«Wenn man das bewältigt, kann einen nichts aufhalten»

Frau Professorin He, Sie arbeiten auf dem Gebiet der Optimierung und des maschinellen Lernens. Was fasziniert Sie an diesem Bereich am meisten?
Niao He: Ich interessiere mich vor allem für das spannende Zusammenspiel von Optimierung und maschinellem Lernen. Wir wissen, dass sich viele neue Anwendungen des maschinellen Lernens um datengesteuerte Optimierung drehen. Wenn wir die Optimierungstheorie auf das maschinelle Lernen anwenden, können wir prinzipielle Algorithmen entwickeln, die schneller konvergieren, weniger Trainingsdaten benötigen und besser skalierbar sind. Nehmen wir das Beispiel LLM: Mit fortschrittlichen Optimierungstechniken könnten wir das Modell mit viel weniger Textdaten und weniger GPU-Stunden trainieren.

Sie haben Ihren Bachelor in Mathematik gemacht und sind dann zur Informatik gewechselt. Wie ist es dazu gekommen?
Das war in der Tat eine einzigartige und atypische Erfahrung. Ich habe meinen Bachelor-Abschluss in Mathematik gemacht. Für meine Promotion wollte ich mich mehr auf angewandte Mathematik konzentrieren, also habe ich ein Doktorat in Operations Research gemacht und mich mit mathematischer Optimierung beschäftigt. Während meiner Promotion konnte ich Kontakte zu Forschenden aus der Informatik knüpfen und erkannte, dass es viele Gemeinsamkeiten zwischen Optimierung und maschinellem Lernen gibt. Ich begann an dieser Schnittstelle zu arbeiten und mit Leuten aus Informatikdepartementen zusammenzuarbeiten. So bin ich schliesslich im Bereich der Informatik gelandet.

Können Sie Ihr Interesse an Mathematik und Informatik bis in Ihre Kindheit zurückverfolgen? Gab es jemanden, der diese Leidenschaft bei Ihnen geweckt hat?
Mein Interesse an der Mathematik begann schon sehr früh, als ich noch ein Kind war. Mathematik war schon immer das Fach, das mich am meisten begeistert hat. Es machte mir Spass, mathematische Probleme zu lösen, und ich hatte immer ein Erfolgserlebnis, wenn ich eine komplexe Gleichung oder ein geometrisches Rätsel gelöst hatte. Ich glaube, das wurde vor allem von meiner Mutter beeinflusst, der die Mathematik immer sehr am Herzen lag. Als ich anfing, mich für Studiengänge zu bewerben, entschied ich mich sofort für Mathematik, weil sie auch mir ans Herz gewachsen war.

Gab es etwas oder jemanden, der Sie dazu inspiriert hat, eine akademische Laufbahn einzuschlagen? Haben Sie jemals erwogen, in die Industrie zu gehen?
Anfänglich war ich für beides offen. Aber nach und nach fand ich mehr Interesse an der Forschung. Ich mag es, kreativ zu sein und an Projekten zu arbeiten, bei denen ich die Freiheit habe, zu forschen und mir Zeit zum Nachdenken nehmen kann. Auch die Lehre gefällt mir. Als ich am Georgia Tech promovierte, wurde ich gebeten, einen Kurs für Studierende zu leiten. Es war der erste Kurs, den ich ganz allein unterrichtete. Am Anfang hatte ich grosse Angst, weil ich das Gefühl hatte, selbst noch Studentin zu sein. Aber am Ende des Semesters hat das positive Feedback meiner Studierenden mein Vertrauen in den Lehrerberuf wirklich gestärkt. Daher denke ich, dass es sich auf jeden Fall lohnt, vor dem Einstieg in die akademische Welt einige Erfahrungen zu sammeln, z. B. einen kleinen Kurs zu unterrichten oder ein jüngeres Gruppenmitglied zu betreuen, während man noch an der Uni ist. So lernt man, wie es sich anfühlt, Professorin zu sein, und kann sein Vertrauen in die Wissenschaft festigen.

