KI & VibeCoding für SQL und Datenbanken

Einleitung

Dieses Seminar zeigt, wie Datenbankentwickler und Administratoren Künstliche Intelligenz und das "VibeCoding"-Paradigma nutzen können, um komplexe SQL-Abfragen zu generieren, Datenmodelle zu entwerfen und Datenbank-Performance zu optimieren. Der Fokus liegt auf der effizienten Übersetzung von Business-Anforderungen in performanten SQL-Code.

Zielgruppe / Voraussetzung

Zielgruppe: Datenbankentwickler, Datenanalysten, DBAs und BI-Spezialisten.
Voraussetzung: Solide Grundkenntnisse in relationalen Datenbanken und SQL.

Detaillierte Inhalte

VibeCoding für Datenstrukturen

KI als Datenbankarchitekt: Vom konzeptionellen Design (ER-Modell) zum DDL-Skript
Prompting für Schema-Erstellung: Tabellen, Relationen, Constraints und Indexe
Normalisierung und Denormalisierung im Dialog mit dem LLM
Generierung von synthetischen, realistischen Testdaten für relationale Strukturen

Text-to-SQL: Abfragegenerierung und Analyse

Komplexe Business-Logik in Natural Language beschreiben und in T-SQL/PL/pgSQL übersetzen lassen
Generierung von Common Table Expressions (CTEs), Window Functions und Pivot-Abfragen
Fehleranalyse: Syntax- und Logikfehler in komplexen Statements durch KI beheben lassen (Query Debugging)
LLMs für Datenbereinigung und Data Wrangling Skripte nutzen

Refactoring und Performance-Optimierung

Analyse langsamer Abfragen: Den Execution Plan in Kontext zur KI setzen
KI-gestützte Vorschläge für Index-Strategien (Covering Indexes, Filtered Indexes)
Umschreiben ineffizienter Cursor-basierter Operationen (RBAR) in mengenbasierte (Set-based) Logik
Übersetzung von SQL-Dialekten (z. B. automatische Migration von Oracle PL/SQL zu PostgreSQL PL/pgSQL)

KI-Agenten und Datenbankanbindung (RAG)

Grundlagen: Wie LLMs sicher mit der Datenbank interagieren
Einrichten von Vektordatenbank-Erweiterungen (z.B. pgvector) für semantische Suchen
Tool Calling: KI-Agenten befähigen, selbstständig parametrisierte SQL-Queries gegen die Datenbank auszuführen
Security im VibeCoding: Prompt Injection verhindern und Data Privacy beim KI-Einsatz gewährleisten

Dauer: 2 Tage