AI SQL BOT

Was ist SQLAI.ai?

SQLAI.ai ist ein Set an AI-basierten SQL- und NoSQL-Tools für Datenanalysten, Entwickler, Studenten und Teams. Benutzer können Abfragen in natürlicher Sprache erstellen und bestehende SQL-Abfragen optimieren, überprüfen, interpretieren, formatieren und umwandeln.

Eine kurze Beschreibung

SQLAI.ai verbessert die Qualität der Abfragen durch Datenbankdialekte, Schema-Contexte und Regeln, doch in der Produktivumgebung benötigen SQL-Abfragen weiterhin manuelle Überprüfungen, Zugriffsbeschränkungen sowie Validierung mit echten Daten.

Kernfunktionen

• Natursprachige Anfragen in SQL- oder NoSQL-Abfragen umwandeln.
• Optimieren von langsamen Abfragen und Erklärung der Änderungsgründe.
• Überprüfen Sie die Grammatik und mögliche Fehler und geben Sie die Korrekturen an.
• Schrittweise Erklärung der Ausführungslogik komplexer SQL-Anfragen.
• Formatieren Sie die Abfragen nach einheitlichen Regeln.
• Umwandlung von SQL zwischen verschiedenen Datenbank-Dialekten.
• Importieren Sie das Schema oder verbinden Sie sich mit der Datenbank, um den Kontext zu erhalten.
• Durch eine öffentliche API werden die Erstellungsfähigkeiten in andere Anwendungen integriert.

Natürliche Sprache in SQL umwandeln

• Beschreiben Sie die benötigten Daten in Alltagssprache.
• Erstellen von Filter-, Aggregations-, Sortier- und Verknüpfungsabfragen.
• Unterstützung für mehrsprachige Anzeigen und verschiedene Datenbank-Dialekte.
• Nach dem Hinzufügen des Schemas können echte Tabellennamen und Spaltennamen verwendet werden.
• Die Ergebnisse können durch iterative Anpassungen optimiert werden.
• Komplexe Geschäftsabläufe erfordern weiterhin die Bestätigung durch den Datenverantwortlichen.

SQL-Optimierer

• Analysieren Sie die Leistungsprobleme der vorhandenen Abfragen.
• Angebote für Indexbezogene Empfehlungen und Abfragenumformungen.
• Zeigt den Unterschied vor und nach der Optimierung.
• Erklären Sie die potenziellen Auswirkungen jeder Änderung.
• Jeder von dem Optimierer erstellte Vorschlag verbraucht 2 Abfragen.
• Es wird empfohlen, dies mit einem realen Umsetzungsplan sowie der Menge an Daten zu überprüfen.

SQL-Validator

• Ein Problem mit der SQL-Syntax wurde festgestellt.
• Überprüfen Sie die Abfrage nach dem Dialekt der Zieldatenbank.
• Es werden AI-gestützte Reparatur- und Anleitungsmöglichkeiten bereitgestellt.
• Hilft bei der Identifizierung von Syntaxunterschieden zwischen Datenbanken.
• Jeder Mal, wenn der Verifier generiert wird, werden 2 Abfragen verbraucht.
• KI-basierte Überprüfungen können die tatsächliche Verarbeitung durch den Datenbankmotor nicht ersetzen.

SQL-Interpreter

• Beschreiben Sie den Zweck der Anfrage in natürlicher Sprache.
• Trennen, Filtern und Aggregieren nach Nebensätzen.
• Hilft Anfängern, sich mit unbekannten SQL-Strukturen vertraut zu machen.
• Hilft dem Team bei der Bewertung und Erstellung von Dokumenten.
• Komplexe Speicherprozesse können dennoch vereinfacht oder falsch verstanden werden.
• Sensible Konstanten und Geschäftsdaten müssen vor der Erklärung entfernt werden.

