Wissenschaftlichen Mitarbeiter / Doktorand (m/w/d) Analytik für das Lernen mit Maschinen (ALMA)

Stellenbeschreibung

Die Professur für Learning Analytics (LEAPS) an der TUM School of Social Sciences and Technology der Technischen Universität München sucht zum nächstmöglichen Zeitpunkt im Rahmen des DFG/ANR-Projekts „Analytik für das Lernen mit Maschinen“ (ALMA) eine/einen Wissenschaftlichen Mitarbeiter / Doktorand (m/w/d) Analytik für das Lernen mit Maschinen (ALMA). Die Stelle ist TV‑L E13, 75 %, auf drei Jahre befristet und wird durch die Deutsche Forschungsgemeinschaft (DFG) gefördert. Das Projekt ist eine deutsch‑französische Kooperation mit dem Institut de Recherche en Informatique de Toulouse (IRIT), Université de Toulouse. Bewerbungen werden fortlaufend geprüft (first come, first served). Bewerbungsschluss: 25. März 2026.

Ihre Aufgaben

Studierende lernen zunehmend mit großen Sprachmodellen, doch es fehlen die Werkzeuge, um festzustellen, wann diese Zusammenarbeit produktiv ist und wann sie dem Lernen im Weg steht. Diese Promotion entwickelt computationelle Ansätze zur Charakterisierung der Qualität der Kollaboration zwischen Studierenden und LLMs und betritt damit Neuland für die Lernanalytik.

Die Doktorandin / der Doktorand arbeitet im DFG/ANR-Projekt „Analytik für das Lernen mit Maschinen“ (ALMA) an der Entwicklung analytischer Methoden und computationeller Modelle zur Unterstützung der Kollaborationsqualität zwischen Studierenden und großen Sprachmodellen (LLMs) in Bildungskontexten. Die Forschung verbindet Ansätze aus der Lernanalytik, der computationellen Modellierung und komplexen dynamischen Systemen, um Indikatoren für Mensch‑KI‑Interaktionsprozesse in Lernumgebungen zu entwickeln und zu validieren. Die Stelle beinhaltet die enge Zusammenarbeit mit dem französischen Projektpartner am IRIT in Toulouse.

Ihr Profil

• Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder vergleichbar) in einem MINT-Fach (z. B. Mathematik, Physik, Biologie, Informatik), Data Science, Computational Cognitive Science, Computational Neuroscience oder einem verwandten Fach mit starkem quantitativem Profil
• Erfahrung mit computationellen Methoden, statistischer Modellierung oder maschinellem Lernen
• Programmierkenntnisse (z. B. Python, R)
• Interesse an interdisziplinärer Forschung an der Schnittstelle von Datenanalyse und Lernwissenschaften
• Interesse an Bildung und Lernen als Anwendungsdomäne
• Fähigkeit zum selbstständigen wissenschaftlichen Arbeiten
• Nachgewiesene wissenschaftliche Schreibkompetenz (z. B. Masterarbeit, Publikationen oder Konferenzbeiträge)
• Sehr gute Englischkenntnisse in Wort und Schrift; Deutsch- und/oder Französischkenntnisse sind von Vorteil
• Bereitschaft zu Forschungsaufenthalten am IRIT, Toulouse

Wir bieten

• Exzellente wissenschaftliche Betreuung und Mentoring
• Starkes internationales und lokales Netzwerk
• Möglichkeit zur Promotion an der TUM Graduate School
• Deutsch‑französische Forschungskooperation mit dem IRIT, Université de Toulouse
• Aktive Einbindung in akademische Gemeinschaften (z. B. SoLAR, EATEL)
• Flexible Arbeitsbedingungen
• Zugang zur exzellenten Forschungsinfrastruktur der TUM und des Munich Data Science Institute
• Vergütung nach TV‑L E13 (75 %)

Weitere Informationen und Kontakt

Bitte senden Sie Ihre vollständigen Bewerbungsunterlagen (Motivationsschreiben, Lebenslauf, Zeugnisse, Masterarbeit oder relevante Publikationen, Kontaktdaten von Referenzen) in einer einzigen PDF-Datei an . Weitere Informationen finden Sie unter:

Datenschutz

Hinweis zum Datenschutz: Im Rahmen Ihrer Bewerbung an die Technische Universität München (TUM) übermitteln Sie personenbezogene Daten. Beachten Sie bitte hierzu unsere Datenschutzhinweise gemäß Art. 13 Datenschutz‑Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung (

EEO Statement

Die Technische Universität München strebt eine Erhöhung des Frauenanteils an. Bewerbungen von Frauen werden daher ausdrücklich begrüßt. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im Wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt. The position is suitable for disabled persons. Disabled applicants will be given preference in case of generally equivalent suitability, aptitude and professional performance.