Doktorat im Bereich Generative Engine Optimization (TV-L E13 100%)

Zurück zu Nachrichten-Bereich Browse in News Doktorat im Bereich Generative Engine Optimization (TV-L E13 100%) 17.07.2025, Wissenschaftliches Personal Der Lehrstuhl für Software Engineering & AI sucht eine:n neue:n Doktorand:in (TVL-E13 100%) im Bereich Generative Engine Optimization. Forschungsschwerpunkt Generative Engine Optimization (GEO) ist eine aufkommende Praxis, die darauf abzielt, die Sichtbarkeit einer Marke in von KI-Modellen generierten Inhalten zu erhöhen – ähnlich wie SEO dies für die traditionelle Suche tut. Da KI-gestützte \“Antwortmaschinen\“ (z. B. ChatGPT, Googles Search Generative Experience) an Popularität gewinnen, erhalten Nutzer zunehmend direkte, zusammengefasste Antworten anstelle von reinen Links. Dieser Wandel erfordert eine Anpassung von Content-Erstellern und Unternehmen. Ihre Aufgaben Angesichts des Paradigmenwechsels im Marketing, bei dem sich die Produktsuche von Suchmaschinen hin zu direkten Empfehlungen von Chatbots auf Basis von Large Language Models (LLMs) verlagert, möchten wir folgende Themen untersuchen: Welche GEO-spezifischen Inhaltsmerkmale (z. B. Zitate, Statistiken, Lesbarkeit) beeinflussen die Empfehlungen von generativen Maschinen am signifikantesten? Wie wirken sich Änderungen in der Inhaltspräsentation auf die von KI-gesteuerten Suchmaschinen generierten, zusammengefassten Antworten aus? Wie ändert sich die Tonalität der Empfehlungen mit der Inhaltspräsentation? Können quantitative und qualitative Metriken entwickelt werden, die die Sichtbarkeit von Inhalten in den Ausgaben der generativen Suche genau vorhersagen? Welche umsetzbaren Richtlinien können etabliert werden, um Marketingfachleuten zu helfen, GEO-Techniken neben traditionellen SEO-Strategien zu integrieren? Was sind die Auswirkungen auf die Marketing-KPIs? Der erfolgreiche Kandidat wird eng im Team von Prof. Chunyang Chen und Prof. Christine Eckert zusammenarbeiten, um alle laufenden Projekte in diesem Bereich zu unterstützen und neue, auf maschinellem Lernen basierende Ansätze zu entwickeln und anzuwenden. Die Stelle ist am TUM Campus Heilbronn angesiedelt. Ihre Qualifikationen Starker Hintergrund in Informatik, KI oder verwandten Bereichen. Solides Verständnis von Geschäfts- und Marketingkonzepten ist unerlässlich. Gute Programmierkenntnisse in mindestens einer Programmiersprache, z. B. Python. Erfahrung mit Methoden des maschinellen Lernens oder LLMs ist von Vorteil. Begeisterung für das Erlernen und Entwickeln neuer Methoden und Techniken. Fähigkeit zur interdisziplinären Forschung in einem internationalen, kollaborativen Umfeld. Sichere Deutsch- und Englischkenntnisse in Wort und Schrift. Beteiligung an der Betreuung der universitären Lehre; die Lehr- und Forschungssprache ist Englisch. Wir bieten Ihnen Wir bieten Ihnen ein spannendes und herausforderndes Projekt in einem dynamischen und kollaborativen Forschungsumfeld am TUM Campus Heilbronn. Der Zugang zu reichhaltigen und hochwertigen experimentellen Daten, die auf modernsten Technologien basieren, wird durch unsere langjährige und international hoch anerkannte experimentelle Expertise auf diesem Gebiet, aber auch durch viele enge Kooperationen mit anderen Laboratorien weltweit gewährleistet. Das Gehalt wird gemäß der Entgeltgruppe E13 TV-L (100%) des Tarifvertrags für den öffentlichen Dienst der Länder gezahlt. Es handelt sich um eine Doktorandenstelle. Die TUM ist ein Arbeitgeber, der die Chancengleichheit fördert. Daher werden Frauen besonders zur Bewerbung ermutigt. Wir hoffen, diese Stelle im Jahr 2025 besetzen zu können. Bewerbungen Vollständige Bewerbungen sind an recruitment@seai.cit.tum.de zu senden. Bitte fügen Sie einen Lebenslauf, ein Anschreiben, in dem Sie Ihr Interesse an der Position und Ihre Eignung für das Profil erläutern, eine kurze Zusammenfassung Ihrer bisherigen Arbeitserfahrungen sowie die Kontaktdaten von mindestens zwei Referenzpersonen bei. Die Stelle ist für die Besetzung mit schwerbehinderten Menschen geeignet. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt. Kontakt: recruitment@seai.cit.tum.de