dozent.net
Projekt anfragen
Info

Datenbankanalysen mit KI: Auswertungen, deren Zahlen stimmen

In diesem zweitägigen Seminar nutzt du KI, um Auswertungen aus Datenbanken zu erstellen, und lernst, das Ergebnis selbst zu beurteilen. Eine KI schreibt eine Abfrage in Sekunden, auch eine, die stillschweigend falsche Summen liefert. Deshalb geht es hier nicht um das Erlernen von SQL, sondern um die Frage, ob eine Zahl stimmt – von der unscharfen Fachfrage über Abfragen, die laufen und trotzdem falsch rechnen, bis zu Daten, denen man nicht trauen kann.

Von der Fachfrage zur Zahl, die im Bericht stehen darf Vier Stationen: Die Fachfrage wird präzise gefasst, die KI schreibt die Abfrage, das Ergebnis wird geprüft, und erst dann geht es in einen wiederholbaren Bericht. Fachfrage präzise gefasst Abfrage mit KI geschrieben Ergebnis geprüft Bericht wiederholbar
Abbildung 1: Von der Fachfrage zur Zahl, die im Bericht stehen darf.

Unverbindlich anfragen — wir melden uns mit einem passenden Termin oder Inhouse-Angebot.

Individuell anfragen

Für alle, die SQL beherrschen und KI für Auswertungen einsetzen wollen, ohne der ersten Antwort zu glauben. Keine Tool-Lizenz erforderlich.

Warum eine Abfrage, die läuft, noch keine richtige Zahl ist

KI-Assistenten schreiben heute in Sekunden eine Abfrage, für die man früher eine Stunde gebraucht hat. Das Tückische daran: Eine falsche Abfrage meldet keinen Fehler. Sie liefert eine Zahl, die plausibel aussieht – doppelt gezählte Umsätze nach einem Join, fehlende Kunden nach einem Filter an der falschen Stelle, ein Durchschnitt, der NULL-Werte stillschweigend übergeht. Wer das nicht erkennt, trägt den Fehler in den Bericht.

Das Seminar setzt deshalb dort an, wo SQL-Kenntnisse allein nicht reichen: bei der präzisen Fachfrage, beim Prüfen eines Ergebnisses, das man nicht selbst ausgerechnet hat, bei unzuverlässigen Daten und bei Statistikfallen.

Eine Abfrage, die läuft, gegenüber einer Zahl, die geprüft ist Vergleich: Läuft eine Abfrage nur, gibt es keine Fehlermeldung, die Zahl sieht plausibel aus, und der Fehler fällt erst im Bericht auf. Ist die Zahl geprüft, war die Fachfrage eindeutig, das Ergebnis ist gegengerechnet, Datenfehler sind erkannt, und der Bericht ist wiederholbar. Abfrage läuft keine Fehlermeldung Zahl sieht plausibel aus Fehler fällt erst … … im Bericht auf Zahl geprüft Fachfrage eindeutig Ergebnis gegengerechnet Datenfehler erkannt Bericht wiederholbar
Abbildung 2: Der Unterschied liegt nicht im Tempo, sondern in der Kontrolle über das Ergebnis.

Typische Anwendungsfälle

  • Monatsbericht — Umsatz, Deckungsbeitrag oder Bestand jeden Monat gleich berechnen, statt den Bericht jedes Mal neu zusammenzubauen.
  • Fragen der Geschäftsführung — schnell eine Antwort liefern, die auch der zweiten Nachfrage standhält.
  • Zwei Zahlen, eine Frage — herausfinden, warum Controlling und Vertrieb unterschiedliche Umsätze melden.
  • Datenqualität — Dubletten, Lücken und Ausreißer finden, bevor sie eine Auswertung verfälschen.
  • Zeitreihen und Vergleiche — Vorjahres- und Monatsvergleiche, die nicht an ungleich langen Zeiträumen scheitern.

Für wen ist dieses Seminar

Für Fachkräfte aus Controlling, Analyse und Business Intelligence sowie erfahrene Anwenderinnen und Anwender im Fachbereich, die regelmäßig Auswertungen aus Datenbanken erstellen und dafür KI einsetzen wollen. Das Angebot richtet sich an Unternehmen, Behörden und öffentliche Einrichtungen, Vereine und Verbände sowie Selbstständige.

Was du mitbringen solltest

Sichere SQL-Kenntnisse auf dem Stand der Seminare SQL Grundlagen und SQL Fortgeschritten: Joins, Gruppierungen, Unterabfragen, CTEs und Fensterfunktionen. Vorkenntnisse mit KI sind nicht nötig.

Geschult wird auf der jeweils aktuellen Version; bei Inhouse-Seminaren gern auch auf der Version, die ihr im Einsatz habt.

Detaillierte Inhalte

Zwei aufeinander aufbauende Tage mit Übungen an einer vorbereiteten Datenbank, in der bewusst Datenfehler stecken. Geübt wird auf PostgreSQL oder SQL Server.

Die Fachfrage präzise fassen

  • „Umsatz im letzten Quartal“: Welcher Umsatz, welches Quartal, welcher Stichtag – und was nimmt die KI an?
  • Die KI kennt dein Schema nicht: Woher weiß sie, was in welcher Tabelle steht, und was passiert, wenn sie Spalten erfindet?
  • Was gehört in den Auftrag an die KI, und was darf sie nicht sehen?

Die Abfrage läuft, aber die Zahl ist falsch

  • Nach dem Join stimmt die Summe nicht mehr: Woher kommen die doppelten Zeilen?
  • Ein Filter an der falschen Stelle, und ganze Kunden fehlen im Ergebnis
  • NULL in Summen, Durchschnitten und Zählungen: Was zählt die Abfrage wirklich?
  • Zwei Abfragen beantworten dieselbe Frage mit verschiedenen Zahlen – welche stimmt?

Ergebnisse prüfen, bevor sie im Bericht stehen

  • Wie prüfst du eine Zahl, die du nicht selbst ausgerechnet hast?
  • Woran erkennst du, dass ein Ergebnis plausibel ist, und wann reicht ein Blick darauf nicht?
  • Die KI erklärt ihre Abfrage überzeugend – auch die falsche

Daten, denen man nicht trauen kann

  • Dubletten: derselbe Kunde dreimal, in drei Schreibweisen
  • Lücken in Zeitreihen: Der fehlende Tag im Diagramm ist kein Umsatzeinbruch
  • Ausreißer: Messfehler, Sonderfall oder die eigentliche Nachricht?
  • Werte, die es nicht geben dürfte: negative Mengen, Bestellungen vor dem Tag, an dem der Kunde angelegt wurde

Statistikfallen

  • Durchschnitt oder Median: Wann führt der Mittelwert in die Irre?
  • Prozent und Prozentpunkte, Anteile von Anteilen
  • Monate mit vier und mit fünf Wochenenden: Vergleiche über ungleich lange Zeiträume
  • Wachstum gegenüber dem Vorjahr, wenn sich Kundenstamm oder Sortiment verändert haben

Wiederkehrende Berichte

  • Der Monatsbericht wird jedes Mal neu gebaut und weicht jedes Mal ab
  • Wer weiß in drei Monaten noch, was die Abfrage rechnet?
  • Abfrage, Tabellenkalkulation oder BI-Werkzeug: Wo gehört die Rechenlogik hin?

Datenschutz und Werkzeugwahl

  • Kundendaten im Cloud-Modell: Was darf hinein, und genügt der KI das Schema ohne Daten?
  • Lokale KI im eigenen Haus: Wann ist sie für Auswertungen die bessere Wahl? (Lokale KI für Datenanalyse & Datenextraktion)
  • Assistent in der Tabellenkalkulation, Chat oder Agent mit Datenbankzugriff: Wer darf was ausführen?

