Schulung · Agentic Coding · SQL & Datenbanken

Agentic Coding für SQL- und Datenbank-Profis

Autonome Coding-Agenten wirksam einsetzen: Spezifikation statt Prompt, Aufgabenzerlegung, testgetriebene Loops, Multi-Agent-Setups und Governance.

Dauer
2 Tage (14 Std.)
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Teilnehmende
offene Termine oder exklusiv für Ihr Team
Abschluss
Teilnahmebescheinigung

Überblick

In diesem Kurs verbinden wir Agentic Coding mit den typischen Abläufen im Bereich SQL & Datenbanken. Die Teilnehmenden arbeiten an realistischen Szenarien und nehmen sofort einsetzbare Prompts, Workflows und Checklisten mit.

Agentic Coding bezeichnet die Arbeit mit KI-Agenten, die Entwicklungsaufgaben weitgehend selbstständig erledigen: Sie lesen Code, planen Änderungen, führen Befehle und Tests aus und korrigieren sich anhand der Ergebnisse. Werkzeuge wie Claude Code, OpenAI Codex, der GitHub Copilot Coding Agent oder der Agent-Modus von Cursor machen diese Arbeitsweise alltagstauglich. Dieses herstellerneutrale Training vermittelt die Methodik dahinter, damit Sie unabhängig vom Werkzeug verlässliche Ergebnisse erzielen und die Rolle der Entwicklerin oder des Entwicklers neu definieren.

Im Zentrum steht der Wechsel vom spontanen Prompt zur belastbaren Spezifikation. Sie lernen, Aufgaben so zu zerlegen und zu beschreiben, dass Agenten sie zuverlässig lösen, testgetriebene Schleifen aufzusetzen, in denen Tests als objektives Abnahmekriterium dienen, und mehrere Agenten parallel oder arbeitsteilig einzusetzen. Darüber hinaus behandeln wir Review-Strategien für agentisch erzeugten Code sowie Governance im Team: Berechtigungen, Sicherheitsgrenzen, Verantwortlichkeiten, Kostenkontrolle und die schrittweise Einführung agentischer Workflows in bestehende Entwicklungsprozesse.

Datenbanken sind das Gedächtnis jeder Anwendung, und ihre Performance, Konsistenz und Sicherheit entscheiden über den Erfolg ganzer Systeme. KI-Coding-Assistenten und Agenten unterstützen Datenbankentwickler:innen und DBAs beim Schreiben komplexer Abfragen, beim Lesen von Ausführungsplänen, beim Entwurf von Schemas und Indexstrategien sowie bei Migrationen zwischen Datenbanksystemen. Sie übersetzen Fachfragen in SQL, refaktorieren gewachsene Stored Procedures und erzeugen Testdaten. Dabei gilt: Eine syntaktisch korrekte Abfrage ist noch keine richtige Abfrage, und ein Agent mit Schreibrechten auf Produktionsdaten ist ein erhebliches Risiko. Im Kurs lernen Sie, KI mit Schema-Kontext, Ausführungsplänen und Tests produktiv einzusetzen und Zugriffe so zu gestalten, dass Daten jederzeit geschützt bleiben.

Das Training findet live statt – wahlweise online im virtuellen Klassenraum oder vor Ort in unseren Trainingsräumen in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch kommen wir auch exklusiv für Ihr Team zusammen.

Für wen ist das Training?

  • Datenbankentwickler:innen und SQL-Entwickler:innen
  • Datenbankadministrator:innen für PostgreSQL, SQL Server, Oracle oder MySQL
  • Backend-Entwickler:innen mit Verantwortung für Datenmodelle und ORM-Schichten
  • Data Engineers und Analytics Engineers
  • BI-Entwickler:innen mit komplexen Reporting-Abfragen

Typische Herausforderungen, die wir adressieren

  • Langsame Abfragen und Lastspitzen, deren Ursachen in Ausführungsplänen verborgen liegen
  • Gewachsene Stored Procedures und Trigger ohne Dokumentation und Tests
  • Riskante Schema-Änderungen und Migrationen im laufenden Betrieb
  • Unterschiedliche SQL-Dialekte bei Plattformwechseln oder Multi-Datenbank-Landschaften

