Kursbeschreibung
Dieses Advanced-Training ist für dich, wenn du KI in der Datenbank-Administration produktiv nutzen willst, ohne Sicherheit, Compliance und Nachvollziehbarkeit zu opfern. Du lernst nicht nur, bessere SQL-Prompts zu schreiben, sondern einen End-to-End-Prozess aufzusetzen: von der Anforderung über die Generierung bis zu Tests, Freigaben und Audit. Im ersten Teil entwickelst du ein Set an Prompt-Standards für unterschiedliche DBA-Aufgaben: Query-Rewrite und Tuning, Berechtigungs-Checks, Schema-Änderungen und Migrationsschritte. Dabei legst du fest, welche Informationen die KI bekommt und wie du sensible Daten reduzierst oder redigierst. Danach arbeitest du an der technischen Qualität. Du lässt Query Plans interpretieren, prüfst KI-Vorschläge auf Kardinalität, Parameter-Effekte und Datenverteilung und leitest daraus Maßnahmen ab, die du mit klaren Kriterien bewertest. Ein zentraler Punkt ist die Absicherung: Linting- und Policy-Regeln, Read-only-Strategien, Transaktionsrahmen, Staging-Tests, Shadow-Queries und Canary-Ansätze. Du baust außerdem Approval-Gates, damit Changes nicht am Prozess vorbei in Produktion landen. Im letzten Teil setzt du RAG ein, um einen internen DBA-Copilot zu erstellen, der auf euren Runbooks, Standards und Postmortems basiert. Du lernst, wie Retrieval, Chunking und Quellenangaben die Qualität erhöhen und wie du Versionierung und Gültigkeit steuerst. So entsteht ein System, das dir Zeit spart, wiederholbare Qualität liefert und Entscheidungen nachvollziehbar dokumentiert.
Die wichtigsten Themen im Überblick
- LLMs im DBA-Alltag sicher und gezielt einsetzen
- SQL-Prompts für SELECT, DDL, DML und Migrationen bauen
- EXPLAIN-Pläne mit KI analysieren und Tuning ableiten
- Index-Vorschläge auf Nutzen, Kosten und Risiken prüfen
- Runbooks als Code mit Preconditions und Postchecks erstellen
- SQL-Checks für Health, Drift und Permissions automatisieren
- Generiertes SQL mit Policies, Tests und Reviews absichern
- Auditfähige DBA-Copilots mit RAG und Quellen entwickeln
Zielgruppe
- Datenbank-Administratoren und Site Reliability Engineers mit SQL-Verantwortung
- Database Engineers und Plattform-Teams mit Change- und Tuning-Aufgaben
- DevOps- und Operations-Fachkräfte, die Datenbank-Runbooks automatisieren
- Security- und Compliance-nahe Rollen mit Audit-Anforderungen
- Für alle, die KI für SQL-Automatisierung kontrolliert in den DBA-Alltag bringen wollen
Voraussetzung für die Schulung
- Sehr gute SQL-Kenntnisse und praktische Erfahrung mit Performance-Analyse (z. B. EXPLAIN/Query Plan).
- Grundverständnis von Change-Management, Rollen/Rechten und Testumgebungen.
Kursinhalte
- LLMs im DBA-Alltag: Wo sie wirklich helfen
- Use-Cases: Tuning, Incident-Analyse, Release-Checks
- Grenzen, Risiken, typische Fehlmuster von LLMs
- Arbeitsmodus: Vorschlag, Review, Ausführung, Audit
- Prompting für SQL, das du verantworten kannst
- Prompt-Templates für SELECT, DDL, DML und Migrationen
- Kontext richtig geben: Schema, Indizes, Statistiken, Workload
- Antworten erzwingen: Explain, Risiken, Rollback
- Plan- und Performance-Analyse mit KI
- EXPLAIN/Query Plan lesen lassen, aber richtig
- Index-Vorschläge prüfen: Nutzen, Kosten, Nebenwirkungen
- Regressions erkennen: Parameter, Cardinality, Skew
- Automatisierung: Von Chat zu Workflow
- Runbooks als Code: Schritte, Preconditions, Postchecks
- SQL-Checks automatisieren: Health, Drift, Permissions
- Change-Automation mit Approval-Gates
- Qualitätssicherung für generiertes SQL
- Safety-Checks: Read-only, Schema-Scope, Row-Limits
- Teststrategie: Staging, Shadow-Queries, Canary
- Validierung mit Linting, Policies und Review-Regeln
- Security, Compliance und Datenschutz
- Redaction und Minimierung von Prompt-Daten
- Secrets-Handling, Zugriffskonzepte, Rollenmodelle
- Audit-Trails: Nachvollziehbarkeit von KI-Vorschlägen
- Eigene DBA-Copilots: RAG für Doku und Standards
- RAG-Grundlagen: Retrieval, Chunking, Embeddings
- Wissensquellen: Runbooks, Postmortems, Guidelines
- Antworten mit Quellen, Versionierung und Gültigkeit
