Diese Seite wurde von der Cloud Translation API übersetzt.

Abfragen mit Gemini-Unterstützung schreiben

Sie können Gemini für Google Cloud verwenden. Geboten werden KI-basierte Hilfeleistungen, um Ihre Daten mit SQL-Abfragen und Python-Code abzufragen. Gemini in BigQuery kann Abfragen generieren, Code während der Eingabe vervollständigen und Abfragen erklären.

Gemini für Google Cloud verwendet Ihre Prompts und die Antworten darauf nicht ohne Ihre ausdrückliche Erlaubnis zum Trainieren seiner Modelle. Weitere Informationen dazu, wie Google Ihre Daten verwendet, finden Sie unter So nutzt Gemini für Google Cloud Ihre Daten. Informationen zum Aktivieren der Datenfreigabe für Gemini in BigQuery-Features in der Vorschau finden Sie unter Helfen, die Vorschläge zu verbessern.

Nur Prompts auf Englisch werden für Gemini in BigQuery unterstützt.

Dieses Dokument richtet sich an Fachkräfte für Datenanalyse, Datenwissenschaft und Datenentwicklung, die mit SQL-Abfragen und Colab Enterprise-Notebooks in BigQuery arbeiten. Dabei wird davon ausgegangen, dass Sie Kenntnisse zum Abfragen von Daten im BigQuery-SQL-Arbeitsbereich oder zur Arbeit mit Notebooks zum Analysieren von BigQuery-Daten mithilfe von Python haben.

Hinweise

Achten Sie darauf, dass Gemini für Ihr Google Cloud-Projekt eingerichtet ist. Gemini in BigQuery-Features sind möglicherweise deaktiviert oder nicht verfügbar, bis die Einrichtung abgeschlossen ist. Diese Schritte werden normalerweise von einem Administrator ausgeführt.
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector
Öffnen Sie in der Google Cloud Console die Seite BigQuery.

BigQuery aufrufen
Klicken Sie in der Symbolleiste auf das Drop-down-Symbol pen_sparkGemini.
Wählen Sie in der Drop-down-Liste der Features die Features aus, die Sie aktivieren möchten. Zu den verfügbaren Funktionen gehören:
- Gemini in SQL-Abfrage:
  - Automatische Vervollständigung (Vorabversion): Während Sie im Abfrageeditor tippen, kann Gemini logische nächste Schritte vorschlagen, die für den Kontext der aktuellen Abfrage relevant sind oder Ihnen bei der Iteration einer Abfrage helfen.
  - Automatische Generierung: Sie können Gemini in BigQuery mit einem Kommentar in natürlicher Sprache im BigQuery-Abfrageeditor auffordern, eine SQL-Abfrage zu generieren.
  - SQL-Generierungstool: Sie können Text in natürlicher Sprache in ein Tool eingeben, um eine SQL-Abfrage zu generieren. Mit Optionen können Sie Abfrageergebnisse verfeinern, Tabellenquellen auswählen und Ergebnisse vergleichen.
  - Erklärung: Sie können Gemini in BigQuery auffordern, eine SQL-Abfrage in natürlicher Sprache zu erklären.
- Gemini in Python-Notebook
  - Codevervollständigung (Vorschau): Gemini bietet kontextrelevante Empfehlungen, die auf dem Inhalt des Notebooks basieren.
  - Codegenerierung: Sie können Gemini mit einer Anweisung oder Frage in natürlicher Sprache auffordern, Python-Code zu generieren.

Erforderliche Berechtigungen

Bitten Sie Ihren Administrator, Ihnen die IAM-Rolle Gemini for Google Cloud User (roles/cloudaicompanion.user) für das Projekt zu gewähren, um die Berechtigungen zu erhalten, die Sie zum Schreiben von Abfragen mit Gemini-Unterstützung benötigen. Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Diese vordefinierte Rolle enthält die Berechtigungen, die zum Erstellen von Abfragen mit Gemini-Unterstützung erforderlich sind. Erweitern Sie den Abschnitt Erforderliche Berechtigungen, um die erforderlichen Berechtigungen anzuzeigen:

Erforderliche Berechtigungen

Die folgenden Berechtigungen sind erforderlich, um Abfragen mit Gemini-Unterstützung zu schreiben:

cloudaicompanion.entitlements.get
cloudaicompanion.instances.completeTask
So erklären Sie SQL-Abfragen: cloudaicompanion.companions.generateChat
So vervollständigen Sie SQL- oder Python-Code: cloudaicompanion.instances.completeCode
So generieren Sie SQL- oder Python-Code: cloudaicompanion.instances.generateCode

Sie können diese Berechtigungen auch mit benutzerdefinierten Rollen oder anderen vordefinierten Rollen erhalten.

