Extended Seminar - AI for Data Management

Datenbankmanagementsysteme (DBMS) in der Cloud bilden das Rückgrat für die effiziente Verwaltung großer Datenmengen und spielen daher heute eine zentrale Rolle in Wirtschaft und Wissenschaft. Um eine hohe Performance zu erzielen, müssen viele der komplexen DBMS-Komponenten wie Abfrageoptimierer oder Scheduler nicht-triviale Probleme lösen. Um solche Probleme zu lösen, haben neue Forschungsarbeiten die Verwendung sogenannter lernfähiger DBMS-Komponenten vorgeschlagen, bei denen KI-basierte Methoden eingesetzt werden, um zentrale DBMS-Komponenten zu ersetzen und zu verbessern, was nachweislich zu erheblichen Leistungsvorteilen führt. Dieser Ansatz ist besonders vielversprechend, da Cloud-Anbieter wie Google, Amazon und Microsoft diese Techniken bereits anwenden, um die Leistung ihrer Cloud-Datensysteme zu optimieren. Neben gelernten DBMS-Komponenten wird KI auch zur Verbesserung vieler anderer Aufgaben im Zusammenhang mit dem Datenmanagement eingesetzt. So verursachen klassische Data-Engineering-Aufgaben wie z.B. Fehlererkennung, Imputation fehlender Werte und Datenergänzung in der Regel einen hohen manuellen Aufwand und können mit KI automatisiert werden. Schließlich wird KI auch eingesetzt, um Datenbanken durch bessere und einfachere Datenzugriffsschnittstellen (z. B. natürlichsprachliche Abfragen und Chatbots für Daten) oder durch die Unterstützung von Daten jenseits strukturierter tabellarischer Daten (d. h. Text und Bilder) zu erweitern. Dieses Seminar soll den Studierenden die grundlegenden Konzepte der Nutzung von KI für das Datenmanagement näher bringen. Der Kurs umfasst eine kurze Vorlesungsreihe, die den notwendigen Hintergrund zu KI im Datenmanagement vermittelt und die Teilnehmer auf den Einsatz von KI im Datenmanagement vorbereitet. Das Seminar ist in zwei Teile gegliedert, die sich jeweils auf die oben eingeführten Schlüsselthemen konzentrieren: Gelernte DBMS-Komponenten und die Anwendung von KI für Data Engineering. Die Studierenden werden sich daher mit praktischen Aufgaben zu diesen Themen beschäftigen, wie im Folgendenbeschrieben. Teil 1: Learned DBMS-Komponenten Im ersten Teil des Seminars entwickeln die Studierenden ein erlerntes Kostenmodell für DBMS, das die Ausführungskosten einer bestimmten Abfrage vorhersagt. Um dies zu unterstützen, erhalten die Studenten Trainingsdaten und Schablonencode mit den notwendigen Rahmenbedingungen für den Aufbau des erlernten Kostenmodells. Teil 2: KI für Data Engineering Im zweiten Teil untersuchen die Studierenden, wie gut LLMs klassische Data-Engineering-Aufgaben lösen können. Jeder Student wird einen Ansatz aus existierender Literatur reproduzieren und mit eigenen Ideen erweitern.