Schulung · OpenAI Codex · SQL & Datenbanken

OpenAI Codex für SQL- und Datenbank-Profis

Mit OpenAI Codex Entwicklungsaufgaben delegieren: CLI und Cloud-Agent, AGENTS.md, Sandboxing, Freigaben und PR-Workflows im Team.

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

Das Training „OpenAI Codex 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 OpenAI Codex im Bereich SQL & Datenbanken produktiv, sicher und nachvollziehbar eingesetzt wird – von den Grundlagen bis zu fortgeschrittenen Workflows.

OpenAI Codex ist ein Coding-Agent, der sowohl lokal als Kommandozeilenwerkzeug und IDE-Erweiterung als auch als Cloud-Agent arbeitet. Lokal liest Codex Ihr Repository, schlägt Änderungen vor und führt Befehle in einer abgesicherten Umgebung aus. In der Cloud bearbeitet Codex delegierte Aufgaben parallel in isolierten Containern und liefert die Ergebnisse als nachvollziehbare Diffs oder Pull Requests. In diesem zweitägigen Training lernen Sie, beide Arbeitsweisen sinnvoll zu kombinieren und Aufgaben so zu schneiden, dass der Agent sie zuverlässig erledigt.

Zentrale Themen sind Steuerung und Sicherheit: Mit AGENTS.md geben Sie Codex Projektwissen, Build- und Testbefehle sowie Konventionen mit. Sie konfigurieren Freigabemodi und Sandboxing, damit der Agent nur das tut, was Sie erlauben, und richten Cloud-Umgebungen mit passenden Setup-Skripten ein. Außerdem binden Sie Codex in Ihre Pull-Request-Workflows ein, nutzen automatisierte Code-Reviews und entwickeln Regeln dafür, welche Aufgaben im Team delegiert werden und wie die Ergebnisse vor dem Merge geprüft werden.

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 setzen Codex lokal und in der Cloud gezielt für passende Entwicklungsaufgaben ein.
  • Sie schreiben eine AGENTS.md, die den Agenten zuverlässig durch Ihr Projekt führt.
  • Sie konfigurieren Freigabemodi und Sandboxing passend zu Ihren Sicherheitsanforderungen.
  • Sie delegieren Aufgaben an den Cloud-Agenten und prüfen die Ergebnisse systematisch.
  • 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 Codex im Überblick: CLI, IDE und Cloud
  • Arbeitsweisen von Codex lokal und in der Cloud vergleichen
  • Codex CLI installieren, anmelden und im Repository starten
  • Interaktive Sitzungen, nicht-interaktive Ausführung und Modellwahl
  • Geeignete und ungeeignete Aufgaben für einen Coding-Agenten unterscheiden
Modul 2 Projektwissen mit AGENTS.md
  • AGENTS.md mit Build-, Test- und Lint-Befehlen aufbauen
  • Konventionen, Architekturhinweise und Verbote präzise formulieren
  • Verschachtelte AGENTS.md-Dateien für Monorepos und Teilprojekte nutzen
  • Wirksamkeit prüfen und Anweisungen iterativ verbessern
Modul 3 Sandboxing, Freigaben und Sicherheit
  • Freigabemodi von nur lesend bis weitgehend autonom bewusst wählen
  • Sandbox-Grenzen für Dateisystem und Netzwerkzugriff verstehen
  • Umgang mit Secrets, Abhängigkeiten aus dem Internet und Prompt Injection
  • Konfigurationsdateien für Team-Standards und sichere Voreinstellungen
Modul 4 Aufgaben an den Cloud-Agenten delegieren
  • Cloud-Umgebungen mit Setup-Skripten und Abhängigkeiten konfigurieren
  • Aufgaben mit klarem Ziel, Kontext und Abnahmekriterien formulieren
  • Mehrere Aufgaben parallel starten und Ergebnisse vergleichen
  • Logs und Testausgaben nutzen, um Lösungen nachzuvollziehen

Tag 2

Modul 5 PR-Workflows und Code-Review im Team
  • Ergebnisse als Pull Request übernehmen und nachbessern lassen
  • Automatisierte Code-Reviews durch Codex in GitHub einsetzen
  • Codex in Skripte und CI-Pipelines einbinden
  • Teamregeln für Delegation, Review-Pflichten und Verantwortlichkeiten festlegen
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 praktische Programmiererfahrung, arbeiten sicher mit Git und der Kommandozeile und kennen Pull-Request-basierte Workflows. Sie schreiben regelmäßig SQL, kennen Joins, Aggregationen und Indizes und arbeiten mit mindestens einem relationalen Datenbanksystem.

Technische Voraussetzungen

Eigener Laptop mit Terminal, Git und Node.js-Laufzeit; ein ChatGPT-Plan mit Codex-Zugang oder ein OpenAI-API-Schlüssel sowie ein GitHub-Konto für die Cloud-Übungen.

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.

  • Di, 24. November 2026 – Mi, 25. November 2026 Online Anfragen
  • Mo, 30. November 2026 – Di, 1. Dezember 2026 Hannover Anfragen
  • Di, 15. Dezember 2026 – Mi, 16. Dezember 2026 Online Anfragen
  • Di, 12. Januar 2027 – Mi, 13. Januar 2027 Online Anfragen
  • Di, 19. Januar 2027 – Mi, 20. Januar 2027 München Anfragen
  • Mi, 3. Februar 2027 – Do, 4. Februar 2027 Online Anfragen

Häufige Fragen

Wann nutze ich Codex lokal und wann in der Cloud?

Lokal arbeiten Sie interaktiv und eng am Code, etwa beim Debugging oder bei explorativen Änderungen, bei denen Sie jeden Schritt verfolgen möchten. Der Cloud-Agent eignet sich für klar umrissene Aufgaben, die unabhängig ablaufen können, beispielsweise Tests ergänzen oder kleinere Fehler beheben. Mehrere solcher Aufgaben lassen sich parallel starten und anschließend als Pull Request prüfen.

Was gehört in eine gute AGENTS.md?

Eine gute AGENTS.md beschreibt, wie das Projekt gebaut, getestet und geprüft wird, welche Konventionen gelten und welche Bereiche nicht angefasst werden sollen. Sie ist knapp, konkret und aktuell. Hilfreich sind außerdem Hinweise zur Architektur und zu typischen Stolperfallen. Im Kurs entwickeln Sie eine AGENTS.md für ein eigenes Projekt und testen deren Wirkung.

Wie sicher ist es, Codex Befehle ausführen zu lassen?

Codex arbeitet standardmäßig in einer Sandbox mit eingeschränktem Datei- und Netzwerkzugriff und fragt vor riskanten Schritten nach Freigabe. Wie viel Autonomie Sie gewähren, legen Sie über Freigabemodi und Konfiguration fest. Im Kurs lernen Sie, diese Einstellungen bewusst zu wählen und Risiken wie Prompt Injection oder das Ausführen unbekannter Abhängigkeiten zu begrenzen.

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 „OpenAI Codex 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 OpenAI Codex

Alle 32 Kurse zu OpenAI Codex

OpenAI Codex · MünchenOpenAI Codex · SalzburgOpenAI Codex · BerlinOpenAI Codex · AugsburgOpenAI Codex · HannoverOpenAI Codex · BremenOpenAI Codex · StuttgartOpenAI Codex · KaiserslauternOpenAI Codex · Online