Dein KI-Agent will deine Daten. So schützt du sie – Jeff Smith, Oracle
Original · Your AI Agent Wants Your Data. Here's How to Lock It Down - Jeff Smith, Oracle
Key Takeaway
Die Integration von KI-Agenten über das Model Context Protocol (MCP) in Unternehmensdatenbanken erfordert strenge Sicherheitsvorkehrungen auf Datenbankebene und optimiertes Kontext-Engineering, um unzuverlässige SQL-Generierungen zu vermeiden.
Highlights
Die Oracle-Datenbank unterstützt Vektoren direkt, wodurch RAG-Pipelines ohne Datenreplikation über acht oder neun verschiedene Plattformen hinweg möglich sind.
Natürliche Sprache zu SQL ist zwar leistungsstark, birgt jedoch erhebliche Risiken, da LLMs häufig Abfragen ausführen, die fehlerhafte oder unbeabsichtigte Ergebnisse liefern.
Durch den Einsatz von parametrisierten Berichten als Werkzeuge für den MCP-Server wird das Fehlerrisiko von generiertem SQL-Code drastisch reduziert.
Sicherheitsrichtlinien werden direkt in der Datenbank implementiert, indem OAuth 2 und Single Sign-On genutzt werden, um Daten dynamisch zu filtern, bevor sie an den Agenten zurückgegeben werden.
Timeline
Einführung und Vektorisierung in der Datenbank
Die Weiterentwicklung von Datenbanken umfasst heute die direkte Unterstützung von Vektoren und Graphen. Dadurch entfällt die Notwendigkeit, Daten über zahlreiche verschiedene Plattformen hinweg zu replizieren. Über eine einheitliche SQL-Schnittstelle wird der Zugriff für moderne KI-Architekturen vereinfacht.
- Oracle unterstützt seit Jahrzehnten kontinuierlich neue Datentypen und Workloads.
- Die Datenbank integriert Vektoren nativ, um die Teilnahme an RAG-Pipelines zu ermöglichen.
- Finanz-, HR- und ERP-Daten werden zusammen mit Vektoren in einer einzigen SQL-Schnittstelle zusammengeführt.
Anwendungsfälle und die Risiken von natürlicher Sprache zu SQL
Die Automatisierung von Geschäftsabfragen durch Agenten steigert die Effizienz im Unternehmen massiv. Da LLMs jedoch bei komplexen Abfragen fehlerhaften Code erzeugen können, stellt die Nutzung von fest codierten, parametrisierten Berichten eine sichere Alternative dar. Diese Berichte fungieren als strukturierte Werkzeuge für den Agenten.
- Unternehmensmitarbeiter stellen kontinuierlich komplexe Geschäftsfragen, ohne über tiefe SQL-Kenntnisse zu verfügen.
- Die direkte Übersetzung von natürlicher Sprache in SQL birgt das Risiko fehlerhafter Datenabfragen.
- Vorkonfigurierte Berichte als MCP-Tools verhindern fehlerhaften Code und optimieren den Token-Verbrauch.
DevOps, Performance-Tuning und Schemaerkundung
Für DevOps-Ingenieure bieten Agenten wertvolle Unterstützung bei der Fehlersuche und Optimierung von Abfragen. Durch den Zugriff auf strukturierte Schema-Informationen und Annotationen aus externen Dokumenten verstehen die Agenten das zugrundeliegende Datenmodell präzise, ohne die Datenbank durch iterative Abfragen zu belasten.
- Agenten unterstützen bei der Analyse von Performance-Problemen in sicheren Test- oder Standby-Umgebungen.
- Schema-Metadaten und Dokumentationen werden in komprimierter Form im JSON-Format bereitgestellt.
- Annotationen verknüpfen externe Dokumentationen direkt mit den Tabellenstrukturen der Datenbank.
Datensicherheit und Ausblick
Sicherheit wird direkt auf der Datenbankebene verankert, um unbefugten Datenzugriff durch Agenten zu verhindern. Anhand von Unternehmensrollen werden sensible Daten aus den Ergebnissätzen entfernt, bevor sie den Agenten erreichen. Weitere Informationen und Entwicklungen stellt Oracle unter der Adresse oracle.com/mcp bereit.
- Die Authentifizierung erfolgt über das Single Sign-On des Unternehmens wie Azure Entra ID.
- Die Datenbank filtert Ergebnisse dynamisch basierend auf den Rollen und Berechtigungen des Nutzers.
- Zukünftige MCP-Anwendungen bringen die grafische Benutzeroberfläche der Datenbank direkt in den Agenten.
Description
Jeff Smith has built database tools at Oracle for 25 years, and he's here to make agents and databases get along safely. He explains why natural language to SQL is powerful but risky, since queries can run cleanly and still return the wrong data, and how Oracle's MCP server makes it safer: offering your team's vetted reports as tools instead of ad hoc SQL, pointing agents at a read-only standby for performance tuning, annotating schemas so agents stop brute-forcing your data dictionary, and deep data security that strips out rows a user isn't allowed to see before results ever reach the agent. Chapters: 0:00 Intro 0:56 What is the Oracle AI Database? 3:28 Why agents need database access 5:07 Use case 1: Reports as tools 7:09 Why natural language to SQL is risky 9:43 List reports, execute reports 11:30 Use case 2: Performance tuning 14:48 Use case 3: Schema docs for agents 17:27 Security: who's asking? 20:42 What's coming Jeff Smith https://www.oracle.com Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!