Schulung – KI-Agenten-Entwicklung – SQL & Datenbanken

KI-Agenten-Entwicklung für SQL- und Datenbank-Profis

KI-Agenten professionell entwickeln: Architekturen, Tool Use, Agent SDKs, LangGraph, Memory, Evals, Guardrails und Deployment.

Dauer
6 Stunden, ein Termin
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Teilnehmende
offene Termine oder exklusiv für Ihr Team
Abschluss
Teilnahmebescheinigung

Überblick

Das Training „KI-Agenten-Entwicklung für SQL- und Datenbank-Profis“ richtet sich an 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 und zeigt Schritt für Schritt, wie KI-Agenten-Entwicklung im Bereich SQL & Datenbanken produktiv, sicher und nachvollziehbar eingesetzt wird – von den Grundlagen bis zu fortgeschrittenen Workflows.

KI-Agenten gehen über klassische Chatbots hinaus: Sie zerlegen Aufgaben, rufen Werkzeuge und APIs auf, werten Ergebnisse aus und arbeiten in Schleifen, bis ein Ziel erreicht ist. In dieser kompakten Schulung lernen Sie, solche Systeme so zu entwickeln, dass sie im Unternehmensalltag zuverlässig, nachvollziehbar und sicher funktionieren. Sie vergleichen Architekturmuster vom einfachen Workflow über den Agent Loop bis zu Multi-Agenten-Systemen und setzen sie mit dem Claude Agent SDK, dem OpenAI Agents SDK und LangGraph praktisch um.

Im Mittelpunkt steht nicht das schnelle Demo, sondern der Weg in die Produktion. Sie gestalten Tool-Schnittstellen und Kontext gezielt, binden Werkzeuge über das Model Context Protocol an, entwerfen Kurz- und Langzeitgedächtnis und bauen Evaluierungen auf, die Regressionen früh sichtbar machen. Hinzu kommen Guardrails gegen Prompt Injection und Fehlaktionen, Human-in-the-Loop-Freigaben, Tracing, Kostenkontrolle und Deployment. Am Ende entscheiden Sie fundiert, wann ein Agent sinnvoll ist, wann ein deterministischer Workflow genügt und welches Framework zu Ihrem Vorhaben passt.

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 wählen für eine Aufgabe das passende Muster zwischen festem Workflow und autonomem Agenten.
  • Sie entwerfen Werkzeuge und Kontext so, dass Agenten zuverlässig und kosteneffizient arbeiten.
  • Sie implementieren Agenten mit Claude Agent SDK, OpenAI Agents SDK oder LangGraph.
  • Sie bauen Evaluierungen und Tracing auf, um Qualität messbar zu machen und Regressionen zu erkennen.
  • 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

Modul 1 Agent-Architekturen und Entwurfsmuster
  • Workflows versus Agenten: Prompt Chaining, Routing, Parallelisierung, Orchestrator-Worker
  • Der Agent Loop: Planen, Handeln, Beobachten, Reflektieren
  • Multi-Agenten-Systeme, Subagenten und Übergaben zwischen Agenten
  • Auswahlkriterien für Modell, Framework und Autonomiegrad
Modul 2 Tool Use und Kontext-Engineering
  • Function Calling und strukturierte Ausgaben mit JSON-Schema
  • Werkzeuge gut entwerfen: Granularität, Benennung, Fehlermeldungen, Idempotenz
  • Werkzeuge über MCP-Server anbinden und wiederverwenden
  • Kontextfenster managen: Zusammenfassung, Kompaktierung, Retrieval und Prompt-Caching
Modul 3 Frameworks in der Praxis
  • Claude Agent SDK: Agent Loop, Tools, Subagenten, Berechtigungen und Hooks
  • OpenAI Agents SDK: Agents, Handoffs, Guardrails und Tracing
  • LangGraph: zustandsbehaftete Graphen, Checkpointing und Human-in-the-Loop
  • Gemeinsamer Vergleich anhand derselben Aufgabe und Kriterien für die Framework-Wahl
Modul 4 Memory, Evals und Observability
  • Kurzzeit- und Langzeitgedächtnis, Speicherstrategien und Vergessen
  • Evaluierungsdatensätze, LLM-as-a-Judge und aufgabenbasierte Erfolgsmessung
  • Tracing von Tool-Aufrufen, Token-Verbrauch und Latenzen
  • Regressionstests bei Prompt-, Modell- oder Tool-Änderungen
Modul 5 Guardrails, Sicherheit und Deployment
  • Prompt Injection, Datenabfluss und überprivilegierte Werkzeuge absichern
  • Eingabe- und Ausgabeprüfungen, Freigabeschritte und Sandboxing
  • Deployment als Service, asynchrone Ausführung, Retries und Kostenlimits
  • Governance, Protokollierung und Anforderungen aus DSGVO und EU AI Act
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