Eine SQL-Abfrage generieren

Um eine SQL-Abfrage anhand des Schemas Ihrer Daten zu generieren, können Sie Gemini mit einer Aussage oder Frage in natürlicher Sprache (auch bekannt als als Prompt) bereitstellen. Selbst wenn Sie ohne Code, mit einer begrenzten Kenntnis des Datenschemas oder nur mit Grundkenntnissen der Google SQL-Syntax beginnen, kann Gemini SQL generieren, das Ihnen helfen kann, Ihre Daten zu untersuchen.

SQL-Generierungstool verwenden

Mit dem SQL-Generierungstool können Sie eine SQL-Abfrage zu Ihren zuletzt angesehenen oder abgefragten Tabellen in natürlicher Sprache generieren. Sie können das Tool auch verwenden, um eine vorhandene Abfrage zu ändern und die Tabellen, für die Sie SQL generieren möchten, manuell anzugeben.

So verwenden Sie das SQL-Generierungstool:

Öffnen Sie in der Google Cloud Console die Seite BigQuery.

BigQuery aufrufen
Klicken Sie neben dem Abfrageeditor auf das SQL-Generierungstool pen_spark.
Klicken Sie links neben dem Abfrageeditor auf das Symbol pen_spark SQL-Generierungstool, um das Tool zu öffnen.
Stellen Sie im SQL-Generierungstool eine Frage oder geben Sie einen Prompt in natürlicher Sprache zu einer Tabelle ein, die Sie kürzlich angesehen oder abgefragt haben. Beispielsweise können Sie die Tabelle bigquery-public-data.austin_bikeshare.bikeshare_trips aufrufen und dann Folgendes eingeben:
```
 Show me the duration and subscriber type for the ten longest trips
```

Klicken Sie auf Erstellen.

Gemini generiert eine SQL-Abfrage, die in etwa so aussieht:

SELECT
    subscriber_type,
    duration_sec
  FROM
      `bigquery-public-data.san_francisco_bikeshare.bikeshare_trips`
ORDER BY
    duration_sec DESC
LIMIT 10;

Prüfen Sie die generierte SQL-Abfrage und führen Sie eine der folgenden Aktionen aus:
- Um die generierte SQL-Abfrage zu akzeptieren, klicken Sie auf Einfügen. Dadurch fügen Sie die Anweisung in den Abfrageeditor ein. Klicken Sie dann auf Ausführen, um die vorgeschlagene SQL-Abfrage auszuführen.
- Klicken Sie zum Bearbeiten der Prompts auf Bearbeiten und ändern oder ersetzen Sie dann die erste Prompt. Nachdem Sie den Prompt bearbeitet haben, klicken Sie auf Aktualisieren, um die neue Abfrage aufzurufen.
- Klicken Sie auf Tabellenquellen bearbeiten, die als Kontext zum Generieren der vorgeschlagenen SQL-Abfrage verwendet wurden, wählen Sie die Tabellenquellen aus, indem Sie Kästchen anklicken, und dann auf Anwenden klicken.
- Klicken Sie auf Abfragezusammenfassung, um eine Zusammenfassung der generierten Abfrage in natürlicher Sprache aufzurufen.
- Wenn Sie die vorgeschlagene SQL-Abfrage verfeinern möchten, geben Sie Suchfilter in das Textfeld Verfeinern ein und klicken Sie dann auf Senden, um die Abfrage zu verfeinern. Geben Sie beispielsweise limit to 1000 ein, um die Anzahl der Abfrageergebnisse zu begrenzen. Wenn Sie die Änderungen an Ihrer Abfrage vergleichen möchten, klicken Sie das Kästchen Diff-Anzeige an.
- Wenn Sie den Vorschlag schließen möchten, ohne die generierte Abfrage einzufügen, schließen Sie das SQL-Generierungstool.

