtet sich nach der erwarteten Nutzerzahl und dem Nutzungsvolumen. Kunden wählen ihren LLM-Anbieter selbst und behalten so volle Kostenkontrolle. EVA ist darauf ausgelegt, nur die für eine Untersuchung notwendigen Informationen zu nutzen, anstatt lange, ergebnisoffene Gespräche zu führen. Dadurch wird der LLM-Verbrauch optimiert, während gleichzeitig detaillierte Analysen geliefert werden.

Rockets interne Analyse schätzt den jährlichen ROI auf ca. 3,2x, inklusive LLM-Kosten. Diese Schätzung berücksichtigt die Vermeidung von Eskalationen, die schnellere Behebung von P1- und P2-Vorfällen durch beschleunigte Diagnose und Ursachenanalyse sowie den permanenten Zugriff auf operative Expertise. Es handelt sich hierbei um eine interne Prognose, nicht um ein unabhängig geprüftes Ergebnis. Sie dient als Planungsgrundlage und ist keine Leistungsgarantie. Konkrete Preisinformationen erhalten Sie von den Vertriebsmitarbeitern von Rocket Software .

Governance erfordert weiterhin organisatorische Entscheidungen.

PlanGuard bietet die für agentenbasierte KI erforderlichen Richtlinien und Identitätskontrollen. Dennoch muss jedes Unternehmen selbst festlegen, welche Aktionen Agenten autonom ausführen dürfen, wann eine menschliche Genehmigung erforderlich ist und wie die Ergebnisse vor der Produktivsetzung validiert werden. Diese Entscheidungen sollten die Risikotoleranz, die regulatorischen Verpflichtungen und die betriebliche Disziplin des Unternehmens berücksichtigen.

Erkunden Sie gesteuerte agentenbasierte KI für Ihre Umgebung

Um herauszufinden, wie EVA ein repräsentatives Betriebsszenario in Ihrer eigenen Mainframe-Umgebung unterstützen könnte, wenden Sie sich an Ihren Rocket Software Ansprechpartner oder besuchen Sie die Rocket EVA -Produktseite.