Man hat viele Daten.
Trotzdem fehlt fast immer Irgendwas.
Entweder,
- man wird ungenauer
- oder holt sich die fehlenden Teile per KI & Co
In der klassischen IT braucht man Ordnungsbegriffe,
wie IBAN, EAN, Kunden-, Artikel-, Kostenstellennummer ...
Diese Genauigkeit ist nicht immer zur Hand,
sind aber meist für eine sinnvolle Automatisierung notwendig.
Klassische Datenbanken tun sich schwer mit diesen Ungenauigkeiten,
darum kann es Sinn machen, mit LLMs Lücken zu schliessen.
Diese werden dynamischer und u.a. durch die Unterstützung von
Dokumentdatentypen der Weg einfacher.
( z.B. die Lesbarkeit von JSON schlägt sich für Mensch und Maschine(Datenbank/Browser) nicht schlecht )
Wenn die Datenbank-Suche mehr Treffer liefern soll,
könnten Funktionen wie similarity helfen.
z.B.
----
where similarity( search_text, 'beste Datenbank') > 0.019
order by similarity( search_text, 'beste Datenbank') desc
s.a.
----
https://www.postgresql.org/docs/current/pgtrgm.html
SQL war/ist eine Erleichterung um Daten abzufragen.
Eine Möglichkeit umgangssprachlich formulierte Abfragen abzusetzen,
würde Benutzern noch mehr helfen.
Z.B.:
-----
Selektiere postleitzahlen von im ERP gespeicherten Orten
mit dem Ortsnamen wien
Oder:
-----
Selektiere postleitzahlen von im open-...-data.net angebotenen Orten
mit dem Ortsnamen wien
( z.B. per Linked-Server - Linked/Foreign-Tables auf Webservices )
- 1 - (TxtDoc-automatisieren2026-10-16.html)
