核心领域：并行与分布式计算、高性能计算（HPC）、编程模型与代码生成、深度学习性能优化。

主要技术方向：

并行编程模型与算法骨架（Skeletons）：以算法骨架（如列表同态）为抽象手段，支持高层并行程序开发、形式化推导与性能可预测性；

高性能代码生成与优化：针对多核、GPU、SIMD 等异构架构，通过函数式表示与重写策略（如 Lift、PACXX 框架）实现性能可移植的代码生成，支持深度学习与 Stencil 计算；

异构与多核编程：开发 PACXX（C++ 异构编程模型）、SkelCl（OpenCL 骨架库）及基于 Lift 的自动调优编译框架，用于 GPU 等加速器的高效编程；

实时与云应用性能建模：面向实时在线交互应用（如 MMOG、远程教育）的云/网格资源管理与 QoS 保障，包含可扩展性建模与延迟/带宽优化；

软件定义网络（SDN）与 QoS：在 SDN 环境下提供实时应用的 QoS 保证与跨域通信性能优化。

核心贡献：提出“send-receive 被视为有害”的消息传递语义批判（TOPLAS），影响 MPI 风格通信设计；主导多个 DFG、BMBF、EU 项目（如 EXC 1003 细胞运动分析、SFB 656 生物系统并行可视化），总资助额度数百万欧元。已指导 20 名博士生，研究将编程模型抽象、编译优化与领域应用（生物医学、深度学习、实时网络）相结合。