Mitarbeiter*in (m/w/d) mit Promotionsmöglichkeit in Trier

Mit Weitblick für Mensch und Gesellschaft: Die Universität Trier betreibt relevante Forschung und Lehre für Natur, Gesellschaft und eine nachhaltige Zukunft. Im Mittelpunkt stehen Innovation, Vielfalt und enge Kooperation in Forschung, Lehre und Wissenstransfer über fachliche und räumliche Grenzen hinweg. Mit über 10.000 Studierenden und rund 2.000 Beschäftigten gehört die Universität Trier zu den größten Arbeitgebern in der europäischen Grenzregion Trier. Kurze Wege auf einem grünen Campus, eine von Vielfalt und Toleranz geprägte familiäre Kultur und ein lebendiges akademisches Leben bieten Freiraum, persönliche Potenziale zu entfalten.

An der Professur Intelligente Informationssysteme – im Fachbereich IV der Universität Trier ist im Drittmittelprojekt 3P-CAUSAL zum nächstmöglichen Zeitpunkt folgende Stelle zu besetzen: Wissenschaftlicher Mitarbeiterin (m/w/d) mit Promotionsmöglichkeit Kausale und generative KI für synthetische Gesundheitsdaten EG 13 TV-L, 100%, Befristung zur Qualifikation (Promotion) nach WissZeitVG mit Projektende 30.09.2028.

Ihr Forschungsumfeld

Sie werden Teil des interdisziplinären Forschungsverbunds 3P‑CAUSAL und arbeiten im Teilprojekt P2 “Hybrid Causal Generative Models for Synthetic Longitudinal and EHR Data” unter der Leitung von Dr. rer. nat. Joscha Grüger. Im Mittelpunkt der Stelle steht die Entwicklung neuer KI‑Verfahren zur Erzeugung synthetischer Gesundheitsdaten. Hierzu werden generative KI‑Modelle mit Ansätzen der kausalen Modellierung verbunden. Ziel ist es, synthetische longitudinalen Gesundheits‑ und Prozessdaten zu erzeugen, die klinisch relevante sowie kausale Zusammenhänge möglichst zuverlässig erhalten.

Sie arbeiten eng mit den wissenschaftlichen Kolleg*innen und anderen Promovierenden an der Charité – Universitätsmedizin Berlin und dem Berlin Institute of Health (BIH) zusammen. Der regelmäßige Austausch bietet Ihnen die Möglichkeit, Forschungsfragen und methodische Ansätze gemeinsam zu diskutieren, Ihre wissenschaftliche Arbeit weiterzuentwickeln und sich standortübergreifend zu vernetzen.

Diese Aufgaben erwarten Sie

• Bearbeitung eines eigenständigen Promotionsthemas innerhalb des Forschungsprojekts 3P‑CAUSAL
• Entwicklung hybrider Verfahren, die generative KI mit kausalen Modellen verbinden
• Entwicklung von Modellen für longitudinale Gesundheitsdaten und Prozessdaten unter Berücksichtigung zeitlicher und kausaler Zusammenhänge
• Implementierung der entwickelten Verfahren in Python sowie deren systematische experimentelle Evaluation
• Enge standortübergreifende Zusammenarbeit mit den wissenschaftlichen Kolleg*innen und Promovierenden an Charité und BIH
• Erarbeitung wissenschaftlicher Publikationen und Präsentation der Forschungsergebnisse auf nationalen und internationalen Fachkonferenzen
• Mitwirkung an dokumentierter und wieder verwendbarer Forschungssoftware

Das erwarten wir von Ihnen

• Ein überdurchschnittlich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder gleichwertiger Abschluss) in Informatik, Wirtschaftsinformatik, Mathematik, Data Science, Medizininformatik oder einer verwandten Fachrichtung
• Das klare Ziel, im Rahmen der Stelle zu promovieren, sowie eine ausgeprägte Motivation für eigenständige wissenschaftliche Forschung
• Gute Programmierkenntnisse in Python
• Grundlegende Kenntnisse des maschinellen Lernens; generative Modellansätze wie Variational Autoencoder (VAEs), Generative Adversarial Networks (GANs), Diffusionsmodelle sowie Transformer‑Architekturen sind Ihnen in ihren Grundzügen bekannt
• Die Fähigkeit, sich systematisch mit wissenschaftlicher Literatur auseinanderzusetzen, Forschungsfragen präzise zu formulieren und Lösungsansätze methodisch fundiert zu entwickeln
• Eine sorgfältige, nachvollziehbare und reproduzierbare wissenschaftliche Arbeitsweise sowie die Fähigkeit, Methoden und Ergebnisse kritisch zu beurteilen
• Gute Kommunikations- und Präsentationsfähigkeiten sowie Freude daran, wissenschaftliche Ergebnisse verständlich aufzubereiten, vor unterschiedlichen Zielgruppen zu präsentieren und fachlich zu diskutieren
• Sehr gute Englischkenntnisse sowie gute Deutschkenntnisse in Wort und Schrift (min. C1)
• Eine selbstständige und strukturierte Arbeitsweise, Eigeninitiative, Teamfähigkeit und Freude an interdisziplinärer Zusammenarbeit

Wünschenswert sind erste Erfahrungen in einem oder mehreren der folgenden Bereiche

• Implementierung, Training und Evaluation von Machine‑Learning‑Modellen sowie der Umgang mit Bibliotheken wie PyTorch oder TensorFlow
• Kausale Inferenz oder statistische Modellierung
• Arbeit mit Gesundheitsdaten, Zeitreihen oder Prozessdaten
• Versionsverwaltung, insbesondere Git, sowie nachvollziehbare Dokumentation von Code und Experimenten

Unser Angebot

• Möglichkeit zu einer betreuten Promotion im Forschungsprojekt 3P‑CAUSAL
• Enge wissenschaftliche Einbindung in einen interdisziplinären und standortübergreifenden Forschungsverbund
• Unterstützung bei Konferenzteilnahmen sowie bei Ihrer fachlichen und wissenschaftlichen Weiterbildung
• Möglichkeit, sich bei Interesse in die Lehre einzubringen und Lehrerfahrung zu sammeln
• Hohe Flexibilität bei der Gestaltung Ihrer Arbeitszeiten sowie die Möglichkeit, nach Absprache und im Rahmen der universitären Regelungen anteilig im Homeoffice zu arbeiten; die Tätigkeit ist überwiegend am Standort Trier angesiedelt
• Betriebliche Altersversorgung
• Eine familiengerechte Hochschule und vielfältige Hochschulsportangebote
• Ein tolles Team und eine motivierte Arbeitsgruppe

Bewerbungen von Personen, die kurz vor dem Abschluss ihres Masterstudiums stehen, sind ausdrücklich willkommen. Der erfolgreiche Abschluss muss spätestens zum Zeitpunkt der Einstellung vorliegen. Die Einstellungsvoraussetzungen ergeben sich aus §57 Abs.2 und 3 HochSchG. Die Stelle ist teilzeitgeeignet. Die Universität Trier ist bestrebt, die Zahl ihrer Mitarbeiterinnen zu erhöhen und fordert Frauen nachdrücklich zu einer Bewerbung auf. Schwerbehinderte und ihnen nach §2 Abs.3 SGB IX gleichgestellte Menschen werden bei entsprechender Eignung bevorzugt berücksichtigt (bitte Nachweis beifügen).

Kontakt bei Rückfragen: Dr. rer. nat. Joscha Grüger, Mail: grueger@uni-trier.de