SQL-Generierungstool deaktivieren

Informationen zum Deaktivieren des SQL-Generierungstools finden Sie unter Gemini-Features deaktivieren.

SQL aus einem Kommentar generieren

Sie können SQL im SQL-Editor generieren, indem Sie die gewünschte Abfrage in einem Kommentar beschreiben und dann die Eingabetaste drücken, um zur nächsten Zeile zu gelangen.

Im folgenden Beispiel generieren Sie eine Abfrage für eine öffentliche BigQuery-Tabellebigquery-public-data.austin_bikeshare.bikeshare_trips.

Öffnen Sie in der Google Cloud Console die Seite BigQuery Studio.

Zu BigQuery Studio

Die verbleibenden Schritte werden in der Google Cloud Console angezeigt.
Klicken Sie im SQL-Abfrageeditor auf Neue Abfrage erstellen.
Schreiben Sie im Abfrageeditor einen SQL-Kommentar zu einer Tabelle, die Sie vor Kurzem angesehen oder abgefragt haben. Sie können beispielsweise die Tabelle bigquery-public-data.austin_bikeshare.bikeshare_trips ansehen und dann den folgenden Kommentar schreiben:
```
# Show me the duration and subscriber type for the ten longest trips
```

Drücken Sie die Eingabetaste (Return unter macOS).

Gemini schlägt eine SQL-Abfrage vor, die in etwa so aussieht:

# Show me the duration and subscriber type for the ten longest trips

SELECT
  duration_sec,
  subscriber_type
  AVG(duration_minutes) AS average_trip_length
FROM
  `bigquery-public-data.austin_bikeshare.bikeshare_trips`
ORDER BY
  duration_sec
LIMIT 10;

Drücken Sie die Tabulatortaste, um den Vorschlag zu akzeptieren.

Tipps für die SQL-Generierung

Die folgenden Tipps können die Vorschläge verbessern, die Gemini in BigQuery bietet:

Wenn Sie manuell angeben möchten, welche Tabellen verwendet werden sollen, können Sie den vollständig qualifizierten Tabellennamen in Graviszeichen (`) setzen, z. B. `PROJECT.DATASET.TABLE`.
Wenn die Spaltennamen oder ihre semantischen Beziehungen unklar oder komplex sind, können Sie im Prompt Kontext bereitstellen, um Gemini zur gewünschten Antwort zu führen. Wenn Sie beispielsweise möchten, dass eine generierte Abfrage auf einen Spaltennamen verweist, beschreiben Sie den Spaltennamen und die Relevanz für die gewünschte Antwort. Um eine Antwort zu erhalten, die sich auf komplexe Begriffe wie Lifetime-Wert oder Handelsspanne bezieht, beschreiben Sie das Konzept und seine Relevanz für Ihre Daten, um die Ergebnisse der SQL-Generierung zu verbessern.
Wenn Sie SQL aus einem Kommentar generieren, können Sie den Prompt über mehrere Zeilen hinweg formatieren, indem Sie jeder Zeile ein #-Zeichen voranstellen.
Spaltenbeschreibungen werden beim Generieren von SQL-Abfragen berücksichtigt. Fügen Sie Ihrem Schema Spaltenbeschreibungen hinzu, um die Genauigkeit zu verbessern. Weitere Informationen zu Spaltenbeschreibungen finden Sie unter Spaltenbeschreibungen in Schema angeben.

Gemini- und BigQuery-Daten

Gemini in BigQuery kann auf die Metadaten der Tabellen zugreifen, für die Sie eine Zugriffsberechtigung haben. Dies können Tabellen-, Spaltennamen, Datentypen und Spaltenbeschreibungen sein. Gemini in BigQuery kann nicht auf die Daten in Ihren Tabellen, Ansichten oder Modellen zugreifen. Weitere Informationen dazu, wie Gemini Ihre Daten verwendet, finden Sie unter So nutzt Gemini für Google Cloud Ihre Daten.

SQL-Abfrage abschließen

Die SQL-Vervollständigung versucht, kontextrelevante Empfehlungen zu geben, die auf dem Inhalt des Query Editors basieren. Während der Eingabe kann Gemini logische nächste Schritte vorschlagen, die für den Kontext der aktuellen Abfrage relevant sind, oder Ihnen bei der Iteration einer Abfrage helfen.

