DP-800 Develop AI-enabled database solutions

Preis
Netto €
MwSt. €

Preis
Preis auf Anfrage

Dauer
4 Tage

Für Unternehmen und Arbeitssuchende:
dieser Kurs ist zu 100 % förderfähig!
 

Standort

Kurssprache
Englisch

Trainingslösungen
Online Live

Jetzt Beratung vereinbaren Als Favorit speichern Als PDF drucken/speichern

Die Zukunft moderner Software liegt in intelligenten, datenbasierten Anwendungen. Dafür braucht es Datenbanklösungen, die weit über klassische Speicherung hinausgehen und gezielt für AI, Automatisierung und skalierbare Analysen konzipiert sind.

Zentrale Themen

  • Entwicklung smarter Datenbankarchitekturen
  • Integration von KI-Services und Datenmodellen
  • Cloud-Datenlösungen mit Azure-Technologien
  • Datenqualität und Performance
  • Query- und Speicheroptimierung
  • Sicherheits- und Berechtigungskonzepte
  • Datenbereitstellung für AI-Workflows

Voraussetzung
Erfahrung mit relationalen Datenbanken, SQL und idealerweise erste Kenntnisse in Cloud-Plattformen.

Zielgruppe
Optimal für Data Engineers, Datenbankentwickler, Cloud-Spezialisten und Professionals im KI-/AI-Umfeld.

Wer datenintensive Systeme intelligent weiterdenken möchte, stärkt hier Kompetenzen, die in modernen IT-, Cloud- und AI-Projekten zunehmend gefragt sind.

Als PDF drucken/speichern
Kursinhalte
  • SQL Server-basierte Plattformoptionen verstehen
  • Effiziente Tabellen erstellen
  • Mit Indizes optimieren
  • Spezielle Tabellentypen verwenden
  • Datenintegrität durch Einschränkungen sicherstellen
  • JSON-Spalten und -Indizes verwalten
  • Tabellen zur Skalierung partitionieren
  • Ansichten erstellen
  • Gespeicherte Prozeduren erstellen
  • Skalare Funktionen erstellen
  • Tabellenwertfunktionen erstellen
  • Trigger erstellen
  • Zeitpunkt für die Verwendung der einzelnen Optionen festlegen
  • Organisieren von Abfragen mit Common Table Expressions
  • Anwenden von Fensterfunktionen für Analysen
  • Verarbeiten von JSON-Daten mit integrierten Funktionen
  • Abgleichen von Mustern mit regulären Ausdrücken
  • Finden von ungefähren Übereinstimmungen mit Fuzzy-String-Funktionen
  • Durchlaufen von Beziehungen mit Graphabfragen
  • Vergleichen von Zeilen mit korrelierten Unterabfragen
  • Behandeln von Fehlern mit TRY...CATCH
  • Beschreibung der für Microsoft SQL-Plattformen verfügbaren KI-gestützten Entwicklungstools.
  • Einschätzung der Auswirkungen des Einsatzes KI-gestützter Tools auf die Sicherheit.
  • Aktivierung von GitHub Copilot und Fabric Copilot.
  • Konfiguration von Modell- und MCP-Tooloptionen (Model Context Protocol) in einer GitHub Copilot- oder Fabric Copilot-Chat-Sitzung.
  • Erstellen und Konfigurieren von GitHub Copilot-Anweisungsdateien.
  • Verbinden mit MCP-Server-Endpunkten, einschließlich Microsoft SQL Server und Fabric Lakehouse.
  • Daten durch Verschlüsselung schützen
  • Dynamische Datenmaskierung konfigurieren
  • Sicherheit auf Zeilenebene implementieren
  • Berechtigungen verwalten und den Zugriff sichern
  • Protokollierung implementieren
  • Sicheren Zugriff auf KI-Dienste konfigurieren
  • API-Endpunkte für Daten sichern
  • Empfehlung von Datenbankkonfigurationen
  • Wahrung der Datenintegrität durch Transaktionsisolationsstufen und Parallelitätskontrollen
  • Bewertung der Abfrageleistung anhand von Ausführungsplänen und DMVs
  • Überwachung und Optimierung von Abfragen mit dem Query Store und Query Performance Insight
  • Erkennung und Behebung von Blockierungen und Deadlocks
  • Erstellen, Erstellen und Validieren von SQL-Datenbankprojekten
  • Konfigurieren der Quellcodeverwaltung und Verwalten von Referenzdaten
  • Verwalten von Verzweigungen, Pull-Anfragen und Konfliktlösung
  • Erkennen und Beheben von Schemaabweichungen
  • Implementieren von CI/CD-Pipelines
  • Entwerfen und Implementieren einer Teststrategie
  • Konfigurationsdateien für den Data API Builder erstellen
  • Entitäten für REST und GraphQL definieren
  • Datenbankobjekte, gespeicherte Prozeduren und Ansichten verfügbar machen
  • Bereitstellungsoptionen für den Data API Builder erkunden
  • Konfigurationen für Azure Monitor empfehlen
  • Änderungen mithilfe ereignisgesteuerter Muster verarbeiten
  • Modelle für SQL-Datenbank-Workloads verstehen und bewerten
  • Externe Modelle in SQL erstellen und verwalten
  • Einbettungen für SQL-Datenbank-Workloads entwerfen
  • Einbettungen für SQL-Datenbank-Workloads generieren und pflegen
  • Auswahl eines intelligenten Suchansatzes
  • Implementierung der Volltextsuche
  • Vorbereitung von SQL für die Vektorsuche
  • Implementierung von Abfragemustern für die Vektorsuche
  • Implementierung einer hybriden Suche und eines hybriden Rankings
  • Ermittlung von RAG-Anwendungsfällen und -Architektur
  • Vorbereitung des Abrufkontexts für die Erweiterung
  • Erweiterung von Eingabeaufforderungen mit Datenbankkontext
  • Generierung und Verarbeitung von RAG-Antworten

Häufig gestellte Fragen

  • Vermittelt direkt einsetzbares Wissen für moderne Datenbanklösungen mit KI, Azure und automatisierten Datenprozessen.
  • Besonders relevant für Rollen in Data Engineering, Cloud Solutions, AI Development und datengetriebener Softwareentwicklung.
  • Sie verbessern Analysegeschwindigkeit, Automatisierung und Entscheidungsqualität in datenintensiven Unternehmen.
  • Schwerpunkte sind Azure SQL, Datenintegration, KI-Modelle und intelligente Datenarchitekturen.
  • Ja, besonders für Organisationen, die Prozesse skalieren und Daten mit KI wirtschaftlich nutzbar machen möchten.
  • Entwicklung performanter, intelligenter Datenlösungen für Reporting, Prognosen und automatisierte Workflows.
  • Die Nachfrage nach Fachwissen rund um KI und Datenplattformen wächst branchenübergreifend stark.
  • Veraltete Datenstrukturen, ineffiziente Prozesse und fehlende KI-Integration können Wettbewerbsnachteile verursachen.
Berlin
Bremen
Dortmund
Düsseldorf
Frankfurt
Hamburg
Hannover
Köln
Leipzig
München
Nürnberg
Stuttgart

Hast du weitere Fragen? Bitte kontaktiere uns.