Datenbank-Spektrum ist das offizielle Organ der Fachgruppe Datenbanken und Information Retrieval der Gesellschaft für Informatik (GI) e.V. Die Zeitschrift widmet sich den Themen Datenbanken, Datenbankanwendungen und Information Retrieval. Sie vermittelt fundiertes Wissen über die aktuellen Standards und Technologien, deren Einsatz und ihre kommerzielle Relevanz.

Neben Grundlagenbeiträgen, Tutorials, wissenschaftlichen Fachbeiträgen, aktuellen Forschungsergebnissen finden sich in jeder Ausgabe auch Informationen über die Aktivitäten der Fachgruppen, zu Konferenzen und Workshops und über neue Produkte und Bücher. Ein renommiertes Herausgebergremium aus Hochschule und Industrie gewährleistet die Qualität und fachliche Kompetenz der Beiträge.

Künftige Schwerpunktthemen:

DataManagement for Future Hardware

This special issue of the „Datenbank-Spektrum“ is dedicated to the research achieved by the DFG Priority Programme „Scalable Data Management on Future Hardware“. We invite submissions on original research as well as overview articles addressing the challenges and opportunities of modern and future hardware for data management such as many-core processors, co-processing units, new Memory and network technologies.

Paper format: 8–10 pages, double-column (cf. the author guidelines at www.springer.com/13222).

Deadline for submissions: June 1st, 2020

Issue delivery: DASP-3-2020 (November 2020)

Guest editors:

Kai-Uwe Sattler, TU Ilmenau

kus@tu-ilmenau.de

Alfons Kemper, TU München

alfons.kemper@in.tum.de

Digitale Lehre im Fachgebiet Datenbanksysteme

Die Lehre im Bereich Datenbanken und Informationssysteme hat ihren festen Platz in den Curricula für Informatik-Studiengänge an Universitäten und Hochschulen. Neben klassischen Inhalten wie dem relationalen Modell oder SQL finden sich in den Lehrveranstaltungen auch stetig neue Themen, u. a. NoSQL und NewSQL. Der wachsenden Bedeutung von Big Data und Data Analytics wird auch durch eigene Profilierungen und Studiengänge im Bereich Data Science Rechnung getragen.

Neben diesen inhaltlichen Veränderungen macht die Digitalisierung natürlich auch vor der Durchführung der Lehre selbst nicht halt. Neue Lehrformen wie das Flipped-Classroom- Modell oder digitale Angebote wie Massive Open Online Courses (MOOCs) setzen mit Videos und Quizzes verstärkt auf digitale Lernmaterialien. Technische Innovationen, wie z. B. die Virtualisierung mit Docker oder die Verfügbarkeit großer Datensätze, ermöglichen Lernenden Zugriff auf komplexe Lernumgebungen für praxisnahe Übungen.

Dieses Themenheft des Datenbank-Spektrums soll einen Überblick über die Entwicklungen der digitalen Lehre im Bereich Datenbanken sowohl im Universitäts- und Hochschulkontext als auch in der betrieblichen Weiterbildung geben. Zu den relevanten Themenbereichen gehören unter anderem:

· Architekturen und Werkzeuge zur Durchführung praktischer Übungen u. a. im Bereich relationaler Datenbanksysteme oder Big-Data-Systeme

· Systeme zur (semi-)automatischen Bewertung typischer Aufgabenformate im Bereich Datenbanken

· Aufbau und Erfahrungsberichte zu neuartigen Curricula oder Lehr-Lern-Szenarien (z. B. Flipped Classroom, Blended Learning)

· Evaluationen zur Wirksamkeit digitaler Lehre.

Wir erbitten Einreichungen in Deutsch oder Englisch mit einem Umfang von 8 bis 10 Seiten (zweispaltig) gemäß den Layoutvorgaben (siehe www.springer.com/13222).

Frist zur Einreichung: 1. Okt. 2020

Erscheinen des Themenheftes: DASP-1-2021 (März 2021)

Gast-Editoren:

Stefanie Scherzinger, OTH Regensburg

stefanie.scherzinger@oth-regensburg.de

Andreas Thor, HTWK Leipzig

andreas.thor@htwk-leipzig.de

Berlin Institute for the Foundation of Learning and Data (BIFOLD)

Das Berlin Institute for the Foundations of Learning and Data (BIFOLD) ist ein von BMBF und dem Land Berlin gefördertes Kompetenzzentrum, das aus der Fusion des Berlin Big Data Center (BBDC) und dem Berliner Zentrum für Maschinelles Lernen (BZML) hervorgegangen ist. BIFOLD hat sich zum Ziel gesetzt, hochinnovative Technologien zu entwickeln, die riesige Datenmengen organisieren und mit deren Hilfe fundierte Entscheidungen getroffen werden können, um wirtschaftlichen und gesellschaftlichen Mehrwert zu schaffen. Zu diesem Zweck werden die bislang isoliert voneinander existierenden Gebiete Datenmanagement und Maschinelles Lernen verschmolzen. Die Technologien des Zentrums sollen den Stand der Technik in der Erforschung von Methoden des Datenmanagements, des maschinellen Lernens und deren Schnittstelle vorantreiben und die führende Stellung Deutschlands in Wissenschaft und Wirtschaft im Bereich der KI ausbauen. Als Technologietreiber stehen mehrere wirtschaftlich, wissenschaftlich und gesellschaftlich relevante Anwendungsbereiche im Fokus: Fernerkundung, digitalisierte Geisteswissenschaften, die Medizin sowie Informationsmarktplätze.

Aufbauend auf weltweit anerkannten Forschungsergebnissen sollen eine automatische Optimierung, Parallelisierung sowie eine skalierbare und adaptive Verarbeitung von Algorithmen in heterogenen, verteilten Umgebungen unter Einsatz modernen Rechnerarchitekturen ermöglicht werden. Daneben stehen Erklärbarkeit, verantwortungsvolles Datenmanagement und innovative Anwendungen der Datenanalyse im Fokus. Behandelt werden dabei Bereiche des Datenmanagements, Maschinellen Lernens, der linearen Algebra, der Statistik, der Wahrscheinlichkeitstheorie, der Computerlinguistik sowie der Signalverarbeitung. Durch Entwicklung und Bereitstellung von Open-Source-Systemen sowie von Algorithmen und Methoden zur Datenanalyse wird das Zentrum die Ausbildung, Forschung, Entwicklung, Innovation und kommerzielle Nutzung von Big Data Analytics und KI-Anwendungen in Deutschland fördern und so deutschen Firmen einen Wettbewerbsvorteil sichern.

Wir erbitten Einreichungen in Deutsch oder Englisch mit einem Umfang von 8 bis 10 Seiten (zweispaltig) gemäß den Layoutvorgaben (siehe www.springer.com/13222).

Frist zur Einreichung: 1. Feb. 2021

Erscheinen des Themenheftes: DASP-2-2021 (Juli 2021)

Gasteditor:

Dr. Alexander Borusan, TU Berlin