Skip to main content

User account menu

  • Log in
DBS-Logo

Database Group Leipzig

within the department of computer science

ScaDS-Logo Logo of the University of Leipzig

Main navigation

  • Home
  • Study
    • Exams
      • Hinweise zu Klausuren
    • Courses
      • Current
    • Modules
    • LOTS-Training
    • Abschlussarbeiten
    • Masterstudiengang Data Science
    • Oberseminare
    • Problemseminare
    • Top-Studierende
  • Research
    • Projects
      • Benchmark datasets for entity resolution
      • FAMER
      • HyGraph
      • Privacy-Preserving Record Linkage
      • GRADOOP
    • Publications
    • Prototypes
    • Annual reports
    • Cooperations
    • Graduations
    • Colloquia
    • Conferences
  • Team
    • Erhard Rahm
    • Member
    • Former employees
    • Associated members
    • Gallery

Top-Studierende 2018 ausgezeichnet

Breadcrumb

  • Home
  • News
  • Top-Studierende 2018 ausgezeichnet

Im Rahmen des Datenbank-Oberseminars zeichnete Prof. Rahm im Dez. 2018 vier Studierende aus, die exzellente Leistungen im Informatik-Gebiet Datenbanken/Informationssysteme zeigten. Die Auszeichnung ging an die Studierenden Patrick Kramer, Tim Matzeck, Dominik Schwabe und Christina Sixtus. Sie wurden aus ca. 350 Studierenden ausgewählt und hatten im Studienjahr 2018 wenigstens je zwei Lehrveranstaltungen im Datenbankbereich mit sehr gutem Ergebnis absolviert. Die Auzeichnung erfolgt jährlich seit nunmehr 10 Jahren, so dass die Auszeichnung zum elften Mal erfolgte.

Herzlichen Glückwunsch an alle Preisträger!

 

student 2018
Das Foto zeigt v.l.n.r. die Preisträger Christina Sixtus, Dominik Schwabe, Tim Matzeck und Patrick Kramer mit Prof. Rahm.

 

Tags

  • topstudierende
  • 2018

Recent publications

  • 2025 / 9: Generating Semantically Enriched Mobility Data from Travel Diaries
  • 2025 / 8: Slice it up: Unmasking User Identities in Smartwatch Health Data
  • 2025 / 6: SecUREmatch: Integrating Clerical Review in Privacy-Preserving Record Linkage
  • 2025 / 6: Leveraging foundation models and goal-dependent annotations for automated cell confluence assessment
  • 2025 / 5: Federated Learning With Individualized Privacy Through Client Sampling

Footer menu

  • Directions
  • Contact
  • Impressum