Seminar "Weiterführende Themen der Datenbankforschung"

Das Seminar

Der Fokus liegt in unseren Seminaren, neben dem fachlichen Verständnis in eurem selbst gewählten Thema, immer auf der Vortragstechnik: Statt einer schriftlichen Ausarbeitung verlangen wir von euch die Ausarbeitung eines mitreißenden und authentischen Vortrags. Um euch darauf vorzubereiten, werden wir uns in den ersten Wochen ausführlich damit beschäftigen, wie man einen guten und interessanten Vortrag hält. Durch die Analyse von verschiedenen Vorträgen werden wir gemeinsam herausfinden, was gute Vorträge ausmacht, um später in praktischen Übungen an euren Vortragstechniken zu arbeiten. Jeder Seminarvortrag wird außerdem vor der gesamten Gruppe gehalten und hinterher intensiv diskutiert. Wir bieten euch eine der letzten Gelegenheiten bevor es für euch in die Arbeitswelt geht, ehrliches Feedback zu eurem Vortragsstil und eurem Auftreten zu bekommen! Nutzt sie! Wer daran Interesse hat zu lernen einen überzeugenden Vortrag zu halten, keine Scheu vor ehrlichem Feedback hat, der ist bei unserem Seminar genau richtig. 

Achtung: Da es sich um ein Rhetorikseminar handelt wird dieses ausschließlich auf Deutsch angeboten!

Attention: This seminar is offered in German only!

Das Thema

In diesem Semester befassen wir uns im Seminar mit verschiedenen aktuellen Themen in der Datenbankforschung. Dies inkludiert Themen im Bereich der relationalen Datenbanken, der NoSQL/NewSQL Systeme sowie der analytischen Systemen wie z. B. Data Warehouses und Data Lake Architectures (und Themen die zwischen diesen Welten liegen). Ihr bekommt in diesem Seminar die Möglichkeit in ein spezifisches Thema eines Bereichs einzutauchen und dieses einmal vollkommen zu durchdenken (d.h. zu verstehen) und in die große Landschaft der Datenbanken einzuordnen, die unser Lehrkanon im Masterstudium eröffnet. Der Fokus liegt hierbei auf aktuellen Forschungsthemen, z.B. „vectorized query processing“ oder „lakehouse architectures“ sowie generell weiterführenden Konzepten wie „streaming processing“. Das Seminar ergänzt somit unsere Vorlesungen und steigt in die Themen ein, die wir häufig als weiterführende Themen in eben diesen antriggern. 

Wir bieten insgesamt vier Themenblöcke mit bis zu zwei Themen pro Block an. Jeder Themenblock ist mit einer oder mehreren unserer Vorlesungen verknüpft, d.h. der Besuch der genannten Vorlesungen hilft zur Einordnung des Themas und erleichtert das Verständnis.

Es ist keine formale Voraussetzung, wir empfehlen jedoch bereits vorher bei uns am Insitut Vorlesungen aus den unten genannten Bereichen besucht zu haben. 

Themen

Achtung: diese Themenliste ist vorläufig und kann sich bis zum Seminarstart noch ändern!

Themenblock 1: Query Processing und Optimierung in RDBMS

(Verwandte Vorlesungen: Relationale Datenbanken 1 & 2)

Thema 1: Vecorized Query Processing

• T. Kersten, V. Leis, A. Kemper, T. Neumann, A. Pavlo, and P. Boncz (2018): Everything You Always Wanted to Know About Compiled and Vectorized Queries But Were Afraid to Ask. Proceedings of the VLDB Conference 11(13) (PVLDB). https://doi.org/10.14778/3275366.3275370  

Thema 2: Self-Driving Databases

• A. Pavlo, M. Butrovich, L. Ma (2021): Make Your Database System Dream of Electric Sheep: Towards Self-Driving Operation. Proc. of the VLDB Conference 14(12) (PVLDB).  https://doi.org/10.14778/3476311.3476411
• R. Marcus, P. Negi, H. Mao, N. Tatbul, M. Alizadeh, T. Kraska (2021): Bao: Making Learned Query Optimization Practical. Proc. of Int. Conf. on Management of Data (SIGMOD). https://doi.org/10.1145/3448016.3452838
• J. Tan, K. Zhao, R. Li, J. Yu, C. Piao, H. Cheng, H. Meng, D. Zhao, Y. Rong (2025): Can Large Language Models Be Query Optimizer for Relational Databases? Proc. of  Int. Conf. on Management of Data (SIGMOD). https://doi.org/10.1145/3769771  

