Wissenschaftliche/r Mitarbeiter/in für NLP und Media Bias Detection (w/m/d)

An der Georg-August-Universität Göttingen Stiftung Öffentlichen Rechts – Institut für Informatik ist zum nächstmöglichen Zeitpunkt eine Stelle als Wissenschaftliche/r Mitarbeiter/in für NLP und Media Bias Detection (w/m/d) - Entgeltgruppe 13 TV-L - in Teilzeit mit 50% der regelmäßigen wöchentlichen Arbeitszeit zu besetzen. Die Stelle ist befristet bis 30.04.2029.

Der Lehrstuhl für Wissenschaftliche Informationsanalyse unter der Leitung von Prof. Dr. Bela Gipp (GippLab) betreibt Forschung an der Schnittstelle zwischen Informatik, Datenwissenschaft und Informationswissenschaft. Ein besonderer Forschungsschwerpunkt des Lehrstuhls ist die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) auf der Grundlage großer Sprachmodelle (Large Language Models, LLM).

Im Rahmen des DFG-geförderten Forschungsprojekts BARI – Bias Analysis Research Infrastructure suchen wir eine/n wissenschaftliche/n Mitarbeiter/in (w/m/d).

Kurzbeschreibung des Projekts: Das BARI-Projekt zielt darauf ab, eine skalierbare Plattform für die transparente Analyse von Media Bias in Textinhalten zu schaffen, die auch ohne technische Erfahrung genutzt werden kann. Media Bias kann die öffentliche Wahrnehmung beeinflussen, indem bestimmte Standpunkte hervorgehoben oder wichtige Informationen weggelassen werden. Solcher Bias kann viele Formen annehmen, und ist z. B. unter den Begriffen linguistischer Bias, Hassrede, einseitige Informationsauswahl, lexikalischer Bias und allgemeiner Berichterstattungsbias teildefiniert, die oft mit Desinformation in Verbindung stehen.

Während viele akademische Disziplinen unterschiedliche Ansätze zur Bias-Analyse verfolgen, ist die Identifizierung und Kategorisierung von Bias komplex und erfordert typischerweise manuelle Annotationen oder maschinelle Lernmodelle, die dann wiederum auf unklaren Definitionen von Bias basieren. Große Sprachmodelle (LLMs) erhöhen die Komplexität aufgrund ambivalenter Bias-Definitionen und begrenzter qualitativ hochwertiger annotierter Daten zusätzlich. BARI strebt an, diese Herausforderungen zu überwinden, indem es eine standardisierte, transparente und gemeinschaftlich erstellte Media-Bias-Taxonomie entwickelt und das Zusammenspiel zwischen menschlichem Input und KI nutzt, um die Genauigkeit und Anpassungsfähigkeit der Bias-Erkennung zu verbessern.

Mit LLMs als Annotation-Agenten wird BARI die erstellte Taxonomie und ihre Definitionen verwenden, um spezialisierte Klassifikatoren für verschiedene Arten von Bias bereitzustellen. Zunächst wird BARI eine frei zugängliche API zur Bias-Klassifikation in Nachrichteninhalten anbieten und später auf andere Medientypen wie soziale Medien, Webseiten und Ausgaben von LLMs wie GPT ausgeweitet. Die Plattform wird interdisziplinäre Forschung aus verschiedenen Bereichen wie z. B. Journalismus, Sozialwissenschaften, Informatik und Informationswissenschaft unterstützen und es Forschenden ermöglichen, Bias mit minimaler Schulung zu analysieren. Durch die Bereitstellung einer standardisierten, transparenten Methodologie zur Bias-Erkennung zielt BARI darauf ab, die Reproduzierbarkeit und Glaubwürdigkeit von Forschung zu verbessern, die sich mit Media Bias beschäftigt.

BARI schließt mit der bereitgestellten Taxonomie und den Klassifikatoren eine Forschungsinfrastruktur-Lücke in der zur Analyse von Bias und trägt so zur Entwicklung robuster, zugänglicher Systeme zur wissenschaftlichen Analyse von Bias in der schnelllebigen heutigen Medienlandschaft bei.

Ihre Aufgaben:

• Unterstützung bei der Entwicklung von Klassifikatoren und Plattformkomponenten, insb. Training und Bewertung von Machine-Learning-Modellen zur Erkennung von Bias
• Entwurf und Betrieb von Pipelines zur Datenqualitätssicherung und Messrahmenwerken
• Zusammenarbeit mit internationalen Partnern und Präsentation von Forschungsergebnissen auf Konferenzen
• Organisation von Workshops für interne und externe Stakeholder
• Austausch mit einer interdisziplinären Gemeinschaft aus Forschenden und Expert*innen aus der Wirtschaft und Industrie
• Betreuung von studentischen Projekt- und Abschlussarbeiten mit Bezug zum BARI-Projekt

Ihr Profil:

• Master-Abschluss in Informatik (mindestens mit Note „gut“)
• Praktische Erfahrung in den Bereichen maschinelles Lernen und NLP
• Kenntnisse in PyTorch, Hugging Face Transformers und RAG-Frameworks
• Praktische Erfahrung in der Nutzung von Docker, Kubernetes, DevOps
• Mindestens einjährige Berufserfahrung im Bereich Software- und ML-Engineering
• Erfahrung in der Erforschung von Media Bias
• Soziale und kommunikative Kompetenzen für den Aufbau von Communitys, die Organisation von Workshops und die Präsentation von Ergebnissen
• Praktische Erfahrung in der Anleitung von Studierenden
• Deutschkenntnisse (Niveau B2 oder besser), Englischkenntnisse (Niveau C1 oder besser)

Die Universität Göttingen strebt in den Bereichen, in denen Frauen unterrepräsentiert sind, eine Erhöhung des Frauenanteils an und fordert daher qualifizierte Frauen nachdrücklich zur Bewerbung auf. Sie versteht sich zudem als familienfreundliche Hochschule und fördert die Vereinbarkeit von Wissenschaft/Beruf und Familie. Der beruflichen Teilhabe von schwerbehinderten Beschäftigten sieht sich die Universität in besondere Weise verpflichtet und begrüßt deshalb Bewerbungen schwerbehinderter Menschen. Bei gleicher Qualifikation erhalten Bewerbungen von Menschen mit Schwerbehinderung den Vorzug. Eine Behinderung bzw. Gleichstellung ist zur Wahrung der Interessen bereits in die Bewerbung aufzunehmen.

Bitte reichen Sie Ihre aussagekräftige Bewerbung mit allen wichtigen Unterlagen bis zum 28.08.2026 ausschließlich über das Bewerbungsportal http://obp.uni-goettingen.de/de-de/OBF/Index/76608 ein. Auskunft erteilt Herr Norman Meuschke, E-Mail: meuschke@uni-goettingen.de, Tel. +49 551 39 25833.

Hinweis: Wir weisen darauf hin, dass die Einreichung der Bewerbung eine datenschutzrechtliche Einwilligung in die Verarbeitung Ihrer Bewerbungsdaten durch uns darstellt. Näheres zur Rechtsgrundlage und Datenverwendung finden Sie im Hinweisblatt zur Datenschutzgrundverordnung (DSGVO).