Pingu
Computer MySQL PostgreSQL Books Publications
Spielereien Kanu Geopolitik Business TopoDB POI Klettersteigen History TransPool Thermal Baden Brokenstuben Goldwaschen
Blog Contact
Shinguz
Google
/ch/open

DOAG Konferenz und Ausstellung 2026 - Notizen

/ home / computer

Inhaltsverzeichnis

Themen

DOAG 2026 Konferenz + Ausstellung: Agenda


Postgres für Oracle DBAs

Michael Banck / credativ GmbH

Sicherheitskopie der Folien


007 Mythen über SQL-Performance

Dani Schnider / Callista

→ Database Performance Tuning Guide → Folien → FromDual PT Schulung

  • Pertformance Planning
  • Instance Tuning
  • SQL Tuning

For Oracle: Selectivity: > 5 - 10 % or 1 - 2 % (depends) FTS is better than Index access! (Not sure, if true for MariaDB/MySQL).

→ Gute Beispiele für FromDual PT Schulung + Blog Artikel

→ Histogramme!


Aus 2 wird 4 - Erweiterung des Datenbank Portfolios um PostgreSQL und MariaDB

Matthias Fuchs / Bundesagentur für Arbeit

  • Cybersecurity and antivirus software, a Smart Scan
  • Security information and event management (SIEM)

Professional Postgres Monitoring Made Easy

Pavlo Golub / CYBERTEC

Sicherheitskopie der Folien

  • Logging: 44 Parameters
  • Statistics Collection: 13 Views
  • Cumulative Views: 21 → Snapshots

→ Realtime monitoring


Hinter den Kästchen: Wie ein QR-Code Generator entsteht

Philipp Krause / ORDIX

  • QR Code != 2D Barcode != Aztec Code
  • Secure QR Code

Sicherheitskopie der Folien


Run PostgreSQL Like a Product: Operational Readiness for Databases

Roland Stirnimann / Accenture

  • Slide 7: RPO und RTO: Good Graph!
  • Slide 8: Patroni + etcd
  • Slide 10: Connection Layer
  • Slide 12: Alerting / Monitoring / Logging

PoWA: Collecting and visualizing PostgreSQL performance and SQL metrics

pgwatch: ready-made Grafana dashboards, SQL-defined metrics, agentless, stores in PostgreSQL or Prometheus

Sicherheitskopie der Folien


Von Drachen und Elefanten – Eine Datenbankmigration als Heldenepos

Stefan Becker / BettercallPaul


Der Vektor im Heuhaufen: Einstieg in die Vektorsuche mit HNSW

Benno Juris / TEAM

Einstieg in die Vektorsuche mit HNSW

  • Retrieval-Augmented Generation (RAG)
  • Embedding
  • HNSW
           /-> Wiki     \
RAG: Frage --> Tickets   --> LLM Antwort
           \-> Doku     /
  • Dokument → Zerlegen → Embedding Model → Vektor → DB (Dokument + Vektor)
  • Frage → Zerlegen → Embedding Modell → Vektor → Prompt → LLM → Antwort
  • Recall: Genauigkeit
  • pg_vector → VACUUM oder neu indexieren
  • vs. IVF

Cohere: Embed Multilingual v3 (embed-multilingual-v3.0, plus the smaller embed-multilingual-light-v3.0) is a text and multimodal embedding model supporting 100+ languages for semantic search, RAG, classification, and clustering

→ Vector Tuninhg: Recall messen!

Recall@10 = gefundene echte Nachbarn / 10 = 9 / 10 = 90 %

Sicherheitskopie der Folien.


Technisch perfekt Praktisch erfolglos. Wie UI/UX ein erfolgreiches Produkt macht

David Dürer / Der IT Macher und Henrik Wolf / WebAndMotion

Siehe auch UI Checkliste.

Nur Video, (noch) keine Folien!?!


Stop Torturing PostgreSQL - Why Your Postgres Database Needs a ClickHouse Sidekick

Dirk Krautschick / Aiven

Sicherheitskopie der Folien.


