SQL mit natürlicher Sprache generieren

Objective

After completing this lesson, you will be able to verwenden Sie natürliche Sprache, um SQL-Anweisungen in der SQL-Konsole zu generieren.

Gründe für die Verwendung natürlicher Sprache zum Generieren von SQL

Die Verwendung natürlicher Sprache zur Generierung von SQL verringert die Barriere für den Datenzugriff, da Benutzer ihre Anforderungen in einfacher Sprache beschreiben und ausführbare Abfragen erhalten können, was die Produktivität steigert und die Entscheidungsfindung beschleunigt, ohne dass tiefe Abfragefähigkeiten erforderlich sind. In der SQL-Konsole von SAP HANA Cloud Central können Sie Eingabeaufforderungen in natürlicher Sprache direkt aus der SQL-Konsole verwenden, um syntaktisch korrekte Anweisungen aus einer Geschäftsbeschreibung zu erstellen und diese dann auszuführen oder zu verfeinern, um die Analyse sowohl für Anwendungsbenutzer als auch für Entwickler zu optimieren.

Neben der Generierung kann generative KI auch vorhandene SQL erklären und optimieren, indem sie Effizienzverbesserungen vorschlägt und gleichzeitig die Semantik beibehält und die Änderungen erläutert. Dadurch können Teams die Leistung schneller und mit Zuversicht verbessern. Durch die Vermittlung von KI mit unternehmensspezifischen Datenmodellen und -funktionen stellen Unternehmen sicher, dass die generierte SQL mit den SAP-HANA-Dialekten und Schemabeziehungen übereinstimmt, wodurch die Genauigkeit erhöht und kostspielige Datenbewegungen vermieden werden.

SQL-Konsole in SAP HANA Cloud Central über das SAP-BTP-Cockpit öffnen

  1. Navigieren Sie im SAP-BTP-Cockpit zu Ihrem Unterkonto. Öffnen Sie den linken Navigationsbereich, und wählen Sie Instances and Subscriptions.
  2. Wählen Sie auf dem Bild Instances and Subscriptions die Option SAP HANA Cloud, um SAP HANA Cloud Central in einer neuen Browser-Registerkarte zu starten.
  3. Suchen Sie auf der Seite SAP HANA Cloud Central - All Instances Ihre SAP-HANA-Cloud-Datenbankinstanz.
  4. Öffnen Sie die SQL-Konsole mit einer der folgenden Optionen:
    • Wählen Sie das Symbol SQL-Konsole in der linken Navigationsleiste, um die Konsole zu öffnen (standardmäßig nicht verbunden).
    • Wählen Sie in der Spalte Aktionen für Ihre Instanz die Schaltfläche Mehr (°°°), und wählen Sie SQL-Konsole öffnen, um eine Konsolenregisterkarte zu öffnen, die mit dieser Instanz verbunden ist.
    • Wählen Sie das oberste Feld Ask Joule (Search any), und geben Sie Open SQL Console ein. Wählen Sie in der Dropdown-Liste das Element Open SQL Console.
  5. Wählen Sie Wählen Sie eine Instanz aus, um eine Verbindung zu der Datenbankinstanz herzustellen, die Sie verwenden möchten. Sie können Ihre gespeicherten Anmeldeinformationen verwenden, die Ihrem SAP-BTP-Benutzer zugeordnet sind, oder eine Verbindung mit einem anderen Benutzer herstellen, sofern Sie über Zugriffsberechtigungen verfügen.
  6. Wählen Sie nach der Verbindung das Zielschema aus, geben Sie Ihre SQL im Editor ein, und führen Sie sie mit den Optionen Ausführen (Ausführen, Anweisung ausführen, Zeile ausführen oder Anweisung im Hintergrund ausführen) aus.

Verwenden natürlicher Sprache in der SQL-Konsole zum Generieren von SQL

In der SQL-Konsole von SAP HANA Cloud Central ist es nun möglich, Tabellendefinitionen und Relationen in natürlicher Sprache zu beschreiben, die Sie benötigen. In der SQL-Konsole legt die generative KI die erforderlichen SQL-Anweisungen für Sie an, wenn Sie die Funktion Eingabeaufforderung ausführen wie in der Abbildung gezeigt verwenden.

Die Abbildung zeigt einen Beispieleingabeaufforderungstext, den die generative KI zum Generieren einer CREATE TABLE-Anweisung verwendet.