Hat Ihr Betreuer Sie auf Ihrem akademischen Weg unterstützt?
Ja, auf jeden Fall. Die Unterstützung meines Beraters Prof. Arkadi Nemirovski war für mich von unschätzbarem Wert. Er war derjenige, der mich ermutigte, verschiedene Bereiche zu erkunden, um meine wahren Interessen zu finden. Er brachte mich mit einigen der besten Forscher:innen in meinem Fachgebiet zusammen, was meinen Horizont in Bezug auf die Bedeutung guter Forschung wirklich erweitert hat. Er war immer da, um mich aufzumuntern, wenn ich an mir selbst gezweifelt habe. Zu wissen, dass jemand, der so erfahren und weise ist wie er, an mich geglaubt hat, war sehr wertvoll.

Sie haben am Georgia Institute of Technology promoviert und anschliessend als Assistenzprofessorin an der University of Illinois at Urbana-Champaign gearbeitet. Warum haben Sie sich entschieden, 2020 an die ETH Zürich zu kommen?
Wenn man Assistenzprofessorin oder Assistenzprofessor wird, merkt man, dass es nicht nur darum geht, in der Forschung erfolgreich zu sein, sondern auch darum, eine exzellente Plattform zur Unterstützung der eigenen Karriere zu haben. An der ETH Zürich haben wir das Privileg, mit einer grosszügigen Grundfinanzierung risikoreiche Projekte zu verfolgen, was die meisten Spitzenuniversitäten nicht bieten können. Ein weiterer Grund ist, dass die ETH Zürich sehr gute Studierende hat; sie sind kreativ, motiviert, fleissig und selbständig. Ich arbeite sehr gerne an der ETH.

Die Arbeit in einem solchen Umfeld muss lohnenswert sein.
Ja! Die Arbeit mit den Studierenden ist das Schönste an der Tätigkeit als Professorin. Es ist sehr befriedigend zu sehen, wie sich die Studierenden entwickeln und wie sie zu führenden Köpfen in ihrem Fachgebiet werden. Neben der Lehre sind die Betreuung und die Beziehung zu den Studierenden für mich am wichtigsten.

Wie hat sich der Umzug für Sie gestaltet?
Das war ein ziemliches Abenteuer, denn ich war zuvor noch nie in Zürich gewesen. Es war eine besondere Zeit während der Pandemie, und ich habe mein Vorstellungsgespräch online über Zoom geführt. Wegen des Lockdowns hatte ich nicht einmal die Möglichkeit, den Campus zu besuchen. Ich kam im Dezember 2020 in die Schweiz, als alle Restaurants und Geschäfte wegen des Lockdowns geschlossen waren. Ich hatte keine Ahnung, was mich erwarten würde, und ich hatte auch noch nicht persönlich mit meinen Fakultätskolleginnen und kollegen gesprochen.

Wann haben Sie Ihre Kolleginnen und Kollegen zum ersten Mal getroffen?
Ich habe meine Kolleginnen und Kollegen ein halbes Jahr nach meinem Start persönlich kennengelernt. Es war ziemlich seltsam: Man kennt sie bereits von Online-Meetings, aber man hat sich noch nie in der realen Welt gesehen. In den ersten Monaten lernte ich auch viel von der Kultur hier kennen. Ich hatte zehn Jahre lang in den USA gelebt und war daran gewöhnt, wie die Menschen dort miteinander umgehen. Nachdem ich ein halbes Jahr in der Schweiz gelebt hatte, war ich jedoch mit der Gegend und der Kultur vertraut, und ich hatte bereits hilfsbereite Kolleg:innen um mich herum. Es hat schlussendlich alles wunderbar geklappt. Rückblickend bin ich froh, dass ich diese Entscheidung getroffen habe.

Wie haben Sie den kulturellen Unterschied erlebt?
Die Systeme sind in Bezug auf Lehre und Forschung ähnlich. Der Hauptunterschied liegt vielleicht auf der Verwaltungsseite. In den USA gibt es eher ein Top-down-System. An der ETH gibt es eher einen Bottom-up-Ansatz. Man sollte selbst die Hauptantriebskraft sein, wenn es darum geht, welche Forschung man betreiben will, welche Kurse man unterrichten möchte und wie man seine Gruppe leiten will. Es gibt mehr Freiheiten, aber das kann auch überwältigend sein, und man muss sich seine Zeit sorgfältig einteilen.

