Met SQL Server 2025 integreert Microsoft machine learning-mogelijkheden in de database-engine. Dit is een aanzienlijke verandering ten opzichte van SQL Server 2022, waar geavanceerde AI of machine learning buiten de database moest plaatsvinden (met behulp van services zoals Azure ML of externe Python/R-scripts). De nieuwe versie introduceert functies waarmee u AI-modellen veilig en op grote schaal kunt integreren en beheren in combinatie met uw data.
Machine learning en AI-modelbeheer: slimmere data, binnen de database.
- Ondersteuning voor externe AI-modellen (EXTERNE MODELLEN) – U kunt externe AI-modellen registreren in SQL Server 2025 en deze koppelen aan een REST-eindpunt voor AI-services (Azure OpenAI Service, de API van OpenAI, Ollama voor lokale modellen, enz.). Na registratie worden deze modellen volwaardige objecten in de database. U kunt ze aanroepen via T-SQL-functies om taken uit te voeren zoals het genereren van tekst, het analyseren van sentiment of het berekenen van een embedding-vector voor een gegeven. Belangrijk is dat SQL Server meerdere modelversies kan opslaan en een ingebouwde logica voor het opnieuw proberen van modelaanroepen bevat, zodat tijdelijke fouten op een elegante manier kunnen worden afgehandeld.
- In-Engine AI Orchestration – SQL Server 2025 maakt het mogelijk om AI-workflows rechtstreeks in de database uit te voeren, zonder dat een externe applicatie nodig is om de aanroepen te coördineren. De database kan bijvoorbeeld een stuk tekst uit een tabel halen, dit naar een extern NLP-model sturen voor analyse, het resultaat ophalen en dit vervolgens in een query gebruiken, allemaal binnen één T-SQL-script. Dit is zeer krachtig voor scenario's zoals opgeslagen procedures die AI-modellen aanroepen. Het is bovendien efficiënt: gegevens hoeven de database niet te verlaten voor verwerking. Microsoft heeft zelfs functies zoals het genereren van vector-embeddings en het opsplitsen van tekst in T-SQL ingebouwd ter ondersteuning van veelvoorkomende AI-taken voor zoeken en ophalen.
- Vector-embeddings en het native vectordatatype – Een fundamentele mogelijkheid voor AI in databases is het verwerken van vectoren (numerieke representaties van gegevens, vaak geproduceerd door AI-modellen voor vergelijking). SQL Server 2025 introduceert een nieuw VECTOR-datatype om hoogdimensionale embeddings (bijvoorbeeld een 768-dimensionale vector van een taalmodel) efficiënt op te slaan. U kunt een vectorindex maken met behulp van het DiskANN-algoritme, een krachtige index voor het vinden van de dichtstbijzijnde buur, om snelle zoekopdrachten naar overeenkomsten in deze embeddings mogelijk te maken. In essentie kan de database nu 'semantische gelijkenis' meten en records vinden die qua betekenis overeenkomen, niet alleen exacte overeenkomsten.
- Modelbeheer en -governance – Omdat modellen als databaseobjecten worden behandeld, biedt SQL Server 2025 op rollen gebaseerd toegangsbeheer en auditing voor modelgebruik. Databasebeheerders kunnen bepalen wie een bepaald extern model mag aanroepen (bijvoorbeeld een kostbaar GPT-4-gebaseerd model beperken tot alleen het BI-team) en bijhouden hoe vaak het wordt aangeroepen. Deze controles zorgen ervoor dat de AI-integratie op een verantwoorde manier gebeurt. Alleen geautoriseerde gebruikers kunnen externe modellen configureren of uitvoeren, wat aansluit bij de governance-eisen van de organisatie. (We bespreken beveiliging later uitgebreider, maar het is belangrijk om dit hier alvast te vermelden in het kader van modelgovernance.)