SQL-Formatierung und -Konvertierung

• Einheitliche Einrückung, Zeilenumbrüche und Schlüsselwort-Formatierung.
• Verbesserung der Code-Review-Prozesse und der Lesbarkeit.
• Umwandlung von Abfragen zwischen verschiedenen Datenbank-Engines.
• Erste Überarbeitung zur Unterstützung der Datenbankmigration.
• Funktionen, Datumsangaben, Seitenlayout und Typsemantik können unterschiedlich sein.
• Nach der Konvertierung müssen Tests ausgeführt werden, um zu überprüfen, ob die Ergebnisse übereinstimmen.

Schema-Kontext

• Die Datenbankstruktur wird importiert, ohne dass unbedingt Echtzeitdaten verbunden werden müssen.
• Lassen Sie die KI Tabellen, Spalten und Beziehungen verstehen.
• Verminderung von fiktiven Tabellennamen und Feldernamen.
• Im Hinweis werden automatisch Schema-Objekte vorgeschlagen.
• Unterstützung für große Schema-Szenarien mit mehr als 900 Tabellen.
• Das Schema selbst kann auch sensible Geschäftsstrukturen preisgeben.

Regeln für Datenquellen

• Speichern Sie wiederverwendbare Befehle für jede Datengrundlage.
• Es wird verlangt, dass Identifikatoren auf eine bestimmte Weise referenziert werden.
• Beschränkung der Anzahl der standardmäßig zurückgegebenen Zeilen.
• Die zu verwendenden Filterbedingungen müssen festgelegt werden.
• Einheitliche Vorgaben für das Erstellen von SQL durch das Team.
• Fehlerhafte Regelkonfigurationen können auf alle Abfragen wiederholt angewendet werden.

Datenbankverbindung

SQLAI.ai unterstützt die Importierung von Schemata und bietet zudem eine Echtzeitverbindung zu einigen Datenbanken. Auf der offiziellen Seite werden MySQL, PostgreSQL, SQL Server, Oracle, MariaDB und MongoDB als Datenbanken aufgeführt, zu denen eine Echtzeitverbindung möglich ist; viele andere Engines nutzen hauptsächlich das Schema-Modell.

• Nach der Verbindung können Abfragen im echten Kontext erstellt werden.
• Man kann die erstellten Abfragen ausführen und die Ergebnisse ansehen.
• Die offizielle Startseite betont, dass bei der Verbindung nur Lesezugriff verwendet werden sollte.
• Produktionsdatenbanken sollten vorrangig mit Lesekopien verbunden werden.
• Es dürfen keine Rechte zur Erstellung, Aktualisierung, Löschung oder Verwaltung gewährt werden.
• Vor dem ersten Ausführen sollten der Abfragescope und die Anzahl der zurückgegebenen Zeilen überprüft werden.

Unterstützte Datenbanken

Der offizielle Datenbankkatalog listet derzeit 28 Engines auf, die relationale, analytische, NoSQL-, Graph-Datenbanken sowie Abfrageschichten abdecken. Ob die verschiedenen Engines eine Echtzeitverbindung unterstützen, muss einzeln überprüft werden.

Echtzeit-Verbindung und Schema-Modus

Abfragebearbeitung und Unterschiedsanzeige

• Ändern Sie die AI-Ergebnisse im vollständigen Abfrageditor.
• Überprüfen Sie die einzelnen Unterschiede zwischen der ursprünglichen SQL-Abfrage und der umgeschriebenen SQL-Abfrage.
• Man behält die manuelle Steuerung bei, anstatt die Ausgabe direkt zu übernehmen.
• In Kombination mit Schema werden automatisch Vorschläge für Eingabetabellen und -spalten gegeben.
• An den verbundenen Datensquellen können Abfragen getestet werden.
• Vor der Ausführung sollten weiterhin Transaktionen, Beschränkungen bezüglich der Anzahl der Zeilen sowie Zeitlimits verwendet werden.