Gab es einen Plan B, falls dieser Weg nicht funktioniert hätte?
Es gab viele Momente, in denen ich frustriert war und das Gefühl hatte, dass die Dinge nicht so laufen wie erwartet. Man fängt an, darüber nachzudenken, ob man für den Job überhaupt geeignet ist, und sich selbst infrage zu stellen. Aber ich habe nie darüber nachgedacht, den Job aufzugeben oder nicht mehr Professorin zu sein. Es ist meine Leidenschaft, da nehme ich auch einige Rückschläge in Kauf. In einem Moment des Zweifels spreche ich normalerweise mit meinen Mitarbeitenden und Freundinnen und Freunden und merke dann sofort, dass es einfach nur normal ist. Als ich anfing, Mathematik zu lernen, hatte ich das Gefühl, wenn ich das Fach beherrsche, kann ich alles schaffen. So ist es auch mit einer Assistenzprofessur: Wenn ich als Assistenzprofessorin erfolgreich bin, kann ich auch jeden anderen Job machen. Eine Professur ist eine der anspruchsvollsten Aufgaben der Welt und erfordert viel Multitasking-Fähigkeit. Wenn man das bewältigen kann, kann einen nichts aufhalten.

Was bedeutet es für Sie, eine gute Lehrerin zu sein?
Das ist für mich sehr wichtig. Es geht nicht unbedingt darum, den Schülerinnen Wissen zu vermitteln oder ihnen die neuesten Fortschritte zu zeigen, sondern vielmehr darum, die Student:innen zu motivieren und zu inspirieren. Vielleicht gibt es ein neues Forschungsthema, das sie aufgreifen, einen Berufsweg, für den sie sich interessieren, oder einfach nur eine Idee, die ihnen in den Sinn kommt. Ich lerne so viel von meinen Studierenden. Oft habe ich das Gefühl, dass ich mehr von ihnen lerne als sie von mir. Die Studierenden hier sind sehr engagiert und stellen kluge Fragen. Das führt zu vielen neuen Erkenntnissen. Wenn ich unterrichtet habe, auch wenn es wieder derselbe Kurs war, fühle ich mich danach jedes Mal erfrischt.

Seit 2023 sind Sie Co-Direktorin des Max Planck ETH Center for Learning Systems. Was bringt diese Rolle mit sich und wie sieht die Zusammenarbeit aus?
Das Center for Learning Systems (CLS) ist ein Doktorandenprogramm, das vom Max-Planck-Institut und der ETH Zürich betrieben wird. An dem Zentrum sind mehrere ETH- und Max-Planck-Professor:innen beteiligt, die die Studierenden gemeinsam betreuen. Als Co-Direktorin versuche ich, die Koordination zwischen allen Beteiligten, einschliesslich der Dozierenden und Studierenden, zu gewährleisten und sicherzustellen, dass die interinstitutionelle Zusammenarbeit gut funktioniert. Ein wichtiger Aspekt der Rolle ist die Förderung von Forschungssynergien zwischen dem MPI und der ETH, um die Zusammenarbeit zu fördern und den Forschenden zu ermöglichen, wirkungsvolle Forschung im Bereich ML/AI durchzuführen.

Sie gehören auch zum Kernlehrkörper des ETH AI Center und der ETH Foundations of Data Science. Wie wichtig ist es für eine Assistenzprofessorin, zusätzliche Rollen zu übernehmen und sich für solche interdisziplinären Kooperationen einzusetzen?
Meine Arbeit ist interdisziplinär, daher ist es ganz natürlich, dass ich mich an der ETH in anderen Communities engagiere. Einrichtungen wie das ETH AI Center bieten eine ideale Spielwiese, um Leute ausserhalb der eigenen Disziplin kennenzulernen und gemeinsame Interessen zu finden. Es ist wichtig, mit relevanten Forschungsgemeinschaften in Verbindung zu bleiben, und es ist ganz natürlich, sich einzubringen. Das Institut, das Departement und die gesamte Forschungsgemeinschaft in der Schweiz und in Europa fördern auch die Zusammenarbeit. Deshalb gibt es all diese gemeinsamen Programme wie das ETH AI Center, das CLS-Programm oder das ELLIS-Netzwerk, ein Netzwerk für maschinelles Lernen in Europa.

