LEITER DES FORSCHUNGSBEREICHS Intelligente Analytik für Massendaten

Prof. Dr. Volker Markl

  • Adresse (Berlin)
    Projektbüro
    Alt-Moabit 91c
    D-10559 Berlin

Publikationen

Adrian Bartnik, Bonaventura Del Monte, Tilmann Rabl, Volker Markl

In: Datenbanksysteme für Business, Technologie und Web (BTW 2019) Datenbanksysteme für Business, Technologie und Web (BTW 2019). GI-Fachtagungen Fachtagung für Datenbanksysteme für Business, Technologie und Web (BTW) March 4-8 Rostock Germany Gesellschaft für Informatik Bonn 2019.

Zur Publikation
Dimitrios Giouroukis, Julius Hülsmann, Janis von Bleichert, Morgan Geldenhuys, Tim Stullich, Felipe Oliveira Gutierrez, Jonas Traub, Kaustubh Beedkar, Volker Markl

In: 21st International Conference on Extending Database Technology (EDBT). International Conference on Extending Database Technology (EDBT-2018) 21st March 26-29 Vienna Austria OpenProceedings 2019.

Zur Publikation
Jonas Traub, Philipp Grulich, Alejandro Rodríguez Cuéllar, Sebastian Breß, Asterios Katsifodimos, Tilmann Rabl, Volker Markl

In: 22th International Conference on Extending Database Technology (EDBT). International Conference on Extending Database Technology (EDBT-2019) 22th March 26-29 Lisbon Portugal OpenProceedings 2019.

Zur Publikation

Profil

Persönliche Angaben

Prof. Dr. Volker Markl ist Chief Scientist und Leiter der Forschungsgruppe „Intelligente Analytik für Massendaten – Smart Data“ am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI). Außerdem ist er Direktor des Berlin Big Data Centers (BBDC) und Co-Direktor des Berliner Zentrums für Maschinelles Lernen (BZML).  An der Technischen Universität Berlin leitet er das Fachgebiet Datenbanksysteme und Informationsmanagement (DIMA). 

Zu seinen aktuellen Forschungsinteressen gehören neuartige Hardwarearchitekturen für das Informationsmanagement, die skalierbare Verarbeitung und Optimierung von Programmen zur deklarativen Datenanalyse sowie skalierbare Datenwissenschaft, einschließlich Graph Mining, Text Mining und Maschinellem Lernen.

Ehrungen

  • EDBT 2019 Best Paper Award für die Abhandlung “Efficient Window Aggregation with General Stream Slicing”
  • Erster Platz in der BTW 2019 Data Science Challenge
  • Co-lead, Technical Enablers und Data Science Arbeitsgruppe der „Plattform Lernende Systeme“, 2018.
  • ACM SIGMOD 2016 Research Highlight Award
  • EDBT 2017 Best Demonstration Award
  • Mitglied der Expertenkommission “Zentrum Digitalisierung Bayern,“ 2015.
  • Germany’s Leading Digital Minds (“Digitale Köpfe”) Award, 2014.
  • VLDB Best Paper Award, 2014.
  • Innovation Supporter Award, TU Berlin, 2012.
  • Status-only Professorship Appointment, University of Toronto, 2012 - 2018.
  • IBM Faculty Award, 2012.
  • IBM Shared University Grant Award, 2012.
  • Trusted Cloud Award, Bundesministerium für Wirtschaft und Energie, 2011.
  • IBM Center of Advanced Studies Award 2010, 2011, 2012.
  • Hewlett Packard Open Innovation Award, 2009, 2010.
  • IBM Shared University Grant Award, 2008.
  • Pat Goldberg Best Paper Award, IBM, 2006.
  • Outstanding Technological Achievement Award, IBM, 2005.
  • Best Mentor Award, IBM, 2005.
  • Seventeen Invention Achievement Awards, IBM, 2001 – 2006.
  • Four Invention-Plateau Awards, IBM, 2001 – 2006.
  • IST Prize for TransBase HyperCube, European Commission and EUROCASE, 2001.
  • Outstanding Computer Science Dissertation, German Computer Society (GI), 2000.
  • Siemens Nixdorf Förderkreis, Siemens AG, 1992-1995.

 

Mitgliedschaften

  • Gesellschaft für Informatik (GI), FG Datenbanken
  • ACM
  • ACM SIGMOD
  • IEEE Computer Society
  • Elected Trustee of the VLDB Endowment
  • Elected Secretary of the VLDB Endowment
  • Elected President of the VLDB Endowment
  • Founding Member of the Big Data Value Association/Big Data Value PPP

Ämter

1.         Gesellschaft für Informatik (GI), FG Datenbanken

2.         ACM

3.         ACM SIGMOD

4.         IEEE Computer Society

5.         Elected Trustee of the VLDB Endowment

6.         Elected Secretary of the VLDB Endowment

7.         Elected President of the VLDB Endowment

8.         Founding Member of the Big Data Value Association/Big Data Value PPP

Projekte

lapse


lapse.

Problem: Für das Trainieren von Modellen des Maschinellen Lernens (ML) auf Clustern im Gegensatz zum Training auf einzelnen Maschinen, muss beides gesteigert werden, die Leistungsfähigkeit der...

lapse

BBDCII


Berlin Big Data Center

Goals

In order to optimally prepare industry, science and the society in Germany and Europe for the global Big Data trend, highly coordinated activities in research, teaching, and technology transfer...

BBDCII

ADAM


Approximative Analyse massiver Datenströme durch moderne Hardware

Normalerweise wird die Analyse von Datenströmen parallelisiert auf Clustern mit Standardservern ausgeführt. Die Analyse größerer Datenmengen erfordert eine Erweiterung der Cluster, was widerum eine...

ADAM

FogGuro


Wir bilden die nächste Generation europäischer Fog Computing Experten aus

Führende Unternehmen des IKT-Sektors (wie z.B. Cisco, Huawei, IBM etc) investieren stark in diese innovative Branche, von der ein großer Einfluss auf mehrere Anwendungsdomänen erwartet wird,...

FogGuro

SePiA.Pro


Serviceplattform für die intelligente Anlagenoptimierung in der Produktion

Das Ziel des Projekts SePiA.Pro ist die Entwicklung einer unternehmensübergreifenden, offenen und standardisierten Serviceplattform für die produktionsprozessumfassende Effizienzsteigerung in...

SePiA.Pro

Portraitfoto

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence