Daniel May ist Doktorand an der TU Wien und forscht an nachhaltiger, energieeffizienter KI. Im Young Researcher Spotlight spricht er darüber, wie ihn sein Studium Richtung Forschung geführt hat, warum Ausprobieren für ihn entscheidend war und was er Studierenden mitgeben möchte.

Warum hast du dich für deine Studienrichtung an der TU Wien entschieden?

Ich habe nach der HTL für Informationstechnologie am TGM mit dem Bachelorstudium Software & Information Engineering begonnen. Dort wurde mein Interesse an Informatik noch stärker und für mich war klar, dass ich das weiter vertiefen will. Die Entscheidung für die TU Wien war naheliegend: Sie ist in Österreich in Informatik sehr gut gerankt und bietet aus meiner Sicht die größte technische Tiefe. Im Master bin ich dann auf Wirtschaftsinformatik umgestiegen, um mein Wissen breiter aufzustellen und auch andere Perspektiven mitzunehmen.

Gab es im Studium etwas, das dich besonders geprägt oder Richtung Forschung beeinflusst hat?

Am stärksten geprägt haben mich meine Bachelor- und Masterarbeiten. Besonders begeistert haben mich die Statistik-Lehrveranstaltungen von Prof. Peter Filzmoser. Dort hat meine Faszination für Machine Learning und KI begonnen. Ich habe bei ihm auch meine Bachelorarbeit zur Anwendung von Machine Learning in Pflegeheimen geschrieben. Dass diese Arbeit später sogar in einem Journal veröffentlicht wurde, hat mich zusätzlich motiviert, Richtung Forschung weiterzugehen.

Wie kam es dazu, dass du dich für ein Doktorat entschieden hast?

Der Schritt Richtung Doktorat kam über meine Masterarbeit bei Prof. Ivona Brandić. Das Thema nachhaltige KI hat mich sofort angesprochen. Während der Masterarbeit konnte ich als studentischer Mitarbeiter in ihrer Forschungsgruppe erstmals wirklich Forschung erleben. Früher hätte ich nicht gedacht, dass Forschung einmal mein Weg wird. Aber nachdem ich es einfach ausprobiert habe und gemerkt habe, wie viel Freude mir diese Arbeit macht, war für mich klar, dass ich im Doktorat weitermachen möchte, und zwar in derselben Forschungsgruppe.

Was hat dir auf deinem bisherigen Weg am meisten geholfen?

Eine Mischung aus Dranbleiben, Offenheit zu lernen und einer problemlösungsorientierten Haltung. Ich habe früh versucht, Chancen einfach mitzunehmen, auch wenn klar war, dass man nicht immer Erfolg hat. An der Uni hat sich diese Haltung verstärkt. Ich scheue mich weniger vor komplexen Aufgaben, weil man vieles lösen kann, wenn man Probleme in kleinere Teile zerlegt und es einfach ausprobiert. Wichtig ist für mich auch die Einstellung, dass man von anderen immer etwas lernen kann, egal wie weit man selbst schon ist.

Wo siehst du dich langfristig und was möchtest du bewirken?

Langfristig sehe ich mich klar in der Forschung. Diese Arbeit gibt mir viel Sinn und fühlt sich so an, als könnte ich damit etwas zurückgeben.

Inhaltlich möchte ich weiter an energieeffizienter und ressourcenschonender KI arbeiten, damit solche Systeme verantwortungsvoll und breit einsetzbar werden. Außerdem habe ich in den letzten Jahren eine große Faszination für den Weltraum entwickelt. Es wäre richtig spannend, das eines Tages mit meiner Forschung zu verbinden, etwa bei Anwendungen, bei denen effiziente KI besonders wichtig ist.

3 kurze Ratschläge an Studierende

• Probier viel aus. Nutze das Studium, um verschiedene Themen und Projekte kennenzulernen. So findest du heraus, was dir wirklich Spaß macht.
• Vertrau deinem Bauchgefühl. Bei Entscheidungen im Studium und danach weißt du oft intuitiv, was für dich passt. Vergiss dich nicht.
• Wohlbefinden und Selbstfürsorge sind genauso wichtig wie Leistung. Erlaub dir auch, Freude an dem zu haben, was du tust.

Mein Forschungstext

In meiner Diplomarbeit geht es um nachhaltige KI – genauer: wie man KI-Modelle zwischen einem Endgerät, zum Beispiel Smartphone, und der Cloud aufteilen kann. Ein Teil der Berechnung läuft lokal, der Rest im Rechenzentrum. Zusätzlich wählt das System auf beiden Seiten automatisch passende Hardware-Einstellungen, zum Beispiel CPU-Takt, GPU-Nutzung oder KI-Beschleuniger. Weil es dabei sehr viele Kombinationsmöglichkeiten gibt, nutze ich einen genetischen Algorithmus, der nach Lösungen sucht, die gewünschte Antwortzeiten einhalten und dabei möglichst wenig Energie verbrauchen.

Das Thema ist wichtig, weil KI immer breiter genutzt wird – und damit auch der Energiebedarf der Infrastruktur dahinter wächst. Die Internationale Energieagentur erwartet, dass sich der Stromverbrauch von Rechenzentren weltweit bis 2030 mehr als verdoppelt; KI ist dabei ein zentraler Treiber. Deshalb brauchen wir Methoden, die Leistung zuverlässig liefern, aber Ressourcen schonen.

Eingesetzt werden kann so ein Ansatz überall dort, wo KI bereits hybrid arbeitet: Einfacheres passiert direkt am Gerät, komplexere Anfragen werden in die Cloud ausgelagert. Apple beschreibt diesen Ansatz zum Beispiel mit „Private Cloud Compute" im Rahmen von Apple Intelligence. Meine Forschung liefert dafür ein allgemeines „Steuerungsprinzip", um Split-Punkt und Hardware-Einstellungen automatisch so zu wählen, dass Energie gespart wird – ohne die Reaktionszeit aus dem Blick zu verlieren.

Für unsere Zukunft bedeutet das: Immer mehr Endgeräte bekommen eigene KI-Beschleuniger, gleichzeitig wachsen Rechenzentren weiter. Wenn wir beide Seiten intelligent kombinieren, können KI-Funktionen im Alltag skalieren – ohne dass dafür unnötig zusätzliche Energie gebraucht wird.

Mit dem TÜV AUSTRIA Wissenschaftspreis wurde ich ausgezeichnet, weil dort Nachhaltigkeit und verantwortungsvoller Ressourceneinsatz im Vordergrund stehen – und 2025 gab es einen besonderen Fokus auf künstliche Intelligenz. Meine Arbeit passt genau dazu, weil sie zeigt, wie man moderne KI-Funktionen verteilt und automatisch konfiguriert, um Zeitvorgaben einzuhalten und gleichzeitig Energie zu sparen.