Anleitung zur Verwendung von SQLAI.ai

Abfragen in natürlicher Sprache erstellen

1. Wählen Sie den Ziel-Datenbankmotor aus.
2. Importieren Sie ein Schema oder erstellen Sie eine benutzerdefinierte Datenquelle.
3. Erklären Sie die Geschäftsprobleme, den Zeitrahmen und die Ausgabefelder.
4. Fügen Sie Aggregationskriterien, Sortierung und Beschränkungen der Anzahl der Zeilen hinzu.
5. Erstellen Sie SQL und überprüfen Sie Tabellennamen, Verbindungen und Filterbedingungen.
6. Zuerst in der Testdatenbank oder einer nur zum Lesen geeigneten Kopie ausführen.
7. Vergleichen Sie die Ergebnisse mit bekannten Proben, bevor Sie sie verwenden.

Optimierung einer langsamen Abfrage

1. Kopieren Sie die Abfrage und entfernen Sie sensible Daten.
2. Wählen Sie die richtige Datenbank-Dialekt.
3. Übermitteln Sie die Abfrage sowie das notwendige Schema an den Optimierer.
4. Lesen Sie die Gründe für die Änderungen und die Ansicht der Unterschiede.
5. Erfassen des tatsächlichen Ausführungsplans und der Referenzzeit.
6. Vergleichen Sie die Ergebnisse auf derselben Datenbasis hinsichtlich ihrer Konstanz.
7. Es muss vom Datenbankadministrator überprüft werden, bevor es online gestellt wird.

Sichere Verbindung zur Datenbank

1. Erstellen Sie ein spezielles, nur zum Lesen zugelassenes Datenbankkonto.
2. Einschränkung der zugänglichen Bibliotheken, Schemata, Tabellen und Zeilen.
3. Vorrangige Verbindung zur desensibilisierten Kopie oder zum Analyse-Repository.
4. Einstellen von IP-Beschränkungen, Verbindungs- und Abfragedauerüberschreitungen.
5. Fügen Sie eine Datengrundlage in SQLAI.ai hinzu und testen Sie sie.
6. Überprüfen Sie die Audit-Logs und abweichenden Abfragen.
7. Wenn es nicht mehr verwendet wird, sollten die Zugangsdaten zurückgenommen und die Datenquelle gelöscht werden.

Für welche Benutzer geeignet

• Studenten, die die SQL-Syntax und die Struktur von Abfragen lernen.
• Datenanalysten, die schnell Berichte erstellen müssen.
• Entwickler, die SQL überprüfen und optimieren.
• Ein Migrationsteam, das Abfragen zwischen Datenbanken umwandeln muss.
• Produkt- und Betriebsmitarbeiter, die veraltete SQL verstehen möchten.
• Anwendungsteams, die SQL über API-Integration erzeugen müssen.
• Ein Daten-Team, das sich auf einheitliche Abfragespezifikationen verständigt.

Typische Anwendungsfallen

• Umwandeln von Geschäftsproblemen in einen Entwurf für SQL-Abfragen.
• Erklärung komplexer Verbindungen und Unterabfragen.
• Überprüfen Sie die Syntaxkompatibilität zwischen den Engines.
• Anleitung zur Umformulierung von langsamen Abfragen.
• Formatieren Sie SQL nach den Team-Vorgaben.
• Übertragung von Dialekten wie MySQL in andere Engines.
• Fügen Sie der Anwendung die Fähigkeit hinzu, natürliche Sprache in SQL umzuwandeln.

In welchen Fällen ist es nicht geeignet?

• Es wird der KI gestattet, Schreibrechte oder Verwaltungsrechte für die Produktionsdatenbank zu haben.
• Es ist notwendig, eine formale Beweisführung dafür zu liefern, dass die Abfrage absolut korrekt ist.
• Daten können nicht an Drittanbieterdienste gesendet werden.
• Es soll die Datenbankverwalter vollständig ersetzen.
• Ausführung von Lösch- oder Aktualisierungsanweisungen ohne Überprüfung.
• Man sollte die Entscheidung für eine kostspielige Indexerstellung nicht allein auf Empfehlungen der KI stützen.

