PhD by Enterprise

Qualifikationstyp: PhD

Standort: Manchester - UK

Finanzierung für: UK und International

Finanzierungsbetrag: £21,805 pro Jahr

Startdatum: September 2026

Arbeitszeit: Vollzeit

Schluss: 29. Mai 2026 (Mitternacht)

Das PhD-Programm by Enterprise (Alliance Manchester Business School) an der University of Manchester ist ein neues vierjähriges Doktoratsprogramm, das erstklassige Forschung mit strukturiertem Unternehmertumstraining kombiniert. Das Programm ermöglicht es dem Forschungsportfolio der Universität, greifbare wirtschaftliche, ökologische und gesellschaftliche Auswirkungen durch Unternehmensgründungen und unternehmensgeführte Wege zu erzielen.

Das Programm umfasst ein vollständig finanziertes Stipendium, das im September 2026 beginnt und die Studiengebühren, den UKRI-Stipendienbetrag (2026/27-Rate £21,805 pro Jahr) und den Research Training Support Grant abdeckt. Sie werden an der Alliance Manchester Business School der University of Manchester, einer der fünf besten Business Schools im Vereinigten Königreich (QS World University Rankings 2026), tätig sein.

Projektdetails: AIDE: Agentic Intelligence for Decision-making in Investment and Enterprise

Investitions- und Venture-Bewertungsumgebungen, wie Risikokapital, Private Equity und Universitätsinnovationsökosysteme, werden zunehmend datengestützt. Trotz der Fülle an verfügbaren Informationen bleibt die Entscheidungsfindung bei der Beschaffung von Deals, der Bewertung, der Due Diligence und der Nachverfolgung nach der Investition fragmentiert und stark manuell. Aktuelle kommerzielle Plattformen sind hervorragend in der Suche und Datenaggregation, bieten jedoch nur begrenzte Unterstützung für tiefere Überlegungen, Szenarioerkundungen oder koordinierte, lebenszyklusweite Entscheidungsunterstützung.

Dieses PhD-Projekt, AIDE: Agentic Intelligence for Decision-making in Investment and Enterprise, zielt darauf ab, diese Herausforderungen zu bewältigen, indem es KI-Systeme der nächsten Generation entwickelt, die eine ganzheitliche, datengestützte und unsicherheitsbewusste Entscheidungsfindung unterstützen können. Das Projekt wird auch das Design und die Entwicklung von Wissensgraphen untersuchen, um heterogene Datenquellen zu strukturieren und zu verbinden, was ein reichhaltigeres kontextuelles Verständnis und eine bessere Argumentation ermöglicht.

Ein zentrales Ziel des Projekts ist es, KI-Systeme zu entwickeln, die nicht nur leistungsstark, sondern auch erklärbar sind. Investitionsentscheidungen sind risikobehaftet, und die Benutzer müssen verstehen können, warum das System bestimmte Maßnahmen empfiehlt oder bestimmte Risiken hervorhebt. Das PhD-Programm wird erklärbare KI (XAI)-Methoden untersuchen, die Transparenz, Interpretierbarkeit und Benutzervertrauen ermöglichen, sodass Empfehlungen von menschlichen Experten hinterfragt, gerechtfertigt und angepasst werden können.

Die Forschung wird untersuchen, wie verschiedene Informationsquellen, wie strukturierte Finanzdaten, Textdokumente, Unternehmensoffenlegungen und Online-Signale, in einheitliche Darstellungen integriert werden können, die robustes Denken unterstützen, einschließlich des Aufbaus und der Nutzung von Wissensgraphen für die Entitätsverknüpfung, Beziehungsmodellierung und semantische Integration. Ebenso wichtig ist die Modellierung von Unsicherheit: Entscheidungsträger arbeiten oft mit unvollständigen, fehlerhaften oder sich schnell ändernden Daten. Das Projekt wird Techniken zur Quantifizierung und Weitergabe von Unsicherheit über mehrstufige Arbeitsabläufe hinweg untersuchen, damit Benutzer erkunden können, wie Annahmen oder Marktveränderungen potenzielle Ergebnisse beeinflussen.