Beispiel: Kleines Datenmodell

Das vorherige Beispiel war nur ein sehr einfaches Beispiel, um zu zeigen, wie eine Eingabeaufforderung in der SQL-Konsole ausgeführt wird. Für die nächsten Beispiele das folgende Datenmodell für das Schema Mein Unternehmen mit den Tabellen Abteilungen, Stellenbezeichnungen und Mitarbeiter. Die Spalten Abteilungs-ID und Stellenbezeichnungs-ID in der Tabelle Mitarbeiter sind Fremdschlüsselreferenzen zu den Tabellen Abteilungen und Stellenbezeichnungen.

Die Abbildung zeigt ein kleines Datenmodell mit den Tabellen Abteilungen, Stellenbezeichnungen und Mitarbeiter. In der Tabelle Mitarbeiter sind die Spalten Abteilungs-ID und Stellenbezeichnungs-ID Fremdschlüsselreferenzen zu den Tabellen Abteilungen und Stellenbezeichnungen.

Unter Verwendung des angegebenen Beispieldatenmodells würde ich das folgende Entwurfsdokument schreiben:

Code Snippet
12345678910111213141516171819202122232425
Setting Up the My Company Database Schema Schema, table and column names must be written in snake_case. First, a new schema called my company needs to be created. Within this schema, three interconnected tables must be established. To begin, an employees table should be created. This table will serve as the main record for all staff members. The employee id will act as the unique identifier for each employee. The first name and last name columns will be added to store the employee's name. Since employees belong to departments and have specific job roles, a department id column should be included to reference the departments table, and a job title id column should be included to reference the job titles table. Finally, a hire date column should be added to track when each employee was hired. Next, the job titles table should be created to define all possible job positions in the company. Each job title will have a unique job title id (a short two-character code) to identify it, and a job title name field where the actual name of the position will be stored. The name field is required and cannot be left empty. Finally, the departments table should be set up to organize the company's structure. Each department will have a department id (a short three-character acronym) that uniquely identifies it, a department name field for the full name of the department, and a department head field to record who leads that department. The tables will work together to create a complete employee management system for the My Company schema.

Fügen Sie diesen Text in die SQL-Konsole von SAP HANA Cloud Central ein, und führen Sie ihn mit der Option Eingabeaufforderung ausführen aus dem Menü Ausführen aus.

Die resultierende SQL-Ausgabe lautet:

SQL
123456789101112131415161718192021222324252627
CREATE SCHEMA "my_company"; -- Create the job_titles table to store all job positions CREATE COLUMN TABLE "my_company"."job_titles" ( "job_title_id" NVARCHAR(2) PRIMARY KEY, "job_title_name" NVARCHAR(100) NOT NULL ); -- Create the departments table to organize company structure CREATE COLUMN TABLE "my_company"."departments" ( "department_id" NVARCHAR(3) PRIMARY KEY, "department_name" NVARCHAR(100), "department_head" NVARCHAR(100) ); -- Create the employees table with foreign key references CREATE COLUMN TABLE "my_company"."employees" ( "employee_id" INTEGER GENERATED BY DEFAULT AS IDENTITY PRIMARY KEY, "first_name" NVARCHAR(50), "last_name" NVARCHAR(50), "department_id" NVARCHAR(3), "job_title_id" NVARCHAR(2), "hire_date" DATE, FOREIGN KEY ("department_id") REFERENCES "my_company"."departments"("department_id"), FOREIGN KEY ("job_title_id") REFERENCES "my_company"."job_titles"("job_title_id") );

Der SQL-Code sieht gut aus, und die Ausführung gab keinen Syntaxfehler aus. Im Schema my_company wurden die Tabellen job_titles, departments und employees in der richtigen Reihenfolge angelegt. Die richtige Reihenfolge war aufgrund der Fremdschlüssel wichtig.

Zum Testen der Einrichtung der angelegten Tabellen werden Demodaten benötigt. Es ist sogar möglich, einige Demodaten mithilfe einer generativen KI zu generieren. Verwenden Sie als Beispiel die folgende Eingabeaufforderung, um 5 Zeilen mit Demodaten für die "my_company"."departments" zu generieren:

Code Snippet
12345
Use the table "my_company"."departments" with the fields "department_id" which is a acronym for the department name which is max 3 characters long, but shorter is fine, "department_name", "department_head" and generate 5 rows demo data.