Das können Sie nach dem Training

  • Sie verstehen die Funktionsweise von Coding-Agenten und wählen das passende Werkzeug und den passenden Autonomiegrad.
  • Sie schreiben Spezifikationen und Projektkontext, mit denen Agenten verlässlich arbeiten.
  • Sie zerlegen Vorhaben in überprüfbare Teilaufgaben und steuern Agenten über testgetriebene Loops.
  • Sie setzen Multi-Agent-Setups und parallele Arbeit kontrolliert ein.
  • Sie optimieren Abfragen und Indizes mit KI-Unterstützung auf Basis von Ausführungsplänen statt Vermutungen.
  • Sie planen und testen Schema-Änderungen und Datenbankmigrationen mit generierten Skripten und Rollback-Strategien.
  • Sie gestalten Datenbankzugriffe für KI-Agenten sicher, mit minimalen Rechten, Lesereplikaten und nachvollziehbaren Abfragen.

Inhalte & Ablauf

Tag 1

Modul 1 Grundlagen agentischer Entwicklung
  • Funktionsweise von Coding-Agenten: Werkzeugaufrufe, Kontextfenster und Feedback-Schleifen
  • Werkzeuge im Vergleich: Terminal-Agenten, IDE-Agenten und Cloud-Agenten
  • Geeignete Aufgaben erkennen und Autonomiegrade bewusst wählen
  • Die neue Rolle im Team: von der Umsetzung zur Steuerung und Abnahme
Modul 2 Spezifikation statt Prompt
  • Aufgaben mit Ziel, Kontext, Randbedingungen und Abnahmekriterien beschreiben
  • Projektkontext dauerhaft in Dateien wie CLAUDE.md, AGENTS.md oder Rules hinterlegen
  • Plan-First-Vorgehen: Lösungsweg vom Agenten entwerfen und vor der Umsetzung prüfen
  • Spezifikationen versionieren und als Teil des Repositorys pflegen
Modul 3 Aufgabenzerlegung und testgetriebene Agenten-Loops
  • Große Vorhaben in unabhängige, überprüfbare Teilaufgaben zerlegen
  • Tests zuerst schreiben lassen und als objektives Abbruchkriterium nutzen
  • Linter, Typprüfungen und Builds als automatische Rückmeldung einsetzen
  • Festgefahrene Loops erkennen und mit neuer Strategie neu starten
Modul 4 Multi-Agent-Setups und Parallelisierung
  • Spezialisierte Subagents für Recherche, Implementierung, Tests und Review definieren
  • Parallele Arbeit mit Branches, Worktrees und isolierten Umgebungen organisieren
  • Orchestrierung: Ergebnisse zusammenführen und Konflikte auflösen
  • Werkzeuge und Datenquellen über MCP gemeinsam nutzbar machen

Tag 2

Modul 5 Review, Sicherheit und Governance im Team
  • Review-Strategien für große, agentisch erzeugte Änderungen
  • Berechtigungen, Sandboxing und Schutz vor Prompt Injection festlegen
  • Agenten in CI-Pipelines und Pull-Request-Prozesse einbinden
  • Teamrichtlinien, Verantwortlichkeiten, Kosten und schrittweise Einführung planen
Modul 6 Praxislabor: SQL & Datenbanken
  • SQL-Queries optimieren
  • Schemas entwerfen und prüfen
  • Stored Procedures refaktorieren
  • Migrationen sicher planen
  • Dialekte übersetzen
  • Testdaten generieren
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Datenbanken enthalten oft personenbezogene und geschäftskritische Daten: Sie lernen, KI-Werkzeugen nur Schemas und anonymisierte Beispiele statt Produktionsdaten zu geben, Zugangsdaten sicher zu verwalten und Anforderungen der DSGVO wie Datenminimierung und Löschkonzepte umzusetzen.
  • Spielregeln für den sicheren KI-Einsatz im Team
  • Ergebnisse prüfen: Fakten, Quellen, Tests und Vier-Augen-Prinzip
  • Persönlicher Umsetzungsplan für die nächsten 30 Tage
  • Offene Fragen, Ausblick und Ressourcen zum Weiterlernen

Praxisszenarien aus Ihrem Bereich

SQL-Queries optimieren

Ausführungspläne aus EXPLAIN ANALYZE oder dem Query Store interpretieren lassen, Engpässe wie Full Table Scans oder ungünstige Joins identifizieren und umgeschriebene Abfragen sowie passende Indizes mit Begründung vorschlagen.

