Toolunterstützung für den Übungsbetrieb in der Datenbanklehre: Erfahrungen mit der Software Praktomat
Authors (first, second and last of 5)

Zeitschrift für Datenbanktechnologien und Information Retrieval
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:
Digitale Lehre im Fachgebiet Datenbanksysteme
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:
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)
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
alexander.borusan@tu-berlin.de
Data Engineering for Data Science
Data Engineering for Data Science
Data engineering is a crucial part of any data science project: Data collection and metadata management are the prerequisite of any meaningful analysis and, in practice, take up the bulk of time spent in data science projects. This special issue of Datenbankspektrum is an initiative of the newly founded DBIS working group “Data Engineering for Data Science”. We intend to provide a venue for discussions, interactions and collaborations on the potential of data management research to data science Projects. We call for articles that report on novel contributions in this area, such as:
Expected size of the paper: 8–10 pages, double-column (cf. the author guidelines at www.springer.com/13222).
Contributions either in German or in English are welcome.
Deadline for submissions: June 1st, 2021
Issue delivery: DASP-3-2021
It is planned that accepted papers will also be presented at LWDA 2021.
Guest editors:
Ralf Schenkel, Universität Trier
schenkel@uni-trier.de
Stefanie Scherzinger, Universität Passau
stefanie.scherzinger@uni-passau.de
Marina Tropmann-Frick, HAW Hamburg
marina.tropmann-frick@haw-hamburg.de
www.springer.com/13222).
Contributions either in German or in English are welcome.
Deadline for submissions: June 1st, 2021
Issue delivery: DASP-3-2021
It is planned that accepted papers will also be presented at LWDA 2021.
Guest editors:
Ralf Schenkel, Universität Trier
schenkel@uni-trier.de
Stefanie Scherzinger, Universität Passau
stefanie.scherzinger@uni-passau.de
Marina Tropmann-Frick, HAW Hamburg
marina.tropmann-frick@haw-hamburg.de
BestWorkshop Papers of BTW2021
BestWorkshop Papers of BTW2021
This special issue of the “Datenbank-Spektrum” is dedicated to the Best Papers of the Workshops running at the BTW 2021 at the TU Dresden. The selected Workshop contributions should be extended to match the format of regular DASP papers.
Paper format: 8-10 pages, double-column
Selection of the Best Papers by the Workshop chairs and the guest editor: Oct. 1st, 2021
Deadline for submissions: Nov. 1st, 2021
Issue delivery: DASP-1-2022 (March 2022)
Guest editor:
Theo Härder, University of Kaiserslautern
haerder@cs.uni-kl.de
© Gesellschaft für Informatik e.V. and Springer-Verlag GmbH Germany, part of Springer Nature