Solide Programmierkenntnisse in Python oder TypeScript, Erfahrung mit REST-APIs sowie erste praktische Erfahrungen mit LLM-APIs oder KI-Assistenten. Sie schreiben regelmäßig SQL, kennen Joins, Aggregationen und Indizes und arbeiten mit mindestens einem relationalen Datenbanksystem.

Technische Voraussetzungen

Laptop mit Python oder Node.js, Git und Code-Editor sowie API-Zugänge zu mindestens einem LLM-Anbieter, etwa Anthropic oder OpenAI. Zugangsdaten für Übungen können bei Bedarf gestellt werden.

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.

Termine & Standorte

Pro Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Ihr Wunschtermin ist jederzeit möglich.

  • München Mi, 16. Dezember 2026 6 Std. Anfragen
  • Salzburg Do, 10. Dezember 2026 6 Std. Anfragen
  • Berlin Mo, 14. Dezember 2026 6 Std. Anfragen
  • Augsburg Do, 10. Dezember 2026 6 Std. Anfragen
  • Hannover Di, 15. Dezember 2026 6 Std. Anfragen
  • Bremen Di, 15. Dezember 2026 6 Std. Anfragen
  • Stuttgart Fr, 11. Dezember 2026 6 Std. Anfragen
  • Kaiserslautern Fr, 11. Dezember 2026 6 Std. Anfragen
  • Online Fr, 11. Dezember 2026 6 Std. Anfragen

Häufige Fragen

Welches Agent-Framework sollten wir einsetzen?

Das hängt von Modellstrategie, Kontrolle und Teamkompetenz ab. Die herstellereigenen SDKs bieten einen schlanken Einstieg mit eng abgestimmten Funktionen, LangGraph gibt Ihnen feinere Kontrolle über Zustände und Abläufe. Im Kurs lösen Sie dieselbe Aufgabe mit mehreren Frameworks und leiten daraus nachvollziehbare Auswahlkriterien für Ihr Projekt ab.

Wie verhindert man, dass ein Agent falsche oder gefährliche Aktionen ausführt?

Durch mehrere Schutzschichten: eng geschnittene Werkzeuge mit minimalen Rechten, Validierung von Ein- und Ausgaben, Freigabeschritte für kritische Aktionen, Sandboxing und kontinuierliche Evaluierung. Prompt Injection über externe Inhalte wird als realistisches Risiko behandelt. Sie üben diese Maßnahmen konkret an Ihrem eigenen Agenten.

Brauche ich für jede Automatisierung einen Agenten?

Nein. Viele Aufgaben lassen sich mit einem festen Workflow aus wenigen LLM-Aufrufen zuverlässiger, günstiger und besser nachvollziehbar lösen. Agenten lohnen sich, wenn Lösungswege nicht vorab planbar sind und das System flexibel auf Zwischenergebnisse reagieren muss. Genau diese Abwägung trainieren wir anhand praktischer Beispiele.

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 „KI-Agenten-Entwicklung 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 6 Stunden Live-Training mit Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Für jeden Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Im Anfrageformular können Sie aber jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und melden uns 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 und Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Kann der Kurs auf unser Team zugeschnitten werden?

Ja. Maßgeschneiderte Kurse kosten ca. 4.500 € mehr, je nach Thema und nach Absprache. Wir stimmen Inhalte, Beispiele und Übungen vorab mit Ihnen ab.

Weitere Kurse für SQL- und Datenbank-Profis

Weitere Kurse zu KI-Agenten-Entwicklung

Alle 30 Kurse zu KI-Agenten-Entwicklung

KI-Agenten-Entwicklung – MünchenKI-Agenten-Entwicklung – SalzburgKI-Agenten-Entwicklung – BerlinKI-Agenten-Entwicklung – AugsburgKI-Agenten-Entwicklung – HannoverKI-Agenten-Entwicklung – BremenKI-Agenten-Entwicklung – StuttgartKI-Agenten-Entwicklung – KaiserslauternKI-Agenten-Entwicklung – Online