Beispiel von Datenbanken zum Testen von Text zu SQL

Text zu SQL – also aus natürlichsprachlichen Fragen präzise SQL-Queries zu generieren – ist eine spannende Schnittstellen zwischen natürlicher Sprache und strukturierter Datenverarbeitung.

Damit diese Art von KI funktioniert, braucht sie einen realistischen Kontext: Tabellen, Spalten, Beziehungen und Inhalte.

Genau hier kommen Beispiel-Datenbanken ins Spiel.

In diesem Beitrag stelle ich einige beispielhafte Open-Source-SQL-Datenbanken vor, die man sofort verwenden kann, um eigene Versuche durch zu führen oder oder ein Text-zu-SQL-Modell zu testen.

Aviano DB – Car Rental System

Use Case:
Diese Datenbank bildet ein vollständiges Mietwagensystem ab – inklusive Kunden, Fahrzeuge, Standorte, Versicherung, Rechnungen und Zusatzoptionen. Sie eignet sich hervorragend, um komplexe SQL-Joins, Summen, Gruppierungen und Datumsfunktionen zu trainieren.

Datenbank:
Die Aviano-DB enthält realistische Tabellen wie customer, vehicle_type, rental, fuel_option, insurance, equipment_type und viele mehr. Ein ERD ist im Repo enthalten.

Text Prompt Beispiel:

„Zeige mir alle Kunden mit ihrem Namen, der Fahrzeugkategorie, dem Abholort und dem Abholdatum.“

SELECT
    CONCAT_WS(',', c.first_name, c.last_name) AS 'Customer Name',
    vt.name AS 'Car Type',
    CONCAT_WS(',', l1.city, l1.state) AS 'Pickup Location',
    r.start_date as 'Pickup Date'
FROM
    rental AS r
        JOIN customer AS c ON r.customer_id = c.id
        JOIN vehicle_type AS vt ON r.vehicle_type_id = vt.id
        JOIN location AS l1 ON r.pickup_location_id = l1.id;

📎 Zum GitHub-Repo

Chinook DB – Klassisches Mediengeschäft

Use Case:
Chinook ist perfekt für Musik- und Medien-bezogene Analysen. Es enthält Künstler, Alben, Tracks, Genres, Kunden und Verkäufe. Ideal für Einsteiger und Business-Intelligence-Use-Cases.

Datenbank:
Typische Tabellen: Customer, Invoice, InvoiceLine, Track, Album, Artist.

Text Prompt Beispiel:

„Welche fünf Künstler haben die meisten Verkäufe generiert?“

SELECT
    a.Name AS Artist,
    SUM(il.Quantity) AS TotalSales
FROM
    InvoiceLine il
        JOIN Track t ON il.TrackId = t.TrackId
        JOIN Album al ON t.AlbumId = al.AlbumId
        JOIN Artist a ON al.ArtistId = a.ArtistId
GROUP BY a.Name
ORDER BY TotalSales DESC
LIMIT 5;

📎 Zum GitHub-Repo

Northwind Traders – Klassiker für B2B-Handel

Use Case:
Northwind simuliert den Vertrieb eines Großhandelsunternehmens mit Produkten, Bestellungen, Lieferanten und Mitarbeitern. Die Datenbank ist reich an Relationen und eignet sich besonders gut für JOIN-Übungen und Geschäftslogik-Analysen.

Datenbank:
Kern-Tabellen: Orders, OrderDetails, Products, Customers, Suppliers, Employees, Shippers.

Text Prompt Beispiel:

„Welche Mitarbeiter haben im Mai 1997 Bestellungen abgewickelt und wie hoch war der Gesamtumsatz?“

SELECT
    e.FirstName || ' ' || e.LastName AS Employee,
    SUM(od.UnitPrice * od.Quantity) AS TotalSales
FROM
    Employees e
        JOIN Orders o ON e.EmployeeID = o.EmployeeID
        JOIN OrderDetails od ON o.OrderID = od.OrderID
WHERE
    o.OrderDate BETWEEN '1997-05-01' AND '1997-05-31'
GROUP BY Employee;

📎 Zum GitHub-Repo

Pizza-Datenbank

Use Case:
Minimalistische Datenbank rund um Pizza-Bestellungen. Ideal für Demonstrationen, Performance-Tests oder den Aufbau eines ersten Chatbots für Restaurants.

Datenbank:
Tabellen wie pizzas, orders, customers, toppings, order_details.

Text Prompt Beispiel:

„Welche Pizzas wurden im letzten Monat am häufigsten bestellt?“

SELECT
    p.name,
    COUNT(od.pizza_id) AS TimesOrdered
FROM
    order_details od
        JOIN pizzas p ON od.pizza_id = p.id
        JOIN orders o ON od.order_id = o.id
WHERE
    o.order_date >= DATE('now', '-1 month')
GROUP BY p.name
ORDER BY TimesOrdered DESC;

📎 Zum GitHub-Repo

Mitarbeiter Datenbank

profolsen/employees

Zweck:
Bereitstellung einer modifizierten Version der PostgreSQL-Demodatenbank „employees“.

Inhalt:

• SQL- und Java-Dateien für den Import und Zugriff.
• Struktur und Daten entsprechen in Teilen der bekannten MySQL-Datenbank „employees“.
• Fokus auf korrekter Lizenzierung und Attribution der Ursprungsquellen.

Besonderheiten:

• Lizenz: Creative Commons Attribution-Share Alike 3.0 Unported License
• Ursprünglich auf Vorlagen anderer Repositories basierend, mit Änderungen versehen.
• Kein Fokus auf eine Web-Oberfläche oder API, rein Daten- und Strukturbereitstellung.

Datenanalyse auf Basis eines Flughafens

fortunewalla/airportdb

Lernprojekt für SQL, MySQL und Datenanalyse auf Basis eines Flughafen-Datensatzes.

Inhalt:

• SQL-Dumps (Schema und Daten) eines modifizierten Flughafen-Datensatzes („ffdb“).
• Anleitung zur Installation mit mysql und mysqlsh.
• Vorbereitung für Analytics & HeatWave-ML von Oracle.

Besonderheiten:

• Daten ursprünglich aus der deutschen flughafendb.cc, auf Englisch übersetzt.
• Enthält große SQL-Dateien (über 90 MB).
• Integration mit HeatWave/ML dokumentiert.
• Lizenz nicht explizit angegeben, aber Verweise auf Originalquellen vorhanden.

Analyse von Babynamen in den USA auf nationaler und bundesstaatlicher

ktaranov/BabbyNames

Visualisierung und Analyse von Babynamen in den USA auf nationaler und bundesstaatlicher Ebene.

Besonderheiten:

• Quelle: data.gov
• Enthält grundlegende Hinweise zum Datenimport.
• Lizenz: MIT License

Simulation eines Webshops mit 1000 Kunden, 2000 Bestellungen und 1000 Produkten

Bereitstellung eines PostgreSQL-Datensatzes zur Simulation eines Webshops.

JannikArndt/PostgreSQLSampleDatabase

Inhalt:

• Schema mit:
  • 1000 Kunden
  • 2000 Bestellungen
  • 1000 Produkten mit insgesamt 17.730 Artikeln
• src/ enthält Skripte zur DB-Erzeugung.
• data/ enthält Dump zur Wiederherstellung via restore.sh.

Fazit

Es gibt einige Open-Source-SQL-Datenbanken, die für Versuche und Tests von Text-zu-SQL Modellen verwendet werden kann.
Wenn es weitere frei verfügbare SQL Datenbanken gibt, die wir hier auflisten sollen, lasse uns diese gerne im Feedback zukommen.