So testen Sie die SQL-Vervollständigung mit Gemini:

Öffnen Sie in der Google Cloud Console die Seite BigQuery Studio.

Zu BigQuery Studio

Die verbleibenden Schritte werden in der Google Cloud Console angezeigt.

Kopieren Sie im Abfrageeditor Folgendes:

SELECT
  subscriber_type
  , EXTRACT(HOUR FROM start_time) AS hour_of_day
  , AVG(duration_minutes) AS avg_trip_length
FROM
  `bigquery-public-data.austin_bikeshare.bikeshare_trips`

Eine Fehlermeldung besagt, dass subscriber_type weder gruppiert noch aggregiert wird. Es ist nicht ungewöhnlich, dass Sie Hilfe bei der richtigen Abfrage benötigen.

Drücken Sie die Eingabetaste (Return unter macOS) oder die Leertaste.

Gemini schlägt Suchfilter für die Abfrage vor, die in einem ähnlichen Text wie dem folgenden enden könnten:
```
GROUP BY
  subscriber_type, hour_of_day;
```
Um den Vorschlag anzunehmen, drücken Sie die Tabulatortaste oder halten Sie den Mauszeiger über den vorgeschlagenen Text und klicken Sie auf alternative Vorschläge. Drücken Sie ESC oder fahren Sie mit der Eingabe fort, um einen Vorschlag zu verwerfen.

SQL-Abfrage erklären

Sie können Gemini in BigQuery auffordern, eine SQL-Abfrage in natürlicher Sprache zu erklären. Diese Erklärung kann Ihnen helfen, eine Abfrage zu verstehen, deren Syntax, das zugrunde liegende Schema und der geschäftliche Kontext aufgrund der Länge oder Komplexität der Abfrage möglicherweise schwer zu beurteilen sind.

SQL-Abfragen erklären

So erklären Sie eine SQL-Abfrage:

Öffnen Sie in der Google Cloud Console die Seite BigQuery Studio.

Zu BigQuery Studio

Die verbleibenden Schritte werden in der Google Cloud Console angezeigt.
Öffnen Sie im Abfrageeditor die Abfrage, die Sie erklärt haben möchten, oder fügen Sie sie ein.
Markieren Sie die Abfrage, die Gemini erklären soll, und klicken Sie dann auf astrophotography_mode Gemini.

Die SQL-Erklärung wird im Gemini-Bereich angezeigt.

Python-Code generieren

Sie können Gemini mit einer Anweisung oder Frage in natürlicher Sprache auffordern, um Python-Code zu generieren. Gemini antwortet mit einem oder mehreren Python-Codevorschlägen.

Gemini zum Generieren von Python-Code verwenden

Im folgenden Beispiel generieren Sie Code für ein öffentliches BigQuery-Dataset, bigquery-public-data.ml_datasets.penguins.

Rufen Sie die Seite BigQuery Studio auf.

BigQuery aufrufen
Klicken Sie in der Tableiste des Editorbereichs auf den Drop-down-Pfeil neben dem +-Zeichen und dann auf +:

Das neue Notebook wird geöffnet und enthält Zellen, die Beispielabfragen für das öffentliche Dataset bigquery-public-data.ml_datasets.penguins zeigen.
Klicken Sie in der Symbolleiste auf + Code, um eine neue Codezelle einzufügen. Eine neue Codezelle mit dem Text Start coding or generate with AI erscheint.
Klicken Sie in der neuen Codezelle auf Generieren.

Geben Sie im Code-Editor den folgenden Natural Language Prompt ein:

Using bigquery magics query the `bigquery-public-data.ml_datasets.penguins` table

Drücken Sie die Eingabetaste (Return unter macOS).

Gemini schlägt Python-Code vor, der in etwa so aussieht:
```
%%bigquery
SELECT *
FROM `bigquery-public-data.ml_datasets.penguins`
LIMIT 10
```
Führen Sie den Code aus und drücken Sie die Eingabetaste.

Vollständiger Python-Code

Die Python-Codevervollständigung versucht, kontextgerechte Empfehlungen zu geben, die auf den Inhalten des Abfrageeditors basieren. Während der Eingabe kann Gemini logische, für den Kontext Ihres aktuellen Codes relevante nächste Schritte vorschlagen, oder Ihnen bei der Iteration Ihres Codes helfen.