Der Student wird auch untersuchen, wie mehrere KI-Agenten zusammenarbeiten können, um reale Investitionsarbeitsabläufe widerzuspiegeln, indem sie Aufgaben wie Screening, Due-Diligence-Analyse, Risikobewertung und Szenariomodellierung koordinieren, wobei Wissensgraphen möglicherweise als gemeinsamer strukturierter Speicher und Koordinationsschicht zwischen den Agenten dienen. Das Design wird die Zusammenarbeit zwischen Mensch und KI betonen, um sicherzustellen, dass die Benutzer die Aufsicht, die Entscheidungsfreiheit und die Möglichkeit haben, Empfehlungen in Frage zu stellen oder zu überschreiben.

Methodisch verbindet das Projekt maschinelles Lernen, probabilistische Modellierung, Multi-Agenten-Systeme, erklärbare KI und Mensch-Computer-Interaktion sowie Wissensdarstellung und graphenbasierte Argumentationstechniken. Ein designwissenschaftlicher Forschungsansatz wird verwendet, mit iterativem Prototyping, Evaluierung anhand realistischer Szenarien und Engagements mit Praktikern aus den Bereichen Investition und Innovation.

Akademische Kriterien: Bachelor-Abschluss (Honours) mit 2:1 oder besser (oder gleichwertig); und Master-Abschluss in einem relevanten Fachgebiet normalerweise mit einem Gesamtdurchschnitt von 65% oder besser (oder gleichwertig). Berufliche Qualifikationen und/oder relevante und angemessene Erfahrung.

Wünschenswerte Kriterien: Ein Abschluss in Informatik, Künstlicher Intelligenz, Datenwissenschaft, maschinellem Lernen, Statistik, Mathematik, Ingenieurwesen, Informationssystemen oder einem eng verwandten Fachgebiet. Ein Master-Abschluss in einem der oben genannten Bereiche. Starke analytische und Programmierfähigkeiten (z.B. Python, Frameworks für maschinelles Lernen) sind von Vorteil, ebenso wie ein Interesse an angewandter KI, Entscheidungsfindungssystemen und erklärbarem oder unsicherheitsbewusstem Modellieren. Bewerber aus quantitativen Disziplinen mit Berufserfahrung in Datenwissenschaft, Analytik, Finanztechnologie, Investitionsanalyse oder Innovationsökosystemen sind ebenfalls willkommen.

Entscheidend ist, dass die Bewerber motiviert sein sollten, qualitativ hochwertige Forschung an der Schnittstelle von KI und realen Unternehmensanwendungen durchzuführen, mit einem Interesse an der Entwicklung transparenter, erklärbarer und benutzerzentrierter Entscheidungshilfetechnologien.

Nachweis der Englischkenntnisse: IELTS-Mindestpunktzahlen - 7.0 insgesamt, 6.5 in anderen Abschnitten. Andere Tests können berücksichtigt werden. TOEFL (internetbasiert) Mindestpunktzahlen - 100 insgesamt, 25 in allen Abschnitten. Pearson Test of English (PTE) UKVI/SELT oder PTE Academic Mindestpunktzahlen - 76 insgesamt, 76 im Schreiben, 70 in anderen Abschnitten. Um nachzuweisen, dass Sie einen Bachelor- oder Masterabschluss in einem überwiegend englischsprachigen Land innerhalb der letzten 5 Jahre erworben haben. Andere Tests können berücksichtigt werden.

Die Bewerbungsfrist endet um 23:59 Uhr (GMT) am 29.05.26.

Bewerben Sie sich online für 'PhD by Enterprise HUMS'.

Wenn Sie das Projekt weiter besprechen möchten, kontaktieren Sie Prof. Richard Allmendinger (richard.allmendinger@manchester.ac.uk).