Pakete und Preise

SQLAI.ai bietet derzeit vier Tarife an: Hobby, Starter, Explorer und Pro. Bei allen Tarifen ist eine 7-tägige kostenlose Testphase verfügbar, die jederzeit gekündigt werden kann. Auf der offiziellen Website wird der Jahrespreis als gleichbedeutend mit 2 kostenlosen Monaten dargestellt. Allerdings weicht die auf der Seite angezeigte Jahresgebühr etwas von der einfachen Umrechnung in Monatskosten ab – es sollte stets der Preis auf der Zahlelseite gelten.

Wie wird die Abfragegrenze berechnet?

• Eine normale Erstellung verbraucht in der Regel einen Abfragenanteil.
• Der SQL-Optimierer wird jeweils 2 Mal verwendet.
• Der SQL-Validator verbraucht jeweils 2 Einheiten.
• Offene API-Anfragen verbrauchen in der Regel 3 Einheiten.
• API-Anfragen für große Datenbank-Schemata können 5 Einheiten verbrauchen.
• Wiederholtes Ausprobieren verbraucht schnell die Credits des günstigen Pakets.
• Bei der Beschaffung sollte man nach dem Typ des Werkzeugs schätzen und nicht nur nach der Anzahl der Anfragen.

Kostenloser Probemonat

• Alle vier Pakete bieten eine 7-tägige Probephase an.
• Auf der Datenbank-Seite der offiziellen Website heißt es, dass kein Kreditkarten erforderlich ist, um damit zu beginnen.
• Die tatsächlichen Zahlungsanforderungen richten sich nach der Registrierungs- und Abrechnungsseite.
• Die Probephase eignet sich zum Testen der Dialekte der Ziel-Datenbank.
• Es sollten gleichzeitig das Schema, die Verbindungen sowie der Verbrauch an Abfragen überprüft werden.
• Überprüfen Sie vor Ablauf der Testphase, ob es automatisch auf eine kostenpflichtige Version umgestellt wird.

Wie wählt man ein Paket aus?

• Für das gelegentliche Lernen und Erstellen einfacher Abfragen kann Hobby in Betracht gezogen werden.
• Bei etwa 200 Verwendungen pro Monat kann man an einen Starter denken.
• Hochfrequente individuelle Analyse eignet sich für Explorer.
• Bei Bedarf an einem Team und höherem Budget sollte Pro in Betracht gezogen werden.
• Für API und höhere Quoten müssen die Pro- oder XL-Pakete geprüft werden.
• Bei häufiger Verwendung von Optimierern und Validatoren wird ein doppelter Betrag reserviert.
• Überprüfen Sie vor der jährlichen Zahlung die Ziel-Datenbank und die Sicherheitsprozesse.

Stornierung und Rückerstattung

• Die Angaben auf der offiziellen Preisseite besagen, dass eine Stornierung jederzeit möglich ist.
• Die Stornierung beendet in der Regel die anschließenden automatischen Verlängerungen.
• Ob für den bereits bezahlten Zeitraum ein Rückerstattung möglich ist, hängt von den aktuellen Bedingungen ab.
• Zitieren Sie die Rückerstattungspolitik anderer SQL-Tools mit demselben Namen nicht.
• Vor dem Kauf einer jährlichen Mitgliedschaft sollten die Regeln zur Rückerstattung und zum Downgrade überprüft werden.
• Speichern von Zahlungs-, Stornierungs- und Kundenservice-Kommunikationsaufzeichnungen.

Offene API

• SQLAI.ai bietet einen öffentlichen API-Zugang.
• Die von KI erzeugten Inhalte sowie die RAG-Funktionen können in Anwendungen integriert werden.
• Eine Standard-API-Anfrage verbraucht in der Regel 3 Abfragen.
• Eine große Schema-Anfrage kann 5 Einheiten verbrauchen.
• Der Schlüssel muss auf der Serverseite gespeichert werden.
• Es ist notwendig, Limits für den Datenverkehr sowie Alarme für Protokolle und Budgets einzustellen.
• Überprüfen Sie vor dem Go-Live die Endpunkte, Modelle und Paketrechte.

