Ein Datenplattform-Manager, mit dem wir letzten Monat gesprochen haben, beschrieb seine Produktionsdatenbank als \u2018pl\u00f6tzlich gespr\u00e4chig\u2019. Die gleiche Anzahl an Nutzern, die gleichen Anwendungen \u2013 doch das Abfragevolumen ist um 40% gestiegen, seit ein interner KI-Agent f\u00fcr den Kundensupport eingesetzt wurde. Jede Anfrage an den Agenten verzweigt sich in mehrere Datenbankaufrufe, ruft Daten aus verschiedenen Quellen ab, durchl\u00e4uft Iterationen und wiederholt sich. Das Workload-Profil sieht ganz anders aus als das, wof\u00fcr die \u00dcberwachungs-Dashboards urspr\u00fcnglich konzipiert wurden.<\/p>\n
KI-Agenten arbeiten in Schleifen: Sie rufen Daten ab, \u00fcberpr\u00fcfen Ergebnisse und rufen weitere Daten ab. Eine einfache Frage wie \u2018Welche Kunden sind von einer Abwanderung bedroht?\u2019 kann ein Dutzend Abfragen \u00fcber mehrere Tabellen hinweg ausl\u00f6sen, bevor der Agent eine Antwort liefert. Multipliziert man das mit Hunderten von gleichzeitigen Nutzern, muss die Datenbank pl\u00f6tzlich ein Aufkommen bew\u00e4ltigen, das fr\u00fcher Batch-Analyseauftr\u00e4gen vorbehalten war \u2013 nur dass es nun \u00fcber den gesamten Arbeitstag verteilt ankommt, ohne vorhersehbare Spitzen.<\/p>\n
Die Unternehmen, die sich am schnellsten anpassen, stellen ihre Mitarbeiter anders ein. Kenntnisse in der Abfrageoptimierung, die fr\u00fcher nur bei spezialisierten Datenbankadministratoren zu finden waren, tauchen nun in den Standardanforderungsprofilen f\u00fcr Data-Engineering-Mitarbeiter auf. Erfahrung mit Caching-Strategien und Connection-Pooling wird neben den \u00fcblichen Anforderungen an die Datenpipeline genannt. Ein Kunde hat eine Stellenausschreibung f\u00fcr einen Senior Data Engineer innerhalb von sechs Wochen zweimal \u00fcberarbeitet, wobei mit jeder \u00dcberarbeitung die Anforderungen an die Infrastruktur vertieft wurden, nachdem das bestehende Team Schwierigkeiten hatte, die Latenz unter der neuen Auslastung stabil zu halten.<\/p>\n
Bewerber mit Erfahrung im Bereich Datenbankleistung sind gut aufgestellt. Erfahrung in der Optimierung von PostgreSQL, der Verwaltung von Lesereplikaten oder der Entwicklung abfrageorientierter Caching-Ebenen findet heute eine Beachtung, die ihr vor einem Jahr noch fehlte. Personalverantwortliche tun gut daran, die Einstellung von Infrastruktur-Fachkr\u00e4ften zu planen, bevor eine KI-L\u00f6sung in die Produktion geht, denn eine Nachr\u00fcstung des Teams nach der Inbetriebnahme der KI-Agenten bedeutet, unter Zeitdruck um dieselben knappen Fachkr\u00e4fte zu konkurrieren.<\/p>\n