Lehrstuhl für Informatik 6 (Datenmanagement)


Beschreibung:


Der Lehrstuhl für Informatik 6 (Datenmanagement) wurde 1979 durch die Berufung von Prof. Dr. Hartmut Wedekind gegründet. Nach dessen Emeritierung wurde Prof. Dr. Klaus Meyer-Wegener 2001 zum neuen Lehrstuhlinhaber berufen. Die dem Lehrstuhl zugeordnete Professur für Informatik (Datenmanagement) ist seit April 2007 mit Prof. Dr. Richard Lenz besetzt.



Der Lehrstuhl beschäftigt sich mit der Erforschung der Grundlagen des Datenmanagements und mit dem anwendungsgetriebenen Einsatz von Datenmanagement-Technologien. Aufbauend auf den Forschungsergebnissen erfolgt im Rahmen von Projekten gemeinsam mit Partnern aus Wirtschaft und öffentlichem Dienst die Umsetzung der entwickelten Konzepte in der betrieblichen Praxis. Forschung und Projektgeschäft bilden gemeinsam die Grundlage für die zielgerichtete Ausbildung der Studierenden.



Datenbanksysteme haben sich als unverzichtbares Werkzeug zur ausfallsicheren und konsistenten Verwaltung großer Datenmengen etabliert. Zunehmend ergibt sich die Notwendigkeit, Daten in beträchtlichem Umfang aus heterogenen, inbesondere auch externen Datenquellen in das Datenmanagement von Organisationen einzubeziehen ("Big Data"). Dies motiviert Anwendungs-orientierte Forschungsschwerpunkte wie Evolutionäre Informationssysteme, Schema-Inferenz und Datenqualität. Im Bereich der Grundlagen-orientierten Forschung befasst sich der Lehrstuhl mit Techniken zur Beschleunigung von Datenbankabfragen mit Hilfe spezieller Hardware und der funktionellen Erweiterung um eine Datenstromverarbeitung. Weiterhin unterstützt er verschiedene Ansätze des Datenmanagements in den Digitalen Geistes- und Sozialwissenschaften.

Adresse:
Martensstraße 3
91058 Erlangen


Forschungsbereiche

Datenbanksysteme
Datenintegration
Datenmanagement in den Digital Humanities
Datenqualität
Datenstromsysteme
Evolutionäre Informationssysteme
Prozessmanagement


Forschungsprojekt(e)


(DFG-Schwerpunktprogramm (SPP) 2037 - Skalierbares Datenmanagement für zukünftige Hardware):
ReProVide: Anfrageoptimierung und Daten-nahe Verarbeitung auf Rekonfigurierbaren SoCs für Big-Data-Analyse
Prof. Dr.-Ing. Klaus Meyer-Wegener; Dr.-Ing. Stefan Wildermann; Prof. Dr.-Ing. Jürgen Teich
(28.08.2017 - 31.08.2020)


(EFRE EIASY-Opt - Kompetenz- und Analyseprojekt für die "datengetriebene Prozess- und Produktionsoptimierung mittels Data Mining und Big Data"):
E|ASY-Opt INF6: REAPER: A Framework for Materializing and Reusing Deep-Learning Models
Prof. Dr.-Ing. Klaus Meyer-Wegener
(01.01.2017 - 31.12.2020)


KYQ: Know Your Queries!
Prof. Dr.-Ing. Klaus Meyer-Wegener
(01.04.2015 - 31.12.2018)


DAMSEL: Bewertung von Datenspeichersystemen
Prof. Dr.-Ing. Klaus Meyer-Wegener
(01.09.2014 - 31.12.2018)


(FOR 1508: Dynamisch adaptierbare Anwendungen zur Fledermausortung mittels eingebetteter kommunizierender Sensorsysteme):
BATS-TP3: Systemübergreifende Optimierung von Datenstromanfragen
Prof. Dr.-Ing. Klaus Meyer-Wegener
(01.08.2012 - 31.12.2018)



Publikationen (Download BibTeX)