Hinweis: Inhalte und Tiefe passen wir bei Inhouse-Seminaren an euren Wissensstand und eure Datenbank an.

  • Praxis statt Frontalvortrag — kurze Erklärung, dann übst du selbst an einer echten Datenbank.
  • Eigene Fragestellungen willkommen — bei Inhouse-Seminaren arbeiten wir mit euren echten Auswertungen.
  • Material zum Mitnehmen — Übungsdatenbank und Aufgaben für die eigene Weiterarbeit.

Dauer: 2 Tage · Durchführung: remote oder inhouse bei euch – deutschlandweit, in Österreich und der Schweiz

Was du danach kannst

  • Eine Fachfrage so präzise fassen, dass die KI nichts raten muss, und ihr das Schema mitgeben, ohne Daten preiszugeben
  • Typische Rechenfehler in KI-generierten Abfragen erkennen: doppelte Zeilen nach Joins, fehlende Zeilen nach Filtern, NULL in Summen und Durchschnitten
  • Ein Ergebnis, das du nicht selbst ausgerechnet hast, mit Stichproben, Kontrollsummen und Gegenrechnung prüfen
  • Dubletten, Lücken, Ausreißer und unmögliche Werte in Datenbeständen aufspüren
  • Statistikfallen wie Mittelwert statt Median oder ungleich lange Zeiträume vermeiden
  • Wiederkehrende Berichte so anlegen, dass sie jeden Monat gleich rechnen und nachvollziehbar bleiben

Verwandte Seminare

Dein Dozent

Frank Glück schult seit mehr als 30 Jahren und programmiert seit 1986. Seit 1999 ist er auch als Dozent für die GFU tätig.

Häufige Fragen (FAQ)

Lerne ich in diesem Seminar SQL?

Nein. Das Seminar setzt sichere SQL-Kenntnisse voraus, wie sie SQL Grundlagen und SQL Fortgeschritten vermitteln. Hier geht es darum, mit KI schneller zu Auswertungen zu kommen und zu erkennen, ob das Ergebnis stimmt.

Was unterscheidet das Seminar von „KI & Vibe-Coding für SQL und Datenbanken“?

Dieses Seminar ist für alle, die Fragen an vorhandene Daten stellen und Berichte erstellen. KI & Vibe-Coding für SQL richtet sich an Entwickler und DBAs, die an der Datenbank selbst bauen: Schema, Tuning und KI-Agenten.

Für welche Datenbank gilt das Gelernte?

Für alle gängigen relationalen Datenbanken. Geübt wird auf PostgreSQL oder SQL Server; die Fehlerbilder und Prüfungen sind herstellerunabhängig.

Welche KI-Werkzeuge nutzen wir?

Wir vermitteln das Prinzip, nicht ein einzelnes Produkt. Die gezeigten Techniken funktionieren mit den gängigen Assistenten — du bist nicht an ein bestimmtes Werkzeug oder Abo gebunden.

Dürfen Kundendaten in ein Cloud-Modell?

Oft genügt der KI das Schema, also Tabellen- und Spaltennamen, ohne einen einzigen Datensatz. Wo das nicht reicht, zeigen wir lokale Modelle, die im eigenen Haus laufen. Was im Einzelfall erlaubt ist, klärt ihr mit eurem Datenschutzbeauftragten.

Können wir das Seminar inhouse für unser Team buchen?

Ja. Bei Inhouse-Seminaren passen wir Inhalte, Tempo und Beispiele an euren Wissensstand und eure Datenbank an. Sprich uns einfach an.

Was kostet die Teilnahme?

Der Preis richtet sich nach Format, Umfang und Teilnehmerzahl — gerne auf Anfrage.

Individuell anfragen

Individuell anfragen

Alle Seminare ansehen

Zwei Tage, danach weißt du, ob eine Zahl stimmt, bevor sie im Bericht steht. Stell uns deine Anfrage, wir melden uns mit einem passenden Termin oder Inhouse-Angebot.