Willkommen, Professor Ana Klimovic

Frau Professor Klimovic, willkommen an der ETH! Was sind Ihre aktuellen Forschungsinteressen?
Ich arbeite an Computersystemen für gross angelegte neue Anwendungen wie Cloud-Computing-Dienste, Datenanalyse und maschinelles Lernen. Das Ziel meiner Forschung ist es, die Leistung und Effizienz von Cloud-Computing zu verbessern und es gleichzeitig den Nutzern einfacher zu machen, ihre Anwendungen bereitzustellen und zu verwalten [1]. Meine Forschungsinteressen umfassen Betriebssysteme und Computerarchitekturen sowie ihre Schnittstellen zum maschinellen Lernen.

Welche Auswirkungen hat Ihre Forschung auf die Gesellschaft?
Cloud-Computing-Einrichtungen hosten Internetdienste, auf die wir täglich angewiesen sind, wie z. B. Suchmaschinen, E-Mail und soziale Medien. Die Cloud ermöglicht auch grosse Fortschritte in Bereichen wie dem maschinellen Lernen, indem sie einen kostengünstigen und bequemen Zugang zu grossen Hard- und Softwaresystemen bietet, mit denen sich umfangreiche Datensätze speichern und verarbeiten lassen. Die Menge der Daten, die wir sammeln und in der Cloud speichern, wächst immer weiter – genauso wie unser Wunsch, aus diesen Daten Erkenntnisse zu gewinnen. Die Optimierung der Leistung und Energieeffizienz von Cloud-Computing-Systemen wird daher immer wichtiger.

Neben der Verbesserung der Cloud-Infrastruktur, um die heutigen Arbeitslasten effizienter zu bedienen, ist ein weiteres Hauptziel meiner Forschung die Weiterentwicklung von Cloud-Software- und Hardware-Systemen für neue Anwendungen. Beispielsweise besteht derzeit Interesse daran, maschinelle Lernmodelle auf Milliarden von Parametern zu skalieren, um die Genauigkeit bei einer Vielzahl von Sprach- und Bildverarbeitungsaufgaben zu verbessern. Es macht mir Spass, zentrale Softwaresysteme zu entwickeln, welche die einzigartigen Anforderungen neuer Anwendungen mit den Möglichkeiten modernster Hardware verbinden.

Wo haben Sie gearbeitet, bevor Sie an die ETH kamen?
Bevor ich im August 2020 an die ETH kam, verbrachte ich ein Jahr als Forschungswissenschaftlerin bei Google Brain in Mountain View, Kalifornien. Bei Google beschäftigte ich mich mit Forschungsfragen an der Schnittstelle zwischen Computersystemen und maschinellem Lernen. Davor habe ich an der Stanford University promoviert.

Welche Lehrveranstaltungen werden Sie an der ETH unterrichten?
Ich freue mich darauf, im Herbst an der Seite von Professor Timothy Roscoe den Bachelorkurs Systems Programming and Computer Architecture zu unterrichten. Ich werde auch das Master-Seminar Hardware Acceleration for Data Processing co-leiten. Im Frühling werden Professor Gustavo Alonso und ich einen neuen Kurs über Cloud Computing anbieten. Dieser Kurs wird Themen wie Cloud Application Frameworks, Hardware-Design für Rechenzentren und Ressourcenmanagement von grossen Clustern behandeln.

Nennen Sie einen interessanten Fakt über Ihre Forschung.
Die Server in Cloud-Computing-Anlagen arbeiten heute im Allgemeinen mit einer relativ geringen durchschnittlichen Auslastung und verbringen die meiste Zeit im Bereich von 10 bis 50 % CPU-Auslastung [2]. Die Auslastung wird relativ niedrig gehalten, um eine hohe Leistung zu gewährleisten und Lastspitzen zu bewältigen, da die Leistung bei hoher Last abnimmt, wenn sich die Request-Warteschlangen aufstauen. Aufgrund der nichtlinearen Energieeffizienzprofile moderner Server bedeutet dies jedoch, dass die Server die meiste Zeit in einem Lastbereich verbringen, in dem sie am wenigsten energieeffizient sind. Wenn man bedenkt, dass die kritische Leistung einer grossen Cloud-Anlage 100 Megawatt überschreiten kann, liessen sich mit einer verbesserten Auslastung der Cloud-Server beträchtliche Energiemengen einsparen, da wir mit der gleichen Serverkapazität mehr Anfragen bedienen könnten. Die Herausforderung besteht darin, die Ressourcennutzung zu verbessern und gleichzeitig eine hohe Leistung für Anwendungen aufrechtzuerhalten. Im Rahmen meiner Forschung im Bereich der Computersysteme untersuche ich diese Kompromisse und entwickle innovative Hardware- und Softwaresysteme, mit denen sich sowohl die Leistung als auch die Ressourceneffizienz verbessern lassen.

Welchen Rat würden Sie Studierenden geben, die gerade erst in die Informatik einsteigen?
Ich rate dazu, sich möglichst breit mit dem Thema zu beschäftigen und ein Wachstums-Mindset zu haben. Wenn Sie über den gesamten Stack – von Algorithmen über Systemsoftware bis hin zum Hardware-Design – Wissen aufbauen, werden Sie in der Lage sein, wirklich zu verstehen, wie Computer funktionieren. Dann sind Sie darauf vorbereitet, Möglichkeiten für Innovation und Optimierung zu erkennen, die sich oft über die verschiedenen Schichten des Stacks hinweg ergeben.

Wenn man die ersten Informatikkurse besucht, fühlt man sich schnell überfordert oder im Rückstand, insbesondere, wenn man sich mit anderen Studierenden vergleicht, die vielleicht jahrelang als Hobby programmiert haben. An dieser Stelle kommt das Thema Wachstums-Mindset vs. starres Mindset ins Spiel. Denken Sie daran, dass niemand mit dem Wissen, wie man komplexe Systeme programmiert oder debuggt, geboren wird; das sind Fähigkeiten, die mit der Zeit und mit Übung erlernt und entwickelt werden. Um es in den Worten von Professor John Ousterhout von der Stanford University zu sagen: «Ein bisschen Steigung macht eine Menge y-Achsenabschnitt wett.» Konzentrieren Sie sich also auf Ihre Steigung.