Schemas entwerfen und prüfen

Aus fachlichen Anforderungen normalisierte Datenmodelle mit Schlüsseln, Constraints und Datentypen ableiten, bestehende Schemas auf Redundanzen und fehlende Integritätsregeln prüfen und ER-Diagramme erzeugen. Namenskonventionen werden dabei automatisch geprüft.

Stored Procedures refaktorieren

Umfangreiche PL/SQL- oder T-SQL-Prozeduren erklären, Cursor-Schleifen in mengenbasierte Logik überführen, Fehlerbehandlung vereinheitlichen und Tests mit Frameworks wie tSQLt oder pgTAP ergänzen. Das Verhalten bleibt durch Vergleichstests abgesichert.

Migrationen sicher planen

Versionierte Migrationsskripte für Flyway oder Liquibase erzeugen, Zero-Downtime-Strategien wie Expand-and-Contract entwerfen und Rollback-Pfade sowie Auswirkungen auf Sperren und Replikation bewerten. Jedes Skript wird vorab gegen eine Kopie der Datenbank getestet.

Dialekte übersetzen

Abfragen, Funktionen und Datentypen zwischen Oracle, SQL Server, PostgreSQL und MySQL migrieren, Unterschiede bei Datumsfunktionen, Sequenzen und Transaktionsverhalten berücksichtigen und Ergebnisgleichheit testen. Abweichungen werden dokumentiert.

Testdaten generieren

Realistische, synthetische Datensätze erzeugen, die Constraints, Verteilungen und Randfälle abbilden, ohne personenbezogene Produktionsdaten zu verwenden, etwa für Lasttests und Entwicklungsumgebungen. Die Generatoren lassen sich versioniert im Repository pflegen.

Mögliche Praxisprojekte im Kurs

Slow-Query-Analysator

Ein Skript, das das Slow-Query-Log oder Statistiktabellen auswertet, die teuersten Abfragen gruppiert und konkrete Index- und Rewrite-Vorschläge als Bericht ausgibt.

Schema-Dokumentationsgenerator

Ein Tool, das ein Datenbankschema ausliest und daraus eine durchsuchbare Dokumentation mit Tabellenbeschreibungen, Beziehungen und ER-Diagramm erstellt. Sie aktualisiert sich bei jeder Migration automatisch.

Text-to-SQL-Assistent

Eine kleine Web-App mit Lesezugriff auf eine Reporting-Datenbank, die Fachfragen in geprüftes SQL übersetzt und Abfrage samt Ergebnis transparent anzeigt.

Voraussetzungen

Sie haben mehrjährige Entwicklungserfahrung, arbeiten sicher mit Git, Tests und CI und haben idealerweise bereits erste KI-Coding-Werkzeuge genutzt. Sie schreiben regelmäßig SQL, kennen Joins, Aggregationen und Indizes und arbeiten mit mindestens einem relationalen Datenbanksystem.

Technische Voraussetzungen

Eigener Laptop mit Git, Terminal und Ihrer Entwicklungsumgebung sowie Zugang zu mindestens einem Coding-Agenten wie Claude Code, Codex, Copilot oder Cursor.

Datenschutz & Compliance

Datenbanken enthalten oft personenbezogene und geschäftskritische Daten: Sie lernen, KI-Werkzeugen nur Schemas und anonymisierte Beispiele statt Produktionsdaten zu geben, Zugangsdaten sicher zu verwalten und Anforderungen der DSGVO wie Datenminimierung und Löschkonzepte umzusetzen.

Terminvorschläge

Alle Termine sind Vorschläge – Ihr Wunschtermin ist jederzeit möglich.

