GenAI im Praxiseinsatz: Die Migration von 2.000+ Zeppelin‑Notebooks bei der Deutschen Börse

Die zentrale Idee: Struktur und Logik trennen

Der entscheidende Designschritt bestand darin, zwei grundsätzlich unterschiedliche Problemtypen zu unterscheiden.

Deterministische Strukturkonvertierung

Ein Teil eines Zeppelin‑Notebooks lässt sich regelbasiert transformieren. Dazu gehören unter anderem:

• Umwandlung von Zeppelin‑Paragraphen in Databricks‑Notebook‑Zellen
• Übersetzung der Interpreter‑Syntax
• Anpassung von Metadaten

Diese Schritte sind mechanisch und vorhersehbar und konnten daher mit deterministischem Code automatisiert werden, ohne generative KI einzusetzen.

Rekonstruktion der Geschäftslogik mit KI

Die eigentliche Schwierigkeit liegt in der Analyse‑ und Geschäftslogik innerhalb der Notebooks: Datenumformungen, Analyseabsichten und domänenspezifische Berechnungen.

Hier setzte die Lösung auf generative KI. Die App erzeugt kontextbezogene Prompts für Databricks Genie, die Anwendern helfen, die ursprüngliche Logik und Intention eines Notebook‑Schritts zu rekonstruieren. Dabei bleibt ein Human‑in‑the‑Loop erhalten: Analysten prüfen und bestätigen jede rekonstruierte Logik.

Diese Aufteilung erhöht die Zuverlässigkeit: Regeln automatisieren das, was eindeutig ist – KI hilft dort, wo Interpretation erforderlich ist.

Architektur der Databricks App

Die Migration wurde als Databricks App implementiert. Nutzer konnten den gesamten Prozess direkt in der Databricks‑Umgebung ausführen, statt ein separates Migrationstool zu verwenden.

Die Architektur bestand im Kern aus vier Komponenten:

• einer Benutzeroberfläche, die Anwender Schritt für Schritt durch die Migration führt
• einer automatisierten Pipeline für die strukturelle Notebook‑Konvertierung
• einem Prompt‑System für kontextbezogene KI‑Anfragen
• einer Validierungsschicht mit menschlicher Kontrolle

So konnten Fachanwender ihre eigenen Notebooks migrieren, während Governance‑ und Kontrollmechanismen erhalten blieben.

Der typische Migrations‑Workflow

Der Prozess verlief meist in vier Schritten:

1. Notebook‑Import
   Anwender exportieren ihre Zeppelin‑Notebooks und laden sie in die Databricks App hoch.

2. Automatische Strukturkonvertierung
   Regeln wandeln Notebook‑Struktur, Interpreter‑Syntax und Metadaten in ein Databricks‑kompatibles Format um.

3. KI‑gestützte Logikrekonstruktion
   Die App generiert kontextbezogene Prompts für Databricks Genie, um die ursprüngliche Analyse‑ oder Geschäftslogik neu aufzubauen.

4. Validierung durch Nutzer
   Anwender überprüfen das Ergebnis und stellen sicher, dass Logik, Compliance‑Anforderungen und Fachwissen korrekt übernommen wurden.

Das Ergebnis ist ein hybrider Prozess aus Automatisierung, generativer KI und menschlicher Kontrolle.

Wie viel Zeit die Lösung spart

Vor der Einführung des Tools dauerte die Neuerstellung eines Notebooks typischerweise mehrere Stunden.

Mit der neuen Lösung dauert der Prozess nur noch etwa 15–20 Minuten pro Notebook.

Bei über 2.000 Notebooks bedeutet das:

• etwa 500–667 Stunden Entwicklungsarbeit im neuen Workflow
• gegenüber mehreren tausend Stunden, wenn jedes Notebook vollständig manuell neu erstellt worden wäre

Eine exakte Gesamtersparnis hat die Deutsche Börse nicht veröffentlicht, doch der Wechsel von Stunden zu Minuten pro Notebook zeigt den erheblichen Produktivitätsgewinn.

Warum dieses Projekt als praktischer GenAI‑Use‑Case gilt

Viele KI‑Projekte bleiben experimentell oder liefern schwer messbaren Mehrwert. Die Notebook‑Migration der Deutschen Börse ist anders, weil sie ein konkretes, kostspieliges Engineering‑Problem adressiert.

Drei Aspekte stechen hervor:

• klar abgegrenzter Anwendungsfall – Migration von Legacy‑Notebooks
• hybride Automatisierung – Regeln für deterministische Aufgaben, KI für Interpretation
• Human‑in‑the‑Loop – entscheidend für regulierte Finanzumgebungen

So vermeidet die Lösung die Risiken einer vollständig automatisierten Code‑Generierung und erzielt dennoch deutliche Effizienzgewinne.

Teil einer größeren Cloud‑Transformation

Die Notebook‑Migration ist Teil einer umfassenderen Modernisierung der IT‑Landschaft der Deutschen Börse.

Der Konzern verlagert zunehmend Systeme in die Cloud und baut seine Daten‑ und Analyseplattformen aus. Beispielsweise wurden zentrale Systeme rund um den DAX‑Index auf Google Cloud neu aufgebaut, mit Ergebnissen wie 33 % geringeren Gesamtbetriebskosten, Migration von über 60 Anwendungen und einer um 85 % schnelleren Disaster‑Recovery für kritische SAP‑Systeme.

Zudem meldete die Deutsche Börse, dass inzwischen mehr als 50 % der Workloads in der Cloud laufen – ein wichtiger Schritt für Skalierbarkeit, Resilienz und Innovation im Finanzsektor.

Gerade analytische Artefakte wie Notebooks sind dabei ein entscheidender Baustein: Ohne ihre Modernisierung können neue Cloud‑Plattformen ihr volles Potenzial kaum entfalten.

Fazit

Die Deutsche Börse zeigt mit diesem Projekt, wie generative KI sinnvoll in Unternehmens‑Engineering integriert werden kann:

• klassische Automatisierung für deterministische Aufgaben
• GenAI für interpretative Arbeit
• menschliche Kontrolle für geschäftskritische Logik

Durch diese Kombination wurde eine potenziell jahrelange Migration zu einem skalierbaren, halbautomatisierten Workflow, der die Entwicklungszeit pro Notebook von Stunden auf Minuten reduziert.