Schulung · GitHub Copilot · SQL & Datenbanken

GitHub Copilot für SQL- und Datenbank-Profis

GitHub Copilot professionell nutzen: Completion, Chat, Agent Mode, Coding Agent für Issues und PRs, Code Review und Enterprise-Policies.

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

„GitHub Copilot für SQL- und Datenbank-Profis“ ist ein praxisorientiertes Training für Rollen wie Datenbankentwickler:innen und SQL-Entwickler:innen, Datenbankadministrator:innen für PostgreSQL, SQL Server, Oracle oder MySQL und Backend-Entwickler:innen mit Verantwortung für Datenmodelle und ORM-Schichten. Sie lernen GitHub Copilot nicht abstrakt, sondern an Aufgaben aus Ihrem Arbeitsalltag kennen – mit Beispielen, Übungen und Vorlagen aus dem Bereich SQL & Datenbanken.

GitHub Copilot hat sich von der reinen Code-Vervollständigung zu einer umfassenden KI-Plattform entwickelt, die den gesamten Entwicklungsprozess begleitet. Im Editor unterstützen Sie Inline-Vorschläge, Next Edit Suggestions und Copilot Chat; im Agent Mode bearbeitet Copilot Aufgaben über mehrere Dateien hinweg und führt Befehle aus. Auf GitHub selbst übernimmt der Coding Agent zugewiesene Issues und liefert Pull Requests. In diesem zweitägigen Training lernen Sie, diese Bausteine gezielt einzusetzen und in Ihren bestehenden Entwicklungsprozess sauber zu integrieren.

Neben der Praxis im Editor geht es um Steuerung und Qualität: Mit Custom Instructions und Prompt-Dateien geben Sie Copilot Projektwissen mit, über MCP binden Sie zusätzliche Werkzeuge an, und mit Copilot Code Review ergänzen Sie den menschlichen Review-Prozess. Für Verantwortliche in Teams und Organisationen behandeln wir Richtlinien auf Organisations- und Enterprise-Ebene, Content Exclusions, Modellfreigaben und Auswertungen der Nutzung. So schaffen Sie die Grundlage für einen sicheren, nachvollziehbaren und wirksamen Einsatz von Copilot im gesamten Unternehmen.

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 nutzen Completion, Chat und Agent Mode von Copilot zielgerichtet für Ihre täglichen Entwicklungsaufgaben.
  • Sie hinterlegen Projektwissen in Custom Instructions und Prompt-Dateien und verbessern damit die Ergebnisqualität.
  • Sie delegieren geeignete Issues an den Coding Agent und prüfen dessen Pull Requests sachgerecht.
  • Sie integrieren Copilot Code Review sinnvoll in Ihren bestehenden Review-Prozess.
  • 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 Copilot im Editor: Completion und Chat
  • Inline-Vorschläge und Next Edit Suggestions effizient annehmen, ablehnen und steuern
  • Copilot Chat für Erklärungen, Fehlersuche und Testgenerierung nutzen
  • Kontext gezielt über Dateien, Auswahl, Workspace und Chat-Variablen setzen
  • Modellauswahl und Unterschiede zwischen IDEs wie VS Code, Visual Studio und JetBrains
Modul 2 Agent Mode und Erweiterungen
  • Mehrstufige Aufgaben im Agent Mode planen und kontrolliert ausführen lassen
  • Terminalbefehle, Testläufe und Fehlerrückmeldungen in den Agenten-Loop einbinden
  • MCP-Server für zusätzliche Werkzeuge und Datenquellen anbinden
  • Änderungen prüfen, teilweise übernehmen oder zurücksetzen
Modul 3 Projektwissen mit Custom Instructions
  • Repository-weite Instructions für Architektur, Stil und Tests formulieren
  • Pfadspezifische Instructions und wiederverwendbare Prompt-Dateien anlegen
  • Persönliche und organisationsweite Vorgaben sinnvoll kombinieren
  • Instructions anhand der Ergebnisqualität laufend verbessern
Modul 4 Coding Agent und Code Review auf GitHub
  • Issues so formulieren, dass der Coding Agent sie zuverlässig umsetzen kann
  • Pull Requests des Agenten prüfen, kommentieren und iterieren lassen
  • Copilot Code Review als ergänzende Prüfinstanz im PR-Prozess einsetzen
  • Entwicklungsumgebung des Agenten über Setup-Schritte und Actions konfigurieren

Tag 2

Modul 5 Administration, Policies und Sicherheit
  • Lizenzzuweisung und Richtlinien auf Organisations- und Enterprise-Ebene
  • Content Exclusions, Modellfreigaben und Filter für öffentlichen Code
  • Audit-Logs und Nutzungsmetriken für Steuerung und Einführung auswerten
  • Sicherheitsrisiken, Secrets und Verantwortlichkeiten für KI-generierten Code klären
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 entwickeln regelmäßig Software, arbeiten mit Git und GitHub (Issues, Pull Requests) und nutzen eine moderne IDE. Sie schreiben regelmäßig SQL, kennen Joins, Aggregationen und Indizes und arbeiten mit mindestens einem relationalen Datenbanksystem.

Technische Voraussetzungen

Eigener Laptop mit VS Code oder einer JetBrains-IDE, installierter Copilot-Erweiterung und einem GitHub-Konto mit aktiver Copilot-Lizenz; für den Coding Agent wird ein passender Plan benötigt.

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.

  • Mi, 25. November 2026 – Do, 26. November 2026 Online Anfragen
  • Mo, 7. Dezember 2026 – Di, 8. Dezember 2026 Salzburg Anfragen
  • Do, 17. Dezember 2026 – Fr, 18. Dezember 2026 Online Anfragen
  • Di, 12. Januar 2027 – Mi, 13. Januar 2027 Online Anfragen
  • Di, 26. Januar 2027 – Mi, 27. Januar 2027 Bremen Anfragen
  • Mi, 10. Februar 2027 – Do, 11. Februar 2027 Online Anfragen

Häufige Fragen

Was ist der Unterschied zwischen Agent Mode und Coding Agent?

Der Agent Mode läuft in Ihrer IDE: Sie arbeiten interaktiv mit Copilot, sehen jeden Schritt und geben Befehle frei. Der Coding Agent arbeitet dagegen eigenständig auf GitHub, sobald Sie ihm ein Issue zuweisen, nutzt eine eigene Ausführungsumgebung und legt einen Pull Request an, den Sie anschließend wie den Beitrag eines Teammitglieds prüfen.

Wie stellen wir sicher, dass Copilot unsere Unternehmensrichtlinien einhält?

Auf Organisations- und Enterprise-Ebene lassen sich Funktionen, Modelle und Erweiterungen gezielt freigeben oder sperren. Content Exclusions halten sensible Dateien aus dem Kontext heraus, und Audit-Logs machen die Nutzung nachvollziehbar. Im Kurs zeigen wir, wie Sie diese Hebel mit Datenschutz, Informationssicherheit und internen Coding-Standards zusammenbringen.

Lohnt sich der Kurs, wenn wir Copilot schon länger nutzen?

Ja, gerade dann. Viele Teams nutzen nur die Vervollständigung und lassen Chat, Agent Mode, Custom Instructions und den Coding Agent weitgehend ungenutzt. Der Kurs zeigt, wie Sie diese Funktionen strukturiert einsetzen, Ergebnisse durch Projektwissen verbessern und typische Fehlerquellen vermeiden. Erfahrene Nutzer profitieren besonders von den Abschnitten zu Review und Governance.

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 „GitHub Copilot 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 GitHub Copilot

Alle 32 Kurse zu GitHub Copilot

GitHub Copilot · MünchenGitHub Copilot · SalzburgGitHub Copilot · BerlinGitHub Copilot · AugsburgGitHub Copilot · HannoverGitHub Copilot · BremenGitHub Copilot · StuttgartGitHub Copilot · KaiserslauternGitHub Copilot · Online