Die resultierende SQL-Ausgabe lautet:

SQL
1234567891011
INSERT INTO "my_company"."departments" ("department_id", "department_name", "department_head") VALUES ('IT', 'Information Technology', 'John Smith'); INSERT INTO "my_company"."departments" ("department_id", "department_name", "department_head") VALUES ('HR', 'Human Resources', 'Sarah Johnson'); INSERT INTO "my_company"."departments" ("department_id", "department_name", "department_head") VALUES ('FIN', 'Finance', 'Michael Chen'); INSERT INTO "my_company"."departments" ("department_id", "department_name", "department_head") VALUES ('OPS', 'Operations', 'Emily Davis'); INSERT INTO "my_company"."departments" ("department_id", "department_name", "department_head") VALUES ('MKT', 'Marketing', 'David Brown');

Die generierten SQL-Anweisungen sehen gut aus, und die Ausführung dieser SQL-Anweisungen füllt die Tabelle "my_company"."departments" mit einigen Demodaten. Als schnelle Überprüfung führt die Ausführung von SELECT * FROM "my_company"."departments"; in der SQL-Konsole zu Folgendem:

Die Abbildung zeigt die Ergebnisse der Anweisung SELECT * FROM my_company.Abteilungen;

In diesem einfachen Beispieldatenmodell funktionierte die Verwendung der generativen KI sehr gut, aber wie sieht es mit komplexeren Szenarien aus? Verwenden Sie die folgenden Best Practices, wenn Sie eine Eingabeaufforderung schreiben, damit generative KI verwendbaren SQL-Code generieren kann.

Best Practices für die Verwendung generativer KI in der SQL-Konsole

Betrachten Sie generative KI in der SQL-Konsole als brillanten Praktikanten, der über alle Kenntnisse im Lehrbuch verfügt, aber kein Verständnis Ihres Unternehmens, Ihrer Datenstruktur oder Ihrer Ziele hat. Ohne klare Anweisungen wird dieser brillante Praktikant selbst mit der einfachen Frage "Geben Sie einen Überblick über die unternehmensweit besten Verkaufsdaten" zu kämpfen haben, da der Kontext zur Frage nicht klar ist.

Um die besten Ergebnisse bei der Verwendung generativer KI in der SQL-Konsole zu erhalten, verwenden Sie die folgende Regel: Mehr ist besser. Die folgenden Best Practices helfen Ihnen dabei, nützliche Eingabeaufforderungen zu schreiben, um ein gutes Ergebnis aus der generativen KI in der SAP HANA Cloud Central - SQL-Konsole zu sein.

Kontext zu Ihrem Schema bereitstellen
  • Relevante Tabellen- und Spaltennamen angeben
  • Beziehungen zwischen Tabellen beschreiben
  • Geben Sie ggf. Datentypen oder Formate an.

Beispiel: "Ich habe eine Kundentabelle mit id, email, signup_date und eine Auftragstabelle mit customer_id, order_date, total_amount"

Geben Sie Ihr Geschäftsziel an

Erläutern Sie, warum Sie die Abfrage benötigen, nicht nur, was Sie möchten, damit die generative KI bessere Annahmen zu Filtern und Logik treffen kann.

Beispiel: Ich muss hochwertige Kunden für eine Kundenbindungskampagne identifizieren" ist besser als „Top-Kunden erhalten".

Spezifisch und detailliert sein
  • Gut: "Schreiben Sie eine Abfrage, um Kunden zu finden, die in den letzten 90 Tagen Einkäufe über 500 USD getätigt haben und in den letzten 30 Tagen keine Einkäufe getätigt haben."
  • Vermeiden: "Kundendaten holen"
Eingabeaufforderung iterativ verfeinern
Beginnen Sie mit einer einfachen Anforderung, und fragen Sie dann nach Verfeinerungen wie dem Hinzufügen von Filtern oder Sortierreihenfolgen. Bauen Sie nach und nach Komplexität auf.
Testen und validieren
  • Generierte Abfragen immer überprüfen, bevor sie in der Produktion ausgeführt werden
  • Mit kleinen Datenmengen oder LIMIT-Klauseln beginnen
  • Überprüfen Sie, ob die Ergebnisse Ihren Erwartungen entsprechen.
  • Prüfung auf NULL-Behandlung und Edge-Fälle

Verwenden Sie natürliche Sprache in Ihrer Muttersprache

Es ist einfacher, einen Prompt für generative KI in Ihrer Muttersprache als in Englisch zu schreiben, da Sie Absicht und Nuance genauer in der Sprache ausdrücken können, die Sie am besten kennen, und die SAP-Tools für generative KI können Ausgaben in einer ausgewählten Sprache liefern, unabhängig von der Sprache des Prompts.

