AI Agents Writing Code & Native Vector Search in SQL Server 2025
Details
Join us for an evening of technical talks covering AI-assisted software delivery and native vector search in SQL Server.
Schedule:
- 18:00 - Doors open
- 18:30 - Talks begin
Talk 1: KI schreibt Code
„KI schreibt Code" ist inzwischen der leichte Teil. Das Schwierige ist alles drumherum: Wo steht die Aufgabe, wer entscheidet, dass sie maschinenreif ist, wer sieht sich das Ergebnis an, bevor es echte Menschen trifft — und welcher Teil davon muss überhaupt in der Cloud liegen?
Der Vortrag zeigt an einem durchgehenden, live vorgeführten Beispiel, wie eine gut beschriebene Aufgabe von der Beschreibung bis in die Produktion wandert, ohne dass jemand Code kopiert. Drei selbst gebaute Bausteine greifen ineinander: ein Vorgangssystem mit eingebettetem MCP-Server (dieselben Rechte, dieselbe Historie und dieselben Handler wie die REST-API, statt einer zweiten, driftenden Schnittstelle), ein eigenständiger Agent, der sich freigegebene Aufgaben selbst greift und als Merge Request zurückliefert, und ein RAG-Cluster auf eigenen GPUs.
Der Höhepunkt ist zugleich der Kern der Idee: Jeder Merge Request bekommt automatisch eine begehbare Umgebung mit einer Kopie der echten Daten. Man kann das Ergebnis nicht nur lesen, sondern anfassen — und die Datenbank-Migration probt gegen echtes Schema, bevor sie nachts um drei in der Produktion scheitert.
Die Auflösung ist eine Frage der Souveränität: Der gesamte Aufbau läuft auf Blech im eigenen Büro; der einzige verbleibende Cloud-Dienst — das Sprachmodell — ist gegen einen eigenen Ollama-Cluster austauschbar, die Wahl fällt in der Konfiguration, nicht im Code.
Speaker: Michael Reimer
Talk 2: SQL Server 2025 - Native Vector Support & DiskANN
SQL Server 2025 introduces native vector support and approximate nearest-neighbor search with DiskANN. But is that enough to build a practical retrieval-augmented generation system without adding a dedicated vector database?
In this session, we will explore a deliberately small RAG implementation built around a single Wikipedia article. Its text, vector embeddings, entities, relationships, and provenance are stored together in SQL Server. A local 3B language model generates answers, allowing the entire system to run offline on an ordinary laptop once the data and models are available.
We will compare exact cosine search with DiskANN, inspect the T-SQL behind the retrieval pipeline, traverse entity relationships using SQL Graph and MATCH, and combine vector similarity with graph-based signals. We will also examine how verbatim evidence and strict validation can reduce unsupported claims.
Along the way, we will discuss the practical limitations of preview features, the trade-offs of small local models, and what remains of LLM-extracted "knowledge" when every relationship must provide evidence.
Expect a live, transparent demonstration with real T-SQL and an honest look at both the capabilities and the sharp edges of SQL Server 2025.
Speaker: Sascha Lorenz
Venue: Thanks to our room sponsor Computer Futures for hosting this event!
Important: The doorbell shows "SThree" - please select this option if the door doesn't open automatically.