Ein Forschungsteam unter Leitung von Shaojie Qiao hat eine umfassende Übersicht zu AI4DB veröffentlicht, das Künstliche Intelligenz zur Verbesserung der Datenbankoptimierung einsetzt. Die Arbeit erschien am 15. Dezember 2025 in Frontiers of Computer Science, herausgegeben von Higher Education Press und Springer Nature.

Traditionelle Methoden der Datenbankoptimierung stoßen bei großen Datenmengen, komplexen Abfragen und dynamischen Workloads an Grenzen, was zu suboptimaler Leistung und höheren Kosten führt. AI4DB integriert maschinelles Lernen und Deep Learning, um diese Herausforderungen zu bewältigen. Die Übersicht konzentriert sich auf vier Schlüsselbereiche.

Bei der Kardinalitäts- und Kostenschätzung erfassen traditionelle Techniken Korrelationen zwischen Spalten und Tabellen unzureichend, was zu Fehlern führt. Deep-Learning-Ansätze verbessern dies durch Erfassung von Tabellenkorrelationen und berücksichtigen Faktoren wie Hardware-Overhead.

Die Join-Order-Auswahl in komplexen Szenarien nutzt herkömmliche Optimierer heuristische Algorithmen oder dynamische Programmierung, scheitert jedoch bei großen Datenmengen an der NP-Härte des Problems. Deep-Reinforcement-Learning ermöglicht automatische Auswahl optimaler Pläne durch iteratives Feedback.

End-to-End-Optimierer berücksichtigen mit Deep Neural Networks komplexe Umgebungen und erzeugen optimale Ausführungspläne für SQL-Abfragen.

Text-to-SQL-Modelle wandeln natürliche Sprache in ausführbare SQL-Abfragen um, was den Zugriff auf Datenbanken ohne SQL-Kenntnisse erleichtert.

Zukünftige Richtungen umfassen dem Paper zufolge adaptive Modelle für veränderliche Datenverteilungen, robustere Text-to-SQL-Systeme für reale Sprachvariationen, Federated und Transfer Learning für Skalierbarkeit sowie Integration mit Edge Computing und IoT für verteilte Datenverarbeitung.

Diese Fortschritte versprechen laut den Autoren der Studie effizientere, intelligentere Datenbanksysteme für Experten und Laien.

Original Paper:

Learning database optimization techniques: the state-of-the-art and prospects | Frontiers of Computer Science | Springer Nature Link

Mehr dazu:

AI Meets Database: AI4DB and DB4AI | Proceedings of the 2021 International Conference on Management of Data

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.