Extended Seminar - AI for Data Management

Trotz jahrzehntelanger Forschung und Entwicklung sind traditionelle relationale Datenbanksysteme nach wie vor auf eine Handvoll einfacher Datentypen wie Strings, Datumsangaben und numerische Werte beschränkt. Die Queries, die sie ausführen können, basieren in der Regel auf einigen wenigen gut verstandenen relationalen Operatoren wie Filtern, Equi-Joins und numerischen Aggregationen. Heutige Daten sind dagegen häufig multimodal in Form von Bildern, Videos, Audiodateien und langen Dokumenten. Auch die Queries haben sich verändert: Anstelle einfacher Lookups und Aggregationen stehen heute komplexe Analysen, die oft mehrere Schritte erfordern, um aus Rohdaten neue Erkenntnisse zu gewinnen. Um mit diesen Anforderungen Schritt zu halten, befasst sich eine aktuelle Forschungsrichtung mit sogenannten Semantic Data Systems. Diese erweitern relationale Datenbanken um AI-Operatoren zur Verarbeitung multimodaler Daten. So kann beispielsweise ein Semantic Join zwischen einer Tabelle mit Rechnungen und einer Tabelle mit Zahlungsbelegen ermitteln, welche Zahlung welche Rechnung beglichen hat. Eine Semantic Aggregation kann wiederum die zentralen Argumente aus einer langen Liste juristischer Dokumente zusammenfassen. Cloud-Datenbankanbieter wie Snowflake, Databricks und Google BigQuery bieten bereits einige grundlegende AI-Operatoren wie Semantic Maps und Semantic Filters an. Dennoch hat die Entwicklung von Semantic Query Processing Engines ein völlig neues Feld der Datenbankforschung eröffnet. Da AI-Operatoren in der Regel auf Large Language Models (LLMs) basieren, erhöhen sie die Kosten der Query-Verarbeitung erheblich. Einige Operatoren wie Semantic Joins sind dadurch nach wie vor unerschwinglich teuer. Zudem spielt die Genauigkeit (Accuracy) von AI-Operatoren eine wichtige Rolle, da die Operatoren in natürlicher Sprache und nicht in einer formalen Syntax definiert werden. In diesem Seminar geht es darum, wie AI für das Datenmanagement eingesetzt werden kann. In diesem Jahr haben wir das Seminar vollständig überarbeitet und legen diesmal den Schwerpunkt auf Semantic Data Systems, die relationale Datenbanken um AI-Operatoren zur Verarbeitung multimodaler Daten erweitern. Den Auftakt bildet eine kurze Vorlesungsreihe, die das nötige Hintergrundwissen für die anschließenden Präsentationen und praktischen Aufgaben vermittelt. Teil 1 (Paper-Präsentationen): Sie stellen eine Publikation aus der aktuellen Forschung zu Semantic Query Processing vor. Durch Ihre Präsentation und die Ihrer Mitstudierenden eignen Sie sich fundiertes Expertenwissen zu Semantic Data Systems an. Teil 2 (Implementierung): Sie implementieren eine kleine Semantic Query Processing Engine und entwickeln eigene, neue Ideen, um deren Genauigkeit und Ausführungskosten zu optimieren.