Seminar Magda KI-gestützte Suche, SQL-Konsole und Datenanalyse

Das Seminar verbindet hybride Datensatzsuche, natürlichsprachliche Fragestellungen, browserbasierte KI-Unterstützung und SQL-Analyse. Der Schwerpunkt liegt auf belastbaren Ergebnissen: Datenwahl, Abfrage, Plausibilitätsprüfung, Grenzen lokaler Modelle und nachvollziehbare Dokumentation.

Inhaltsübersicht

1. Hybride Suche verstehen
2. Natürlichsprachliche Analyse
3. SQL-Konsole verwenden
4. Diagramme und Zusammenfassungen
5. Qualität, Datenschutz und Grenzen
6. Praxisübungen und Voraussetzungen

Zielgruppe

Datenanalysten, Data Stewards, Fachanwender, Forschung, Open-Data-Teams und Datenmanagement.

Lernziele

• Lexikalische und semantische Suchverfahren zweckmäßig kombinieren.
• Natürliche Sprachabfragen in prüfbare Analyseschritte überführen.
• Tabellendaten in der Browser-SQL-Konsole untersuchen.
• Diagramme und Zusammenfassungen fachlich validieren.
• Unsicherheit, Datenschutz und technische Grenzen angemessen behandeln.

Seminarinhalte

1. Hybride Suche verstehen

1. Schritt 1: Keyword-, Filter- und semantische Suche voneinander abgrenzen.
2. Schritt 2: Fachliche Fragestellung in mehrere Suchvarianten zerlegen.
3. Schritt 3: Trefferqualität anhand von Relevanz, Herkunft und Metadaten prüfen.

2. Natürlichsprachliche Analyse

1. Schritt 1: Geeigneten Datensatz und konkrete Frage auswählen.
2. Schritt 2: Frage mit Zeitraum, Kennzahl und Vergleichsmaßstab präzisieren.
3. Schritt 3: Antwort, Zwischenschritte und verwendete Daten kritisch gegenprüfen.

3. SQL-Konsole verwenden

1. Schritt 1: Tabellendaten laden und Spalten sowie Datentypen prüfen.
2. Schritt 2: Filter-, Sortier- und Aggregationsabfragen schrittweise aufbauen.
3. Schritt 3: Ergebnis exportieren und Abfrage nachvollziehbar dokumentieren.

4. Diagramme und Zusammenfassungen

1. Schritt 1: Kennzahl und passende Visualisierung auswählen.
2. Schritt 2: Automatisch erzeugte Darstellung auf Skala, Auswahl und Beschriftung prüfen.
3. Schritt 3: Fachliche Aussage von technischer Darstellung trennen.

5. Qualität, Datenschutz und Grenzen

1. Schritt 1: Unvollständige Daten, Ausreißer und Mehrdeutigkeiten erkennen.
2. Schritt 2: Lokale Verarbeitung und verbleibende Datenschutzrisiken bewerten.
3. Schritt 3: Freigaberegeln für KI-gestützte Analyseergebnisse formulieren.

Praxisübungen

• Vergleich von Keyword- und semantischer Suche zu derselben Fragestellung.
• Natürlichsprachliche Analyse mit dokumentierter Gegenprüfung.
• SQL-Auswertung einer Tabelle mit Filterung und Aggregation.
• Qualitätsprüfung eines automatisch erzeugten Diagramms.

Voraussetzungen

Grundkenntnisse in Datenanalyse und Tabellen. SQL-Vorkenntnisse sind hilfreich, werden aber nicht vorausgesetzt.