Design and develop database solutions35–40%Das Schema und der Code, bevor sich jemand darum kümmert, wer lesen darf oder wie das Ganze ausgeliefert wird. Zuerst die Objekte: gewöhnliche Tabellen und ihre Spezialvarianten, die es jeweils für genau einen Zweck gibt, Spalten, die JSON-Dokumente statt Skalarwerte aufnehmen, die Constraints und Sequenzen, die Werte ehrlich halten, und die Partitionierung, die festlegt, wie eine große Tabelle physisch zerlegt wird. Dann der Code, der in der Datenbank lebt statt darüber, als Views, Funktionen in zwei Ausprägungen, Prozeduren und Trigger. Dann T-SQL selbst, eine Stufe über dem Alltagsgeschäft: rekursive und verschachtelte Ausdrücke, Berechnungen, die seitwärts auf benachbarte Zeilen schauen, Funktionen, die JSON lesen und zerlegen, Mustersuche in Text, Ähnlichkeitsbewertung zwischen zwei Zeichenfolgen, die fast, aber eben nicht ganz gleich sind, Traversierung über eine Graphstruktur, Abfragen, deren innere Hälfte von der äußeren abhängt, und Fehlerbehandlung, die aus einem Fehlschlag etwas macht, womit der Aufrufer arbeiten kann. Der neueste Teil sitzt ebenfalls hier, klein, aber markant: diesen Code mit einem KI-Assistenten im Spiel zu schreiben, zu entscheiden, was der Assistent sehen darf, ihn an Tool-Endpunkte anzubinden, ihn über Instruction Files zu steuern und zu verstehen, was diese Bequemlichkeit an Preisgabe kostet.
≈ 19 h Secure, optimize, and deploy database solutions35–40%Alles, was zwischen funktionierendem Code und einer Lösung steht, die jemand tatsächlich betreiben will. Der Bereich hat vier Sätze. Zugriffssteuerung und Vertraulichkeit: welche Werte verschlüsselt werden und wo die Schlüssel liegen, welche Werte wem nur unscharf gezeigt werden, welche Zeilen ein bestimmter Aufrufer überhaupt sieht, welche Objekte er anfassen darf, wie sich eine Verbindung ohne Passwort authentifiziert, was in einem Audit-Trail landet und wie die neueren Endpunktflächen abgesichert werden, sobald die Datenbank mit Modell-Endpunkten und mit REST-, GraphQL- und Protokollservern spricht. Dann Performance, gelesen aus Belegen statt aus dem Bauch heraus: Server- und Datenbankeinstellungen, die Entscheidungen zu Isolation und Nebenläufigkeit, die Konsistenz gegen Durchsatz abwägen, und das Werkzeug, das zeigt, was eine Abfrage wirklich getan hat, samt der Diagnose einer Sitzung, die auf eine andere wartet. Dann der Auslieferungsweg auf Basis von Datenbankprojekten in der Versionsverwaltung: Tests, Referenzdaten, Projektmodelle, Branches und Pull Requests, Secrets und das Erkennen eines Ziels, das vom deklarierten Schema abgedriftet ist, bis hin zu kontrollierten Deployment-Pipelines. Zuletzt die Nahtstellen zum übrigen Azure: Datenbankobjekte als APIs veröffentlichen, das Ergebnis beobachten und auf Datenänderungen als Ereignisse reagieren statt per Polling.
≈ 19 h Implement AI capabilities in database solutions25–30%Der kleinste Anteil und der Grund, warum es diese Prüfung gibt. Drei Fragen, in dieser Reihenfolge. Welches Modell, und wie bleiben die Embeddings aktuell: die Wahl zwischen Modellen nach Leistungsfähigkeit, Sprachabdeckung, Größe und Ausgabeform, die Registrierung eines Modells, damit die Engine es aufrufen kann, die Entscheidung, welche Spalten ein Embedding überhaupt wert sind, das Zerschneiden langer Texte in Stücke, die hineinpassen und trotzdem etwas bedeuten, und die Wahl des Mechanismus, der ein Embedding neu erzeugt, wenn sich seine Quellzeile ändert, also genau der Punkt, den die meisten Entwürfe verfehlen. Dann das Retrieval: Stichwortsuche, Ähnlichkeitssuche über Vektoren oder beides zu einem Ranking verschmolzen, wie Vektordaten typisiert, indiziert und dimensioniert werden, der Kompromiss zwischen exakt und approximativ und was ein approximativer Index an Recall kostet, und woran du erkennst, ob die Ergebnismenge wirklich gut ist. Zuletzt die Generierung, geerdet auf dem, was gefunden wurde: die Fälle erkennen, in denen Retrieval-Augmented Generation die richtige Antwort ist, einen externen Endpunkt aus der Datenbank heraus aufrufen, strukturierte Zeilen in eine Form bringen, die ein Sprachmodell lesen kann, und aus der Antwort etwas Brauchbares herausholen.
≈ 13 h