Waarom het belangrijk is
Door ondersteuning voor ML- en AI-modellen in SQL Server te integreren, kunnen uw gegevens en uw AI op dezelfde plek worden opgeslagen. Dit vermindert de latentie (het is niet nodig om gegevens naar een AI-service te exporteren en de resultaten vervolgens weer te importeren) en zorgt ervoor dat gevoelige gegevens veilig op de databaseserver blijven staan, terwijl u toch profiteert van AI-inzichten. Het vereenvoudigt ook de applicatiearchitectuur: een enkele T-SQL-query kan nu doen wat voorheen een aparte applicatie of cloudservice vereiste. Dit maakt AI toegankelijker voor organisaties; databaseontwikkelaars of zelfs ervaren gebruikers kunnen AI op gegevens toepassen met T-SQL-opdrachten waarmee ze vertrouwd zijn. Door externe modellen vanaf elke locatie (cloud of lokaal) te ondersteunen, is SQL Server 2025 flexibel: u kunt van modelprovider wisselen zonder uw query's te hoeven herschrijven, wat uitstekend is voor het testen en verder ontwikkelen van AI-oplossingen.
Gebruiksscenario's
- Stel je een klantenservicedatabase voor waarin de tekst van elk ticket is opgeslagen. Met SQL Server 2025 kun je een AI-taalmodel registreren voor sentimentanalyse en een updatequery uitvoeren die elk ticket labelt als Positief, Negatief of Neutraal door dat model voor elke rij aan te roepen. Het API-eindpunt van het sentimentmodel wordt aangeroepen via EXTERNAL MODEL en het resultaat wordt opgeslagen in een nieuwe kolom, allemaal direct in de database.
- Stel je voor dat een marketinganalist de volgende vraag kan stellen: "Wat zijn de 5 meest genoemde producten in klantrecensies en wat zijn de gemeenschappelijke thema's?" Zelfs zonder complexe SQL-query's te schrijven, zou de analist een combinatie van vectorzoekopdrachten en een extern model kunnen gebruiken. SQL Server zou bijvoorbeeld embeddings voor elke recensie kunnen genereren en een vectorgelijkeniszoekopdracht gebruiken om ze op onderwerp te clusteren. Vervolgens zou een LLM (Language Learning Model) worden aangeroepen om elk cluster samen te vatten. Dit patroon van retrieval-augmented generation (RAG) (waarbij database-retrieval wordt gecombineerd met AI-generatie) is nu haalbaar binnen de database zelf.
Ter illustratie, stel je een T-SQL-procedure voor:
- Een vooraf gebouwd embedding-model (geregistreerd als een extern model) wordt gebruikt om alle productrecensieteksten te vectoriseren en deze vectoren op te slaan in een VECTOR-kolom.
- Voert een gelijkeniszoekactie uit op deze vectoren om recensies te vinden die gerelateerd zijn aan de zoekopdracht van een gebruiker of om vergelijkbare feedback te groeperen.
- Roept een extern, groot taalmodel aan om elke groep vergelijkbare recensies samen te vatten in een themaomschrijving.
- Geeft de thema's en voorbeeldrecensies weer.
Alle stappen kunnen binnen SQL Server worden uitgevoerd. Een proces dat voorheen het exporteren van gegevens naar een aparte ML-pipeline vereiste, is nu gestroomlijnd, waardoor realtime of on-demand AI-inzichten direct beschikbaar zijn op de plek waar de gegevens zich bevinden.
Machine learning binnen de database
Externe modellen in T-SQL: Registreer en roep AI-modellen (OpenAI, Azure, lokaal) aan alsof het ingebouwde functies zijn.
Vectoren en semantisch zoeken: sla embeddings op en gebruik DiskANN-indexering voor snelle gelijkeniszoekacties in data op basis van betekenis.
Conclusie
SQL Server 2025 brengt AI rechtstreeks naar uw data. In plaats van data naar externe services te sturen, kunt u nu modellen uitvoeren en vectorzoekopdrachten uitvoeren met standaard T-SQL. Het is sneller, veiliger en veel gemakkelijker te beheren dan de oude manier van werken. Als u SQL beheerst, bent u nu klaar om AI op grote schaal in te zetten.
Bekijk ons assortiment SQL Server 2025-producten
 |
Details
|