  • Do, 26. November 2026 – Fr, 27. November 2026 Online Anfragen
  • Di, 8. Dezember 2026 – Mi, 9. Dezember 2026 Berlin Anfragen
  • Mo, 14. Dezember 2026 – Di, 15. Dezember 2026 Online Anfragen
  • Di, 12. Januar 2027 – Mi, 13. Januar 2027 Stuttgart Anfragen
  • Do, 21. Januar 2027 – Fr, 22. Januar 2027 Online Anfragen
  • Mo, 1. Februar 2027 – Di, 2. Februar 2027 Hannover Anfragen

Häufige Fragen

Worin unterscheidet sich Agentic Coding von Vibe Coding?

Vibe Coding setzt auf schnelle, intuitive Iteration in natürlicher Sprache und eignet sich besonders für Prototypen. Agentic Coding ist ein ingenieurmäßiger Ansatz für professionelle Codebasen: Präzise Spezifikationen, Tests als Abnahmekriterium, klare Berechtigungen und strukturierte Reviews sorgen dafür, dass Agenten auch in komplexen, langlebigen Projekten verlässliche und wartbare Ergebnisse liefern.

Ist der Kurs an ein bestimmtes Werkzeug gebunden?

Nein. Der Kurs vermittelt Methoden, die mit Claude Code, OpenAI Codex, dem GitHub Copilot Coding Agent, Cursor und vergleichbaren Werkzeugen funktionieren. Die Übungen zeigen Unterschiede und Gemeinsamkeiten, etwa bei Kontextdateien, Berechtigungen und Subagents. Sie können mit dem Werkzeug arbeiten, das in Ihrem Unternehmen eingesetzt wird oder werden soll.

Wie behalten wir bei autonomen Agenten die Kontrolle über Qualität und Sicherheit?

Kontrolle entsteht durch mehrere Ebenen: eng gefasste Berechtigungen und Sandboxing, Tests und statische Analysen als automatische Prüfinstanz, verpflichtende menschliche Reviews vor dem Merge und klare Teamregeln zu Verantwortlichkeiten. Im Kurs entwickeln Sie ein Governance-Konzept, das zu Ihren Prozessen, Sicherheitsanforderungen und regulatorischen Vorgaben passt.

Darf ein KI-Agent direkt auf unsere Datenbank zugreifen?

Das ist möglich, sollte aber gut geplant sein. Wir empfehlen einen dedizierten Benutzer mit Leserechten, Zugriff auf Replikate oder Entwicklungsdatenbanken statt Produktion, Abfrage-Timeouts und Protokollierung aller Statements. Schreibende Änderungen laufen über versionierte Migrationsskripte mit Review. Im Kurs bauen Sie genau diese Absicherung auf, zum Beispiel über einen eingeschränkten MCP-Server.

Wie zuverlässig ist KI-generiertes SQL?

Syntaktisch ist es meist korrekt, inhaltlich hängt die Qualität stark vom Kontext ab: Ohne Schema, Beziehungen und fachliche Definitionen entstehen leicht falsche Joins oder Doppelzählungen. Mit Schema-Kontext, Beispielabfragen und Tests gegen bekannte Ergebnisse steigt die Verlässlichkeit deutlich. Sie lernen, generierte Abfragen systematisch zu validieren.

Was kostet die Schulung „Agentic Coding für SQL- und Datenbank-Profis“?

Die Schulung kostet pauschal 949 € zzgl. gesetzl. MwSt. pro Teilnehmer:in – unabhängig davon, ob sie online oder vor Ort stattfindet. Enthalten sind 2 Trainingstag(e) mit Live-Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Unsere Terminvorschläge sind eine Orientierung. Im Anfrageformular können Sie jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und bestätigen innerhalb eines Werktags.

Findet der Kurs online oder vor Ort statt?

Beides ist möglich: live online im virtuellen Klassenraum oder vor Ort in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart oder Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Weitere Kurse für SQL- und Datenbank-Profis

Weitere Kurse zu Agentic Coding

Alle 32 Kurse zu Agentic Coding

Agentic Coding · MünchenAgentic Coding · SalzburgAgentic Coding · BerlinAgentic Coding · AugsburgAgentic Coding · HannoverAgentic Coding · BremenAgentic Coding · StuttgartAgentic Coding · KaiserslauternAgentic Coding · Online