Gib mir deine Daten! – So sprechen Oracle, PostgreSQL und MariaDB miteinander

Markus Flechtner / ORDIX AG

Sicherheitskopie der Folien.


Projektbericht: Migration von Oracle-Datenbanken nach PostgreSQL

Bernd Patolla / In & Out

  • Raum fast voll
  • Control-M + Oracle → PostgreSQL (supported!)
  • Achtung: An Sequences denken!

Sicherheitskopie der Folien.


Aufbau einer eigenen KI – mit, nicht in der Datenbank

Dr. Gudrun Pabst / Muniqsoft Consulting

  • Eingabe → Model → Vector (Embedding)
  • Quantisierung: Weniger Speicher / Mehr Durchsatz / Qualitätsverlust
  • Laufzeitumgebung: llama.cpp
  • Prompt / Token
  • Prompt → Token → Model → Token
  • RAG: Anreicherung
  • Chuncks + Overlap
            /-> Cosinus                Winkel
Vektorsuche
            \-> Euklidischer Abstand   geom. Abstand
  • In Memory
  • Wechsel des Modells (Länge, Suche) → Vectoren werden nutzlos → Vectoren neu berechnen
  • Modell sagt, ob Cosinus oder Euklidischer Abstand
  • “Inferencer” (engl. Schlussfolgerung) → Intelligenz vs. Modell
  • Aufgabe → Model → Vector → DB Suche → Resultat → “Inferencer” → Antwort
  • Grosse LLM für Model UND Inferencer oder
  • Kleine Modelle: Modell/Embedding (EmbeddingGemma 2) + Inferencer (gemma-4-E4B-it)
  • Python: RapidOCR
  • System-Prompt → Anweisung an das Modell, wie die Frage zu beantworten ist / Metadaten

Sicherheitskopie der Folien.


llama.cpp

llama.cpp ist ein Open-Source-Projekt von Georgi Gerganov, das es ermöglicht, LLaMA-basierte Sprachmodelle (und inzwischen viele andere Modelle) direkt auf dem eigenen Rechner lokal auszuführen – ganz ohne Cloud oder GPU-Cluster.

Die wichtigsten Punkte:

  • Portabler C/C++-Code: Das Projekt ist in reinem C/C++ geschrieben und hat keine schweren Abhängigkeiten. Dadurch läuft es auf Windows, macOS, Linux, aber auch auf Smartphones, Raspberry Pi und anderen schwachen Geräten.
  • Quantisierung: llama.cpp hat die Quantisierung (z. B. 4-Bit-GGUF-Formate) populär gemacht. Dabei werden die Modellgewichte komprimiert, sodass ein 7-Milliarden-Parameter-Modell mit nur wenigen GB RAM auskommt – bei akzeptablem Qualitätsverlust.
  • GGUF-Format: Der Nachfolger von GGML ist heute ein gängiges Format, um Modelle lokal zu speichern und mit verschiedenen Tools zu laden.
  • Vielseitige Hardware-Unterstützung: Es nutzt CPU-Optimierungen (AVX, ARM NEON) und unterstützt zudem GPUs via CUDA, Metal (Apple), Vulkan, ROCm und anderen Backends.
  • Basis für viele Tools: Viele bekannte lokale KI-Tools – etwa Ollama, LM Studio und viele andere – bauen auf llama.cpp auf oder verwenden es als Inferenz-Engine.

Kurz gesagt: llama.cpp ist die wohl verbreitetste Software, wenn man LLMs lokal, privat und ressourcenschonend betreiben möchte – von Experimenten auf dem Laptop bis zu Servern mit mehreren GPUs.


Hebocon

hebocon.org und hebocon.io

Kampf der Low-Tech-Roboter:

Image

Bau-Anleitung:

Image

Bauteile: Arduino , ESP32 , Getriebemotor Bausatz , Getriebemotor ein Abtrieb 120:1 , Kunststoffrad für Hobby Motor , Joy-it Roboter Fahrgestell Bausatz robot05