Manisha Luthra Agnihotri entwickelt KI-gestützte Stream-Processing-Systeme

Die übergeordnete Vision der neu berufenen Professorin: „Effizientere und intelligentere Datensysteme entwickeln.“

27. April 2026

Von der Online-Suche bis hin zu autonomen Systemen – moderne Anwendungen sind darauf angewiesen, riesige Datenströme in Echtzeit zu verarbeiten. Manisha Luthra Agnihotri arbeitet daran, diese Systeme nicht nur schneller und skalierbarer zu machen, sondern auch intelligent und anpassungsfähig – so, dass sie aus Daten lernen und eigenständig Entscheidungen treffen können.

Sie ist neu berufene Professorin in der Forschungsgruppe „Databases and Information Systems“ an der Fakultät für Informatik der Ruhr-Universität Bochum und ist mit Systems@TUDa sowie dem SAIDE Lab am DFKI verbunden. Zuvor forschte sie an der TU Darmstadt, wo sie für ihre Arbeit an Datensystemen der nächsten Generation als „Athene Young Investigator“ ausgezeichnet wurde. Ihre Doktorarbeit wurde mit dem Deutschen Nationalpreis ausgezeichnet und von der Fachgruppe für Kommunikation und Verteilte Systeme (KuVS) als beste Doktorarbeit im Bereich verteilter Systeme gewürdigt.

Vor diesem Hintergrund konzentriert sich ihre Forschung darauf, neu zu überdenken, wie moderne Datensysteme anpassungsfähiger und effizienter werden und zunehmend komplexe Echtzeit-Workloads bewältigen können.

Datensysteme zum Vorausdenken befähigen

Heutige Stream-Processing-Systeme bilden das Rückgrat großer Plattformen wie Google und Facebook und ermöglichen Echtzeitanalysen von Milliarden von Ereignissen. Diese Systeme sind jedoch nach wie vor stark von manueller Feinabstimmung und statischen Konfigurationen abhängig, was ihre Fähigkeit einschränkt, sich an veränderte Workloads anzupassen.

Um dieses Problem zu lösen, entwickelt Manisha Luthra Agnihotri Learned Cost Models, die das Laufzeitverhalten von Abfragen vorhersagen können – noch bevor diese ausgeführt werden. Diese Modelle ermöglichen es den Systemen, „vorauszudenken“ und sich automatisch zu optimieren.

Eine zentrale Innovation ihrer Forschung ist der Einsatz von Zero-Shot-Learning, wodurch sich Systeme ohne erneutes Training an neue Arbeitslasten und Hardware anpassen können. Dies reduziert den Bedarf an kostspieliger Datenerfassung und manuellen Eingriffen und ebnet den Weg für wirklich selbststeuernde Datensysteme.

Zugehörige Paper

Komplexe Daten in Echtzeit verstehen

Über die reine Effizienz hinaus geht Manisha Luthra Agnihotri auch an die Grenzen dessen, was Datensysteme verstehen können. Während herkömmliche Systeme in erster Linie strukturierte oder textuelle Daten verarbeiten, erfordern viele moderne Anwendungen die Kombination mehrerer Datentypen – wie Text, Bilder, Audio und Sensorströme.

Ihre Forschung befasst sich mit der multimodalen Stream-Verarbeitung, bei der Systeme verschiedene Datenmodalitäten gleichzeitig analysieren und miteinander in Beziehung setzen können. Durch die Integration von Fortschritten im maschinellen Lernen, einschließlich großer Sprachmodelle, können diese Systeme komplexe Echtzeit-Datenströme interpretieren – beispielsweise in der Gesundheitsüberwachung, der Robotik oder in industriellen Anwendungen.

Um dies zu ermöglichen, schlägt sie neue Optimierungstechniken vor, darunter Super-Optimierer, die hocheffiziente Ausführungspläne generieren, die auf einzelne Abfragen und Datenströme zugeschnitten sind – und so die strengen Anforderungen an Latenz und Durchsatz von Streaming-Umgebungen erfüllen.

Zugehöriges Paper

Die Zukunft des Data Engineering gestalten

Manisha Luthra Agnihotris Arbeit wird von der Vision getragen, adaptive, autonome und multimodale Dateninfrastrukturen aufzubauen. Ihre Forschung soll neue Möglichkeiten für Anwendungen, die auf Echtzeit-Entscheidungen angewiesen sind, eröffnen – von intelligenten Assistenten über cyber-physische Systeme bis hin zu groß angelegten Online-Plattformen.

Durch die Kombination von maschinellem Lernen und dem Entwurf von Datensystemen erweitert Prof. Luthra Agnihotri die Grenzen dessen, wie Daten in Echtzeit verarbeitet und verstanden werden.

News & Aktivitäten

Zu ihren jüngsten Forschungsbeiträgen gehören:

  • Präsentation ihres Vision-Papers „Towards Multimodal Stream Processing Systems“ auf der EDBT 2026 in Tampere, Finnland.
  • Ein gemeinsam verfasstes Studentenpapier mit dem Titel „IMPACT: Integrated Multimodal Pipeline for Rapid Accident Causality Tracking“, vorgestellt auf der AAAI-Konferenz für Künstliche Intelligenz (20.–27. Januar 2026, Singapur). Der studentische Mitarbeiter vom IIIT Delhi wird ihre Gruppe an der Ruhr-Universität Bochum diesen Sommer besuchen.
  • Das neue Paper „EcoLLM: Energy-Aware Benchmarking of LLMs for Data Processing Workloads“ wurde für den aiDM Workshop auf der SIGMOD 2026 angenommen. 

Neben ihrer Forschung leistet Prof. Luthra Agnihotri durch ihre leitenden Funktionen bei bedeutenden Konferenzen einen aktiven Beitrag zur internationalen Datenmanagement-Community:

  • Sie ist General Chair des aiDM-Workshops, der im Rahmen der ACM SIGMOD-Konferenz in Bangalore stattfindet, wo sie Diskussionen an der Schnittstelle zwischen KI und Datenmanagementsystemen leitet.
  • Sie ist Vorsitzende des Demo- und Poster-Tracks bei der ACM International Conference on Distributed and Event-Based Systems, die in Lissabon, Portugal, stattfinden wird.
  • Außerdem ist sie Mitglied des Programmkomitees führender Veranstaltungen, darunter die VLDB-Konferenz 2027, die ACM SIGMOD-Konferenz 2026, der aiDM-Workshop und der Demo-Track der EDBT-Konferenz 2026.

 

Sie freut sich über Bewerbungen von motivierten Studierenden, die an einer Promotion in den Bereichen Datensysteme, maschinelles Lernen und Echtzeit-Datenverarbeitung interessiert sind. Bitte kontaktiere sie unter manisha.luthra@rub.de, wenn du an einer Promotion, einem Postdoc oder einer studentischen Mitarbeit bei ihr interessiert bist.