Derzeit werden folgende Sprachen unterstützt: Englisch, Deutsch, Französisch, Spanisch, Portugiesisch, Japanisch, Koreanisch, Chinesisch (vereinfacht), Vietnamesisch, Griechisch, Polnisch, Arabisch und Indonesisch. Einige andere Sprachen, wie Niederländisch, funktionieren, werden aber noch nicht offiziell unterstützt. Da ich Niederländisch bin, habe ich das englische Designdokument in Niederländisch umgeschrieben und gegen die generative KI in der SQL-Konsole ausgeführt. Hier ist die Eingabeaufforderung auf Niederländisch:

Code Snippet
1234567891011121314151617181920212223242526
Een databaseschema voor Mijn Bedrijf opzetten. De schema-, tabel- en kolomnamen moeten in het Engels en in snake_case worden geschreven. Er moet een nieuw schema genaamd mijn bedrijf worden aangemaakt. Binnen dit schema moeten drie onderling verbonden tabellen worden opgezet. Om te beginnen moet er een tabel werknemers worden aangemaakt. Deze tabel zal dienen als het hoofdregister voor alle personeelsleden. Het werknemer id zal fungeren als de unieke identificatie voor elke werknemer. De kolommen voornaam en achternaam worden toegevoegd om de naam van de werknemer op te slaan. Omdat werknemers bij afdelingen horen en specifieke functies hebben, moet er een kolom afdeling id worden opgenomen om te verwijzen naar de tabel afdelingen, en een kolom functietitel id om te verwijzen naar de tabel functietitels. Ten slotte moet er een kolom datum indiensttreding worden toegevoegd om bij te houden wanneer elke werknemer is aangenomen. Vervolgens moet de tabel functietitels worden aangemaakt om alle mogelijke functies binnen het bedrijf te definiëren. Elke functietitel krijgt een uniek functietitel id (een korte code van twee tekens) om deze te identificeren, en een veld functietitel naam waarin de werkelijke naam van de functie wordt opgeslagen. Het naamveld is verplicht en mag niet leeg worden gelaten. Ten slotte moet de tabel afdelingen worden opgezet om de structuur van het bedrijf te organiseren. Elke afdeling krijgt een afdeling id (een afkorting van drie tekens) dat de afdeling uniek identificeert, een veld afdelingsnaam voor de volledige naam van de afdeling, en een veld afdelingshoofd om te registreren wie die afdeling leidt. De tabellen zullen samenwerken om een compleet werknemersbeheersysteem te vormen voor het schema van Mijn Bedrijf.

Ich werde Sie nicht mit der SQL-Ausgabe der generativen KI für diese niederländische Eingabeaufforderung langweilen, da sie mit der englischen Version identisch ist. Probiere es selbst aus, niemand stoppt dich.

Zusammenfassung

Die SQL-Konsole von SAP HANA Cloud Central verwendet generative KI, um es Benutzern zu ermöglichen, SQL-Abfragen durch Eingabeaufforderungen in natürlicher Sprache zu erstellen, zu erläutern und zu optimieren, wodurch technische Barrieren erheblich reduziert und datengestützte Entscheidungen sowohl für Geschäftsbenutzer als auch für Entwickler beschleunigt werden. Die Lösung generiert syntaktisch korrekte, unternehmenskonforme SQL-Anweisungen unter Wahrung der Datenintegrität.

Um die Ergebnisse zu maximieren, sollten Unternehmen einen strukturierten Ansatz für zeitnahe Entwicklung verfolgen: Geben Sie einen umfassenden Schemakontext an, geben Sie explizit Geschäftsziele an, anstatt ungenaue Anforderungen zu stellen. Die Behandlung von generativer KI als kompetentes, aber kontextabhängiges Tool, das klare Anleitungen zur Überwindung domänenspezifischer Blindspots erfordert, gewährleistet eine optimale Abfragegenerierung und organisatorische Wertrealisierung.