Themenblock 2: Streaming und spaltenorientierte Datenbanken

(Verwandte Vorlesungen: Data Warehousing, Distributed Data Management)

Thema 1: Streaming-Datenbanken und ihre Architekturen

• S. Chandrasekaran, M. Franklin (2002): Streaming Queries over Streaming Data. Proc. of the VLDB Conference.  https://www.vldb.org/conf/2002/S07P01.pdf
• A. Alexandrov et al. (2014). The stratosphere platform for big data analytics. The VLDB Journal, 23(6), 939-964. https://doi.org/10.1007/s00778-014-0357-y
• Apache Kafkas und Apache Flinks jeweilige Dokumentation

Thema 2: Spaltenorientierte Datenbanken

• V. Sikka, F. Färber, W. Lehner, S. Kyun Cha, T. Peh, C. Bornhövd (2012): Efficient Transaction Processing in SAP HANA Database – The End of a Column Store Myth. Proc. of  Int. Conf. on Management of Data (SIGMOD). https://dl.acm.org/doi/pdf/10.1145/2213836.2213946
• R. Schulze, T. Schreiber, I. Yatsishin, R. Dahimene, A. Milovidov (2024): ClickHouse – Ligtning Fast Analytics for Everyone. Proc. of the VLDB Conference 17(12) (PVLDB). https://doi.org/10.14778/3685800.3685802
• M. Raasveldt, H. Mühleisen (2019): DuckDB: an Embeddable Analytical Database. Demo at Int. Conf. on Management of Data (SIGMOD). https://doi.org/10.1145/3299869.3320212

Themenblock 3: Analytische Queries und Lakehouse Architekturen

(Verwandte Vorlesungen: Data Warehousing, Distributed Data Management)

Thema 1: Hybrid Transactional/Analytical Processing (HTAP) Ansätze

• G. Li, G. Zhang (2022): HTAP Databases: What is New and What is Next. Tutorial at the Int. Conf. on Management of Data (SIGMOD). https://doi.org/10.1145/3514221.3522565
• A. Raza, P. Chrysogelos, A. Anadiotis, A. Ailamaki (2020): Adaptive HTAP through Elastic Resource Scheduling. Int. Conf. on Management of Data (SIGMOD). https://doi.org/10.1145/3318464.3389783  
• J. Yang et al. (2020): F1 lightning: HTAP as a service. Proc. of the VLDB Conference 13(12) (PVLDB). http://doi.org/10.14778/3415478.3415553  

Thema 2: Data Lakehouses

• M. Armbrust, A. Ghodsi, R. Xin, M. Zaharia (2021): Lakehouse: A New Generation of Open Platforms that Unify Data Warehousing and Advanced Analytics. Annual  Conference on Innovative Data Systems Research (CIDR). https://www.cidrdb.org/cidr2021/papers/cidr2021_paper17.pdf
• A. Behm et al. (2022): Photon: A Fast Query Engine for Lakehouse Systems. Proceedings of the Int. Conf. on Management of Data (SIGMOD). https://doi.org/10.1145/3514221.3526054  

Themenblock 4: Vektor-Datenbanken und ihre Anwendungen

(Verwandte Vorlesungen: Multimedia-Datenbanken, Distributed Data Management, Information Retrieval)

• J. J. Pan, J. Wang, J.,G. Li (2024): Survey of vector database management systems. The VLDB Journal, 33(5), 1591-1615. https://doi.org/10.1007/s00778-024-00864-x  
• Z. Niu, X. Tian, X. Peng, X. Chen (2025): BlendHouse: A Cloud-Native Vector Database System in ByteHouse.  IEEE Int. Conf. on Data Engineering (ICDE). https://doi.org/10.1109/ICDE65448.2025.00325 
• R. Guo et al. (2022): Manu: A Cloud Native Vector Database Management System. Proc. of the VLDB Conference 15(12) (PVLDB). https://www.vldb.org/pvldb/vol15/p3548-yan.pdf