LEITER DES FORSCHUNGSBEREICHS Intelligente Analytik für Massendaten

Prof. Dr. Volker Markl

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

Prof. Dr. Volker Markl

Publikationen

Clemens Lutz, Sebastian Breß, Steffen Zeuch, Tilmann Rabl, Volker Markl

In: David Maier, Rachel Pottinger (Hrsg.). Proceedings of the 2020 ACM SIGMOD International Conference on Management of Data. ACM SIGMOD International Conference on Management of Data (SIGMOD-2020) June 14-19 Portland OR United States Seiten 1633-1649 ISBN 978-1-4503-6735-6 The Association for Computing Machinery 2020.

Zur Publikation
Behrouz Derakhshan, Alireza Rezaei Mahdiraji, Ziawasch Abedjan, Tilmann Rabl, Volker Markl

In: Proceedings of the 2020 ACM SIGMOD International Conference on Management of Data. ACM SIGMOD International Conference on Management of Data (SIGMOD) New York, NY, USA SIGMOD ’20 ISBN 9781450367356 Association for Computing Machinery 2020.

Zur Publikation

Profil

Persönliche Angaben

Prof. Dr. Volker Markl ist Chief Scientist und Leiter des Forschungsbereichs „Intelligente Analytik für Massendaten – Smart Data“ am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI). Gleichzeitig ist Dr. Markl Direktor des Berlin Institute for the Foundations of Learning and Data (BIFOLD), welches aus der Fusion des Berlin Big Data Center (BBDC) und dem Berliner Zentrum für Maschinelles Lernen (BZML) hervorging. 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.

CV

  • Seit 2020 Direktor des Berlin Institute for the Foundations of Learning and Data (BIFOLD)
  • 2018 – 2020  Ko-Direktor des Berliner Zentrums für Maschinelles Lernen (BZML)
  • Seit 2018  Chief Scientist am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI)
  • Seit 2014  Wissenschaftlicher Direktor des Forschungsbereichs „Intelligente Analyse von Massendaten“ am Deutschen Forschungszentrum für künstliche Intelligenz (DFKI)
  • 2014 – 2020  Direktor des Berlin Big Data Center (BBDC)
  • Seit 2008  Professor und Leiter des Fachgebiets Datenbanksysteme und Informationsmanagement (DIMA) an der Technischen Universität Berlin
  • 2001 – 2008  Wissenschaftler am IBM Almaden Research Center, San Jose, California, USA
  • 1997 – 2000  Leiter einer Forschungsgruppe am Bayerischen Forschungszentrum für wissensbasierte Systeme (FORWISS) in München

Mentor und Mitgründer der folgenden StartUps (Auszug)

2014 – 2018 (exit)    Mitgründer und Mentor, Data Artisans, Berlin, Deutschland
2010 – 2016 (exit)    Mentor, Parstream, Köln, Deutschland

Wissenschaftliche Ämter (Auszug)

  • Präsident der Very Large Data Bases Endowment Inc. (VLDB / 2018 - 2021)
  • Arbeitsgruppenleiter der Plattform Lernende Systeme, acatech – DEUTSCHE AKADEMIE DER TECHNIKWISSENSCHAFTEN
  • Gründungsmitglied der Big Data Value Association/Big Data Value PPP

Auszeichnungen und Ehrungen (Auszug)

  • EDBT 2019 Best Paper Award
  • BTW 2019 Data Science Challenge Gewinner
  • EDBT 2017 Best Demonstration Award
  • ACM SIGMOD 2016 Research Highlight Award
  • Germany’s “Leading Digital Mind” (“Digitale Köpfe”) Award (2014)
  • VLDB Best Paper Award (2014)
  • Innovation Supporter Award, TU Berlin (2012)
  • Status-only Professorship Appointment, University of Toronto (2012)
  • Hewlett Packard Open Innovation Award (2009 + 2010)
  • Pat Goldberg Best Paper Award, IBM (2006)
  • Best Mentor Award, IBM (2005)
  • Outstanding Technological Achievement Award, IBM (2005)

Veröffentlichungen

207 Veröffentlichungen (Citation h-index: 44) und 33 Key Note Lectures

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

Ämter

  • Gewählter Kurator bei VLDB Endowment
  • Gewählter Generalsekretär bei VLDB Endowment
  • Gewählter Präsident bei VLDB Endowment
  • Gründungsmitglied der Big Data Value Association/Big Data Value PPP

Projekte

ExDRa


Exploratory Data Science over Raw Data

Die Idee des ExDRa Projekts ist, geeignete Systemunterstützung für den explorativen Data Science Prozess über heterogene und verteilte Rohdatenquellen zu untersuchen und im Rahmen eines Prototypen für...

BBDCII


Berlin Big Data Center

Ziele

Um Industrie, Wissenschaft und Gesellschaft in Deutschland und Europa optimal auf den globalen Big-Data-Trend vorzubereiten, sind hochgradig koordinierte Aktivitäten in Forschung, Lehre und...

BBDCII

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

STREAMLINE


Streamlined Analysis of Data at Rest and Data in Motion

Gemeinsam mit vier führenden Europäischen Data-Economy-Unternehmen sowie weltbekannten Wissenschaftlern und Erfindern wird das DFKI im Projekt STREAMLINE den modernen Anforderungen des Europäischen...

STREAMLINE

PROTEUS


Predictive Analytics and Real-Time Interactive Visualization for Industry

Die Mission von PROTEUS ist die Untersuchung und Entwicklung von einsatzbereiten, skalierbaren Online-Maschine-Learning-Algorithmen und interaktiven visuellen Echtzeit-Analysen, um mit extrem großen...

PROTEUS

Portraitfoto

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence