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 2021 ausgezeichnet

Breadcrumb

  • Home
  • News
  • Top-Studierende 2021 ausgezeichnet

Im Dez. 2021 zeichnete Prof. Rahm vier Studierende aus, die exzellente Leistungen im Informatik-Gebiet Datenbanken/Informationssysteme zeigten. Die Auszeichnung ging an die Studierende Johannes Bleich, Jonas Probst, Sebastian Schmidt und Moritz Schönherr. Sie wurden aus etwa 500 Studierenden ausgewählt und hatten im Studienjahr 2021 wenigstens je zwei Lehrveranstaltungen im Datenbankbereich mit sehr gutem Ergebnis absolviert. Die jährliche Auszeichnung erfolgte bereits zum 14. Mal. Aufgrund der anhaltenden Covid-Pandemie fand sie erneut im Rahmen einer virtuellen Sitzung statt, so dass die Zertifikate im Nachgang der Sitzung an die Preisträger zugestellt wurden.

Herzlichen Glückwunsch an alle Preisträger!

 

student 2021
Das Foto zeigt die Preisträger mit Prof. Rahm.

 

Tags

  • topstudierende
  • 2021

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