Go to first page Go to previous page 1 von 10 Go to next page Go to last page

Schwab, P., Wahl, A.M., Matschinske, J.O., & Meyer-Wegener, K. (2019). Query-Driven Data Minimization with the DataEconomist. In OpenProceedings.org 2019 (pp. 614-617). Lisbon, Portugal, PT: 78457 Konstanz, Germany: OpenProceedings.org University of Konstanz University Library.
Meyer-Wegener, K. (2019). Wie funktioniert die Blockchain? Datenbank-Spektrum, 19(1), 67-71. https://dx.doi.org/10.1007/s13222-019-00311-0
Sigl, M. (2019). Don't Fear the REAPER: A Framework for Materializing and Reusing Deep-Learning Models. In IEEE Computer Society (Eds.), Proceedings of the International Conference on Data Engineering. Macau SAR, China, MO.
Duda, N., Nowak, T., Hartmann, M., Schadhauser, M., Cassens, B., Wägemann, P.,... Kölpin, A. (2018). BATS: Adaptive Ultra Low Power Sensor Network for Animal Tracking. Sensors. https://dx.doi.org/10.3390/s18103343
Schwab, P., Wahl, A.M., Meyer-Wegener, K., & Matschinske, J.O. (2018). Towards Query-Driven Data Minimization. In Proc. Conf. "Lernen, Wissen, Daten, Analysen" (pp. 335-338). Mannheim, Germany, DE: CEUR-WS.
Becher, A., Beena Gopalakrishnan Nair, L., Broneske, D., Drewes, T., Gurumurthy, B., Meyer-Wegener, K.,... Wildermann, S. (2018). Integration of FPGAs in Database Management Systems: Challenges and Opportunities. Datenbank-Spektrum. https://dx.doi.org/10.1007/s13222-018-0294-9
Wahl, A.M., Endler, G., Schwab, P.K., Rith, J., Herbst, S., & Lenz, R. (2018). A graph-based framework for analyzing SQL query logs. Association for Computing Machinery, Inc.
Wahl, A.M., Sauerhammer, C., Schwab, P., Herbst, S., & Lenz, R. (2018). Query-Driven Data Profiling with OCEANProfile. In Proceedings of the Twelfth International Workshop on Real-Time Business Intelligence and Analytics (BIRTE 2018). Rio de Janeriro, BR.
Wahl, A.M., Sauerhammer, C., Schwab, P., Herbst, S., & Lenz, R. (2018). Query-Driven Data Profiling with OCEANProfile. In ACM (Eds.), Proceedings of the International Workshop on Real-Time Business Intelligence and Analytics. Rio de Janeiro, BR: ACM.
Wahl, A.M., Endler, G., Schwab, P., Herbst, S., Rith, J., & Lenz, R. (2018). Crossing an OCEAN of queries: Analyzing SQL query logs with OCEANLog. In Proceedings of the 30th International Conference on Scientific and Statistical Database Management, SSDBM 2018. Association for Computing Machinery.
Wahl, A.M., Schwab, P., & Lenz, R. (2018). Minimally-Intrusive Augmentation of Data Science Workflows. In Proceedings of the Lernen. Wissen. Daten. Analysen. (LWDA 2018). Mannheim, DE.
Wahl, A.M., & Lenz, R. (2017). Analyzing SQL Query Logs using Multi-Relational Graphs. In Proc. Conf. "Lernen, Wissen, Daten, Analysen". Rostock, Germany, DE: CEUR-WS.
Guhlemann, S., Petersohn, U., & Meyer-Wegener, K. (2017). Reducing the Distance Calculations when Searching an M-Tree. Datenbank-Spektrum, 17(2), 155-167. https://dx.doi.org/10.1007/s13222-017-0258-5
Wahl, A.M., Endler, G., Schwab, P., Herbst, S., & Lenz, R. (2017). Anfrage-getriebener Wissenstransfer zur Unterstützung von Datenanalysten. Stuttgart, DE: Springer.
Wahl, A.M., Endler, G., Schwab, P., Herbst, S., & Lenz, R. (2017). We Can Query More than We Can Tell: Facilitating Collaboration Through Query-Driven Knowledge-Sharing. Portland, Oregon, US: ACM.
Freiburg, R., Büttner, S., Glasze, G., Hagenhoff, S., Meyer-Wegener, K., & Prokosch, H.-U. (2017). D@tenflut: Fünf Vorträge.Erlanger Universitätstage Amberg/Ansbach 2016. Erlangen: FAU University Press.
Wahl, A.M., Endler, G., Schwab, P., Herbst, S., & Lenz, R. (2017). Query-Driven Knowledge-Sharing for Data Integration and Collaborative Data Science. In New Trends in Databases and Information Systems. Nicosia, CY.
Meyer-Wegener, K. (2017). Erstmal einfach alles speichern: Big Data als Aufgabe für die Informatik. In Freiburg, Rudolf (Eds.), D@tenflut : Erlanger Universitätstage Ansbach 2016 (pp. 99-115). Erlangen: FAU University Press.
Schwab, P., Wahl, A.M., Lenz, R., & Meyer-Wegener, K. (2016). Query-driven Data Integration (Short Paper). In Proc. Conf. "Lernen, Wissen, Daten, Analysen" (pp. 206-211). Potsdam, Germany, DE: CEUR-WS.
Kolominsky-Rabas, P., Kriza, C., Djanatliev, A., Meier, F., Uffenorde, S., Radeleff, J.,... Adamson, P. (2016). Health economic impact of a pulmonary artery pressure sensor for heart failure telemonitoring: a dynamic simulation. Telemedicine Journal and E-Health, 22(10), 798-808. https://dx.doi.org/10.1089/tmj.2015.0226.rev

Zuletzt aktualisiert 2019-24-04 um 10:16