Mit SQL Server 2025 hält Künstliche Intelligenz Einzug in den T-SQL-Alltag. Microsoft hat die Möglichkeit geschaffen, Predictive Analytics direkt im SQL Server auszuführen, ohne externe Tools wie Python, R oder Azure Machine Learning zwingend einbinden zu müssen.

Für KMU bedeutet das: Prognosen und Vorhersagen lassen sich direkt in bekannten Abfragen nutzen – z. B. für Lagerplanung, Absatzprognosen oder Risikoanalysen. Und das ganz ohne Data-Science-Team.

Was ist neu?

SQL Server 2025 bringt u. a. folgende Funktionen direkt ins T-SQL:

• PREDICT()-Funktion zur Vorhersage auf Basis trainierter Modelle
• native Unterstützung für ONNX-Modelle (Open Neural Network Exchange)
• direkte Integration in Views, Stored Procedures, Trigger etc.

Praxisbeispiel: Absatzprognose mit PREDICT()

Stell Dir vor, Du willst für einen Webshop die Absatzmenge eines Produkts in der nächsten Woche vorhersagen – basierend auf historischen Verkaufsdaten.

Schritt 1: ONNX-Modell erstellen (extern z. B. in Python oder Azure ML)

Du trainierst ein Modell, das z. B. folgende Eingaben nutzt:

• Wochentag
• Preis
• Werbung aktiv (ja/nein)
• Saison (ja/nein)

Das Modell exportierst Du im ONNX-Format und speicherst es im SQL Server:

CREATE EXTERNAL MODEL SalesForecastModel
FROM (CONTENT = 'C:\Modelle\SalesForecast.onnx')
WITH (INPUT_SCHEMA = (Wochentag INT, Preis FLOAT, Werbung BIT, Saison BIT),
      OUTPUT_SCHEMA = (Forecast FLOAT));

Schritt 2: Daten vorbereiten

SELECT 
    Wochentag = DATEPART(WEEKDAY, GETDATE()),
    Preis = 29.99,
    Werbung = 1,
    Saison = 0
INTO #InputData;

Schritt 3: Vorhersage mit PREDICT()

SELECT 
    Forecast AS Erwarteter_Absatz
FROM 
    PREDICT(MODEL = SalesForecastModel, DATA = #InputData);

Ergebnis z. B.:

Erwarteter_Absatz
154.3

Das bedeutet: Das Modell rechnet mit rund 154 Verkäufen des Produkts unter diesen Bedingungen.

Anwendungsfälle für KMU

Beispiele aus dem Alltag:

• 📦 Lagerplanung: Welche Mengen sollten nächste Woche bestellt werden?
• 🛒 Sortimentssteuerung: Welche Artikel werden voraussichtlich gut laufen?
• 📈 Kundensegmentierung: Wie wahrscheinlich ist ein Kauf in den nächsten 30 Tagen?
• 💳 Zahlungsausfallprognose: Welcher Kunde zeigt Risikoanzeichen?

Vorteile für KMU

✅ Kein Wechsel in andere Tools nötig
✅ Verarbeitung innerhalb der Datenbank – schnell und sicher
✅ Auch für kleinere Datenmengen effizient
✅ Automatisierbar in bestehende Prozesse

Fazit

Mit SQL Server 2025 wird „Predictive Analytics“ aus dem Elfenbeinturm der Data Scientists geholt – und für den Mittelstand praktisch nutzbar. Die Kombination aus SQL-Know-how und einfachen Prognosemodellen kann schon enorme Mehrwerte schaffen.

📌 Wenn Du Hilfe brauchst beim Training von Modellen oder bei der Integration in Dein ERP oder Reporting: Ich helfe gerne.