Als junge Professorin gibt es auch Momente des Zweifels. Mit wem besprechen Sie Ihre Probleme hier?
Wir tauschen uns regelmässig unter den Assistenzprofessor:innen aus, was ich sehr schätze. Wir sind mehr Freund:innen, als Kolleg:innen und bilden ein Netzwerk, das sich gegenseitig unterstützt und hilft. Auch die erfahreren Professor:innen und meine Mentoren geben mir wertvolle Ratschläge, wenn ich mich mit Fragen an sie wende.

Haben Sie spezielle Ratschläge für Doktorierende oder Postdocs, die darüber nachdenken, den akademischen Weg einzuschlagen?
Für diejenigen, die noch unentschlossen sind, ob sie den akademischen Weg einschlagen oder in die Industrie gehen sollen, ist es immer gut, zunächst Erfahrungen zu sammeln. Man kann ein Praktikum in einem Technologieunternehmen absolvieren, Forschungserfahrung in einem Labor sammeln, oder wenn man akademische Aufgaben in Erwägung zieht, einige Kurse unterrichten oder die Betreuung von Studierenden übernehmen. Auf diese Weise sammeln die Studierenden wertvolle Erfahrungen, die ihnen bei der Entscheidung helfen, was für sie besser geeignet ist. Ich würde jeder und jedem raten, sich frühzeitig Gedanken darüber zu machen und nicht zu warten, bis man bereits auf dem Arbeitsmarkt ist.

Sie waren in China, in den USA, und jetzt sind Sie hier in der Schweiz. Man wird jedes Mal ein bisschen entwurzelt und lässt Freundschaften hinter sich. Wie war das für Sie?
Viele meiner Freund:innen sind auch Forschende oder Fakultätsmitglieder. Durch die häufigen Konferenzen und den akademischen Austausch heutzutage ist es nicht schwer, alte Freunde zu treffen, sei es physisch oder virtuell. Das ist ein Vorteil, den uns die Pandemie hinterlassen hat. Sowohl hier als auch in den USA gibt es zudem eine einladende Gemeinschaft. Auch wenn ich im Moment kein Deutsch spreche, habe ich das Gefühl, dass ich trotzdem viele Freund:innen und Freunde finden kann. Die Leute sind normalerweise sehr hilfsbereit, besonders für jemanden, der aus einer anderen Kultur kommt.

Wie finden Sie ein Gleichgewicht zwischen Karriere und Privatleben?
Wenn die Arbeit etwas ist, das man mit Leidenschaft macht, dann findet man immer ein Gleichgewicht. Die Arbeit ist ein Teil meines Lebens, also habe ich nicht das Gefühl, dass sie Arbeit ist. Ich würde die Studierenden trotzdem ermutigen, sich eine Auszeit zu nehmen und die schöne Natur hier in der Schweiz zu nutzen. Ich wandere sehr gerne. Und es gibt noch viel mehr, was ich entdecken und lernen möchte.

Was sind Ihre aktuellen und zukünftigen Forschungsziele?
Eines unserer ehrgeizigen Forschungsziele ist es, sowohl die theoretischen als auch die algorithmischen Grundlagen für eine effiziente und vertrauenswürdige Entscheidungsfindung in Multiagentensystemen, an denen mehrere Akteure beteiligt sind, zu verbessern. Diese Systeme führen oft zu hochkomplexen Entscheidungsprozessen. Nehmen wir zum Beispiel autonome Systeme. Stellen wir uns die Zukunft vor: Alle sind mit ihren selbstfahrenden Autos auf der Strasse unterwegs. Damit die Autos entscheiden können, welchen Weg sie einschlagen sollen, müssen die anderen Autos im System, die Strassenbedingungen und viele andere Faktoren berücksichtigt werden. Es ist faszinierend zu erforschen, wie Erkenntnisse aus Optimierung und Reinforcement Learning uns helfen können, fundiertere Entscheidungen zu treffen. Im Moment konzentriere ich mich mehr auf das theoretische Verständnis dieser Allzweckprobleme. Ich bin gespannt darauf, wie diese Fortschritte in Zukunft in realen Szenarien angewendet werden.