Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

RDSEM - Seminar on Responsible Data EngineeringModulbeschreibung #41224 / Version 1

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Modul / Version#41224 / #1
GültigkeitWiSe 2024/25 – SoSe 2026
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte3
Modulverantwortliche*rSchelter, Sebastian
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34353500 FG Management von Data Science-Prozessen (BIFOLD)

Kontakt

SekretariatKeine Angabe
Ansprechpartner*inSchelter, Sebastian
E-Mail-Adresseschelter@tu-berlin.de
Webseitehttps://deem.berlin/#teaching

Lernergebnisse

In diesem Seminar lernen die Studierenden:

(a) wissenschaftliche Arbeiten aus der Literatur zu verantwortungsvollem Datenmanagement und verantwortungsvoller Datenwissenschaft kritisch zu lesen und zu interpretieren
(b) einen guten wissenschaftlichen Vortrag zu halten, der technisch präzise, ​​auf die relevanten Themen konzentriert und zudem unterhaltsam ist
(c) eine wissenschaftliche Uebersicht auf der Grundlage von Artikeln aus verschiedenen Quellen zu verfassen

Darüber hinaus lernen die Studierenden den Stand der Technik und aktuelle Forschungsthemen im Bereich Responsible Data Science und Datenmanagement kennen.

Lehrinhalte

Den Studierenden wird zunächst ein Forschungspapier zugeteilt (das als Primärquelle und Ausgangspunkt dient). Anschließend führen die Studierenden eine eigene Literaturrecherche durch, um verwandte/ergänzende Materialien (aus verschiedenen Quellen wie Büchern, Konferenzpapieren und Zeitschriften) zu identifizieren. Repräsentative Quellen sind Konferenzen wie VLDB, SIGMOD, ICDE, FACT* und CIDR sowie Journals wie ACM Transactions on Database Systems oder das VLDB Journal.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Responsible Data EngineeringSeminar Wintersemester[en]2 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (1)

Responsible Data Engineering (Seminar) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Responsible Data Engineering (Seminar)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Der Aufwand des Moduls summiert sich zu 90 Stunden. Damit umfasst das Modul 3 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

In der Anfangsphase dieses Kurses hören die Studierenden Präsentationen darüber, wie man wissenschaftliche Arbeiten liest, wie man eine gute Präsentation hält und wie man hochwertige wissenschaftliche/technische Berichte schreibt.

Als Primärliteratur erhalten die Studierenden zusätzlich ein primaeres Forschungspapier. Anschließend sollen sie zur Recherche eines ihnen im Seminar gestellten Themas Sekundärquellen finden und nutzen, die über die bereitgestellte Primärliteratur hinausgehen. Neben herkömmlichen Quellen wie dem Internet müssen sie auch Forschungszeitschriften und Artikel nutzen, die auf wichtigen Konferenzen in den Bereichen verantwortungsvolles Datenmanagement und verantwortungsvolle Datenwissenschaft veröffentlicht wurden. Sie halten einen Vortrag zu ihrem Thema und fuehren anschließend eine Diskussion mit allen Seminarteilnehmern. Einzelheiten können variieren und werden im jeweiligen Semester bekannt gegeben.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Dieser Kurs richtet sich an Masterstudierende im dritten Semester mit dem Schwerpunkt Datenbanksysteme und Informationsmanagement.
Wünschenswerte Voraussetzungen sind unter anderem folgende:
(a) erfolgreicher Abschluss des Kurses Datenbanktechnologie (DBT) der TU Berlin oder eines gleichwertigen Kurses,
(b) erfolgreicher Abschluss eines Kurses zu den Grundlagen des Maschinellen Lernens und/oder Data Science
(c) gute Kenntnisse der englischen Sprache in Wort und Schrift.
Idealerweise sollte dieses Seminar im Semester vor Beginn der Masterarbeit belegt werden.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheEnglisch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
(Ergebnispruefung) Praesentation im Seminar30mündlich20-30min
(Ergebnispruefung) Diskussion von Seminarinhalten20mündlich5min pro Praesentation
(Ergebnispruefung) Schriftlicher Seminarbericht50schriftlich4-6 Seiten

Prüfungsbeschreibung (Abschluss des Moduls)

Die Gesamtnote gemäß § 68 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 8.

Anmeldeformalitäten

Zum Besuch der Lehrveranstaltung ist eine Zulassung erforderlich. Bitte informieren Sie sich vor Beginn der Vorlesungszeit auf https://deem.berlin/#teaching , um nähere Informationen zum Anmeldeprozess zu erhalten.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Computer Engineering
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
WiSe 2025/26Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems
SoSe 2026Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems
Computer Science (Informatik)
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
WiSe 2025/26Studiengebiete › Data and Software Engineering / Data and Software Engineering
SoSe 2026Studiengebiete › Kognitive Systeme / Cognitive Systems
Elektrotechnik
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
WiSe 2025/26Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
SoSe 2026Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
Information Systems Management (Wirtschaftsinformatik)
StuPO 2017
SoSe 2025Wahlpflichtbereich › Fachstudium Wirtschaftsinformatik › Informationssysteme / Information Systems
WiSe 2025/26Wahlpflichtbereich › Fachstudium Wirtschaftsinformatik › Informationssysteme / Information Systems
SoSe 2026Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
Verwendung in:

Master Computer Science / ISM (Data Software Engineering / Data and Software Engineering)

Sonstiges

Keine Angabe