Datenbanksicherheit

• Verwenden Sie ausschließlich eine spezielle, nur zum Lesen zugelassene Anmeldeinformation.
• Wenden Sie die Prinzipie des geringsten Berechtigungslevels auf Tabellen, Spalten und Zeilen an.
• Priorisieren Sie die Verbindung mit gedämpften Daten oder read-only-Kopien.
• Es ist verboten, dass Prozesse zur Erzeugung von KI direkt Schreibvorgänge ausführen.
• Einstellen von Abfristungen, Obergrenzen für die Ergebnisse und Ressourcenbeschränkungen.
• Wechseln Sie regelmäßig die Passwörter und löschen Sie inaktive Verbindungen.
• Auditschlüsse für Abfragen und Exporte werden beibehalten.

Sensible Daten und Privatsphäre

• Der Name des Schemas kann die Geschäftsstruktur offenbaren.
• Der Abfragetext kann Kundendaten oder Transaktionsinformationen enthalten.
• Ersetzen Sie vor dem Einsenden den echten Namen, das Konto und den Schlüssel.
• Schreiben Sie die Herstellungsbelege nicht in die Anweisungen.
• Unternehmen sollten ihre Richtlinien für die Datenspeicherung und das Modelltraining überprüfen.
• Geregelte Daten benötigen die Genehmigung der Rechts- und Sicherheitsteams.
• Prüfen Sie vor der grenzüberschreitenden Verarbeitung, wo sich die Daten befinden.

Risiken der von KI erzeugten SQL-Abfragen

• Es könnte auf nicht existierende Tabellen oder Felder verwiesen werden.
• Fehlerhafte Verbindungsbedingungen führen zu doppelten oder fehlenden Daten.
• Leere Werte, Zeitzone und Datengrenzen können falsch behandelt werden.
• Die aggregierten Kennzahlen können mit der Geschäftsdefinition nicht übereinstimmen.
• Eine Abfrage kann einen vollständigen Tabellenscan auslösen und hohe Cloud-Kosten verursachen.
• Die Semantik der umgewandelten Funktion kann sich ändern.
• Dass etwas scheinbar funktioniert, bedeutet nicht, dass das Ergebnis korrekt ist.

Prüfung vor dem Produktionsstart

• Der SQL-Code soll von jemandem überprüft werden, der sich mit Datenmodellen auskennt.
• Überprüfen Sie Tabellen, Spalten, Verbindungen und Filterbedingungen.
• Überprüfen Sie die Ergebnisse mit einer kleinen Stichprobe.
• Überprüfen Sie den Ausführungsplan und die Menge der gescannten Daten.
• Legen Sie Grenzen für die Anzahl der Zeilen, die Kosten sowie die Laufzeit fest.
• Führen Sie Update- oder Migrationsanweisungen in der Testumgebung aus.
• Führen Sie die endgültige SQL-Abfrage in die Versionskontrolle und den Code-Review ein.

Vorteile des Produkts

• Umfasst Erstellung, Optimierung, Überprüfung, Erklärung, Formatierung und Konvertierung.
• Unterstützt 28 Datenbanken sowie verschiedene Datentypen.
• Der Schema-Context kann Feld-Phantome verringern.
• Einige gängige Datenbanken unterstützen eine Echtzeitverbindung.
• Verfügt über Regeln, automatische Vorschläge und die Fähigkeit zu großen Schemata.
• Die differenzierte Ansicht und der Editor behalten die manuelle Kontrolle bei.
• Die Preise und Limits der Vier-Pakete sind recht transparent.
• Bietet Teamfähigkeiten und eine öffentliche API.

