KI & VibeCoding für SQL und Datenbanken
Dieses Seminar richtet sich an Datenbankentwickler und Administratoren mit solider SQL-Praxis, die Künstliche Intelligenz und das „VibeCoding"-Paradigma für tiefgehende Analysen, Performance-Tuning, Schema-Entwurf und KI-Agenten mit Datenbankzugriff einsetzen wollen. Du lernst, komplexe SQL-Abfragen mit KI zu generieren, Datenmodelle im Dialog mit dem LLM zu entwerfen und KI-Vorschläge zuverlässig zu prüfen, bevor sie produktiv laufen. Für den Einstieg ohne SQL-Vorkenntnisse ist Datenbankanalysen mit KI der passendere Kurs.
Für wen ist dieses Seminar
Datenbankentwickler, Datenanalysten, DBAs und BI-Spezialisten. Das Angebot richtet sich an Unternehmen, Behörden und Selbstständige.
Was du mitbringen solltest
Solide Grundkenntnisse in relationalen Datenbanken und SQL.
Geschult wird auf der jeweils aktuellen Version; bei Inhouse-Seminaren gern auch auf der Version, die ihr im Einsatz habt.
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 natürlicher Sprache beschreiben und in T-SQL/PL/pgSQL übersetzen lassen
- Generierung von Common Table Expressions (CTEs), Window Functions (Fensterfunktionen) und Pivot-Abfragen
- Fehleranalyse: Syntax- und Logikfehler in komplexen Statements durch KI beheben lassen (Query Debugging)
- KI-generiertes SQL systematisch prüfen: Ergebnisse gegen eigene Testdaten vergleichen, statt dem ersten Treffer zu vertrauen
- NULL-Randfälle gezielt testen — ein häufiger blinder Fleck bei KI-generierten Abfragen
- LLMs für Datenbereinigung und Data-Wrangling-Skripte nutzen
Refactoring und Performance-Optimierung
- Analyse langsamer Abfragen: den Ausführungsplan im Kontext an die KI übergeben
- 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. automatisierte Migration von Oracle PL/SQL nach 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
- MCP-Server (Model Context Protocol) für strukturierten, kontrollierten Datenbankzugriff durch KI-Agenten
- Tool Calling: KI-Agenten befähigen, selbstständig parametrisierte SQL-Queries gegen die Datenbank auszuführen
- Security im VibeCoding: Prompt Injection eindämmen und Datenschutz beim KI-Einsatz berücksichtigen
- Lokale Modelle als Datenschutz-Option — ohne Übermittlung an Cloud-Anbieter (Lokale KI für Datenanalyse & Datenextraktion, Programmieren mit lokaler KI)
Dauer: 2 Tage
Was du danach kannst
- Komplexe SQL-Abfragen (CTEs, Window Functions, Pivot) mit KI generieren und das Ergebnis fundiert beurteilen
- Datenmodelle im Dialog mit dem LLM entwerfen und als geprüftes DDL-Skript umsetzen
- Ausführungspläne mit KI-Unterstützung analysieren und gezielt Indexe vorschlagen lassen
- KI-generiertes SQL systematisch gegenprüfen — mit Testdaten und NULL-Randfällen statt Vertrauen auf den ersten Treffer
- KI-Agenten sicher an die Datenbank anbinden, inklusive MCP-Server und Schutz vor Prompt Injection
- SQL-Dialekte automatisiert übersetzen (z. B. Oracle PL/SQL nach PostgreSQL PL/pgSQL)
Verwandte Seminare
- Datenbankanalysen mit KI — der Einstieg ohne Vorkenntnisse. Dieses Seminar hier setzt SQL-Praxis voraus und geht in die Tiefe: Tuning, Schema-Entwurf, Agenten.
- SQL Fortgeschritten — die SQL-Basis (Window Functions, CTEs, Performance-Grundlagen), auf der dieses Seminar aufbaut.
- Lokale KI für Datenanalyse & Datenextraktion — wer KI-gestützte Datenbankarbeit ohne Cloud-Anbindung betreiben will.
Dein Dozent
Frank Glück schult seit mehr als 30 Jahren und programmiert seit fast 40 Jahren. Seit 1999 ist er auch als Dozent für die GFU tätig.
Häufige Fragen (FAQ)
Wie unterstützt KI beim Schreiben komplexer SQL-Abfragen?
Moderne Sprachmodelle können aus fachlichen Fragestellungen komplexe SQL-Queries generieren, einschließlich Window Functions, Unterabfragen und rekursiven CTEs. Im Seminar lernst du, wie du dem Modell Schema-Metadaten so mitgibst, dass syntaktisch korrekte und logisch einwandfreie Abfragen entstehen — und wie du das Ergebnis anhand von Testdaten prüfst.
Kann KI auch beim Query-Tuning und der Index-Auswahl helfen?
Ja. Wir zeigen dir, wie du Ausführungspläne (EXPLAIN-Pläne) von PostgreSQL oder SQL Server von einer KI analysieren lässt, um teure Scans, falsche Zeilenschätzungen oder fehlende Indexe schnell aufzuspüren.
Ist der Einsatz von KI im Datenbankbereich sicher?
Sicherer wird es, je konsequenter du Datenstruktur und personenbezogene Echtdaten trennst: Werden nur Datenbankschemata (DDL) und anonymisierte Abfragestrukturen an ein Modell übergeben, sinkt das Risiko deutlich. Wir schulen genau diese Trennung als Praxis und zeigen dir zusätzlich lokale Modelle als Alternative, wenn gar nichts an einen Cloud-Anbieter übermittelt werden soll.