Gemini verwenden, um Python-Code zu vervollständigen

So testen Sie die Python-Codevervollständigung mit Gemini:

Rufen Sie die Seite BigQuery Studio auf.

BigQuery aufrufen
Klicken Sie in der Tableiste des Editorbereichs auf den Drop-down-Pfeil neben dem +-Zeichen und dann auf +: Das neue Notebook wird geöffnet und enthält Zellen, die Beispielabfragen für das öffentliche Dataset bigquery-public-data.ml_datasets.penguins zeigen.
Beginnen Sie im Code-Editor mit der Eingabe von Python-Code. Beispiel: %%bigquery Gemini schlägt während der Eingabe Code vor. Drücken Sie die Tabulatortaste, um den Vorschlag zu akzeptieren.

Funktionen des Gemini-Abfrageassistenten deaktivieren

Um Gemini-Features in BigQuery zu deaktivieren, führen Sie die folgenden Schritte aus:

Öffnen Sie in der Google Cloud Console die Seite BigQuery.

BigQuery aufrufen
Klicken Sie in der Symbolleiste auf das Drop-down-Symbol pen_spark Gemini.
Löschen Sie in der Drop-down-Liste der Features die Gemini im BigQuery-Abfrageassistenten-Features, die Sie deaktivieren möchten.
- Gemini in SQL-Abfrage:
  - Automatische Vervollständigung (Vorabversion): Während der Eingabe kann Gemini logische nächste Schritte vorschlagen, die für den Kontext der aktuellen Abfrage relevant sind, oder Ihnen bei der Iteration einer Abfrage helfen.
  - Automatische Generierung: Sie können Gemini eine Eingabeaufforderung in natürlicher Sprache bereitstellen, um SQL-Syntax zu generieren, die Geschäftsfragen beantwortet.
  - SQL-Generierungstool: Mit natürlicher Sprache SQL-Abfrageergebnisse basierend auf den Daten Ihrer Organisation generieren und iterieren.
  - Erklärung: Sie können Gemini in BigQuery auffordern, eine SQL-Abfrage in natürlicher Sprache zu erklären.
- Gemini in Python-Notebook
  - Codevervollständigung (Vorabversion): Gemini bietet kontextbezogene Empfehlungen, die auf dem Inhalt des Abfrageeditors basieren.
  - Codegenerierung: Sie können Gemini mit einer Anweisung oder Frage in natürlicher Sprache auffordern, um Python-Code zu generieren.

Informationen zum Deaktivieren der Gemini-Funktion in BigQuery finden Sie unter Gemini-Produkte deaktivieren.

Feedback geben

Sie können Feedback zu Gemini-Vorschlägen geben.

Klicken Sie in der Taskleiste auf pen_spark Gemini und wählen Sie Feedback senden aus, um Feedback zu senden.

Vorschläge zur Verbesserung der Vorschläge

Sie können zur Verbesserung von Gemini-Vorschlägen beitragen, indem Sie die Prompt-Daten, die Sie für Funktionen in der Vorabversion einreichen, mit Google teilen. So geben Sie Ihre Prompt-Daten frei:

In der Google Cloud Console auf der Seite BigQuery Studio klicken Sie in der Symbolleiste auf pen_spark Gemini
Wählen Sie Daten zur Verbesserung von Gemini weitergeben aus.
Aktualisieren Sie Ihre Einstellungen für die Datennutzung im Dialogfeld mit den Einstellungen für die Datennutzung.

Datenfreigabeeinstellungen gelten für das gesamte Projekt und können nur von einem Projektadministrator mit den IAM-Berechtigungen serviceusage.services.enable und serviceusage.services.list festgelegt werden. Weitere Informationen zur Datennutzung im Trusted Tester-Programm finden Sie unter Gemini im Google Cloud Trusted Tester-Programm.

Preise

Weitere Informationen zu den Preisen für diese Funktion finden Sie unter Preisübersicht für Gemini in BigQuery.

Kontingente und Limits

Informationen zu Kontingenten und Limits für diese Funktion finden Sie unter Kontingente für Gemini in BigQuery.

Nächste Schritte

Informationen zu Gemini for Google Cloud finden Sie unter Gemini for Google Cloud – Übersicht.
Informationen zur Datenrichtlinie für Gemini finden Sie unter So nutzt Gemini for Google Cloud Ihre Daten.