Produktbeschränkungen

• Von KI erzeugter SQL kann keine korrekte Geschäftslogik gewährleisten.
• Das Verbinden mit einer Datenbank erhöht die Risiken für die Sicherheit von Anmeldedaten und Daten.
• Die meisten Engines unterstützen nur den Schema-Modus und keine Echtzeitverbindungen.
• Optimierer und Verifier verbrauchen den doppelten Bedarf.
• API-Anfragen verbrauchen mehr Abfragen.
• Bei den günstigeren Paketen ist die Anzahl der monatlichen Abfragen begrenzt.
• Die Anzeige der Jahresgebühr sowie die Umrechnung in Monatspreise müssen bei der Abrechnung bestätigt werden.
• Komplexe Speicherprozesse und Migration erfordern weiterhin die Bearbeitung durch Experten.
• Die Plattform selbst ist kein Open-Source-Projekt, das man selbst bereitstellen kann.

GitHub und der Open-Source-Zustand

Es wurde kein offizielles, vollständiges Quellcode-Repository gefunden, das auf der offiziellen Website von SQLAI.ai überprüft werden könnte. Die in den Suchergebnissen angezeigten Repositorys mit demselben Namen sind möglicherweise Empfehlungen Dritter, Klone oder andere Projekte und können daher nicht als Grundlage für die Offenlegung des Codes durch die Plattform herangezogen werden.

Grundlegende Informationen

Empfehlungswert

Empfehlungswert: 4,5 / 5. Die SQLAI.ai-Toolkette ist umfassend, deckt viele Datenbanken ab und unterstützt Schema, Regeln, Verbindungen sowie API – sie eignet sich daher zum Lernen und zur Verbesserung der Effizienz bei der Arbeit mit SQL. Für den Einsatz in der Produktion sind jedoch weiterhin Leserechte, manuelle Überprüfungen sowie Validierungen gegen echte Datenbanken erforderlich.

Häufige Fragen

Ist SQLAI.ai kostenlos?

Es wird eine 7-tägige Testphase angeboten; für die dauerhafte Nutzung müssen Sie das Hobby-, Starter-, Explorer- oder Pro-Paket wählen.

Wie viel kostet SQLAI.ai?

Die monatlichen Kosten für die Abonnements Hobby, Starter, Explorer und Pro betragen jeweils 4, 6, 10 und 20 US-Dollar.

Wie viele Datenbanktypen werden unterstützt?

Der offizielle Datenbankkatalog listet derzeit 28 Arten von relationellen, analytischen, NoSQL-, Graph-Datenbanken sowie Abfrageschichten auf.

Kann man eine echte Datenbank anschließen?

Einige gängige Datenbanken unterstützen Verbindungen in Echtzeit, andere Datenbanken lassen sich mit einem Schema importieren. In der Produktivumgebung sollten nur Leserechte gewährt werden.

Kann man langsame Abfragen optimieren?

Ja, der Optimierer bietet Überarbeitungen und Erklärungen an, doch dies muss in Kombination mit einem tatsächlichen Ausführungsplan getestet werden.

Wie wird der Abzug für die Anfrage berechnet?

Bei der normalen Erstellung erfolgt dies in der Regel einmal, beim Optimierer und Validator zweimal, bei der öffentlichen API in der Regel dreimal, während große Schema-API-Anfragen bis zu fünfmal stattfinden können.

Bietet es Teamfunktionen?

Es werden die Funktionen von Teams auf der Seite mit den aktuellen Standardpreisen im Pro-Paket aufgeführt.

Wird eine API bereitgestellt?

Es wird eine öffentliche API bereitgestellt, über die die RAG-Funktionen in andere Anwendungen integriert werden können.

Kann SQL, das von KI erzeugt wird, direkt ausgeführt werden?

Es wird nicht empfohlen, es direkt in der Produktionsdatenbank auszuführen. Zunächst sollten Berechtigungen überprüft und eingeschränkt sowie in einer Testumgebung getestet werden.

Ist SQLAI.ai open source?

Keine Open-Source-Quellen – es wurde kein vollständiger Quellcode-Repository gefunden, das auf der offiziellen Website überprüft werden kann.