Was ist Text-to-SQL? Natürliche Sprache zu SQL, einfach erklärt

Die Suchanfragen nach "text to sql" sind im letzten Jahr deutlich gestiegen, weil große Sprachmodelle dieses alte Forschungsproblem endlich brauchbar gemacht haben. Dieser Artikel erklärt den Begriff ohne Marketingsprache: was die Technik tut, wie sie es tut und wo sie stolpert.

Was genau ist Text-to-SQL?

Text-to-SQL (in der Literatur auch NL2SQL) bezeichnet die Technik, eine natürlichsprachige Frage wie "Wer sind unsere Top-10-Kunden nach Bestellungen im letzten Monat?" in eine SQL-Abfrage zu übersetzen, die auf der jeweiligen Datenbank läuft. Die Eingabe ist ein menschlicher Satz, die Ausgabe SQL; die Übersetzung dazwischen übernimmt ein KI-Modell.

Die Begriffsfamilie kann verwirren: Text-to-SQL benennt die Übersetzungstechnik, NLQ (natural language query) das darauf aufgebaute Nutzererlebnis. Ein Produkt mit NLQ-Funktion nutzt unter der Haube fast immer Text-to-SQL.

Wie funktioniert es?

• Das Modell sieht das Datenbankschema: Tabellennamen, Spaltennamen und Typen. Die Landkarte der Daten, nicht die Daten selbst.
• Die Frage des Nutzers und dieses Schema gehen gemeinsam an das Modell; das Modell erzeugt das passende SQL.
• Die erzeugte Abfrage läuft auf der Datenbank; das Ergebnis kommt als Tabelle oder Diagramm zurück.

Das entscheidende Detail ist die Schemaqualität. Mit sprechenden Namen wie "kunden" und "bestellungen" arbeitet das Modell treffsicher; mit kryptischen Namen wie "T001" und "F17" sinkt die Genauigkeit. Deshalb erlauben ernsthafte Text-to-SQL-Werkzeuge, Spalten mit Beschreibungen zu versehen.

Wie genau ist es? Die ehrliche Antwort

Selbst die besten Systeme erreichen auf akademischen Benchmarks (Spider, BIRD) keine hundert Prozent, und reale Schemata sind unordentlicher als Benchmarks; erwarten Sie also auch im Betrieb keine hundert Prozent. Mehrdeutige Fragen ("beste Kunden" nach welchem Maß?) und komplexe Abfragen über viele Tabellen sind die häufigsten Stolperstellen.

Damit wird die Messmethode wichtiger als die Zahl selbst. Eine Abfrage, die "richtig aussieht", und eine, die beim Ausführen die richtigen Daten liefert, sind zwei verschiedene Dinge; gemessen werden sollte das Zweite. Bei PerSight benchmarken wir regelmäßig mit Hunderten echter Fragen über vier Datenbank-Engines und veröffentlichen das Ergebnis mit offener Methode.

Drei Bedingungen für sichere Nutzung

• Schreibgeschützte Ausführung: Erzeugte Abfragen dürfen nur SELECT sein; Schreiben und Löschen muss technisch blockiert sein.
• Sichtbares SQL: Die erzeugte Abfrage darf keine Blackbox bleiben; man muss sie vor dem Ausführen sehen und bearbeiten können.
• Datenlokalität: Nur Schema und Frage sollten das Modell erreichen; Zeilendaten sollten den Rechner nie verlassen.

Wenn Sie Text-to-SQL auf Ihrer eigenen Datenbank ausprobieren möchten: PerSight ist genau auf diese drei Bedingungen gebaut. Schreibgeschützt, sichtbares SQL, Daten bleiben auf Ihrem Rechner. Die Beta-Warteschlange: persight.ai/beta.