Finde einen Job 
Finde eine Ausbildung 
Top Arbeitgeber 
Top Universitäten 
Für Unternehmen Auf einen Blick
- Aufgaben: Entwickle KI-Systeme für datengestützte Entscheidungen in Investitionen und Unternehmen.
- Arbeitgeber: Die Alliance Manchester Business School, eine der besten Business Schools im UK.
- Mitarbeitervorteile: Vollfinanzierte Promotionsstelle mit einem Stipendium von £21,805 pro Jahr.
- Andere Informationen: Dynamisches Umfeld mit hervorragenden Möglichkeiten zur beruflichen Weiterentwicklung.
- Warum dieser Job: Arbeite an der Spitze der angewandten KI und gestalte die Zukunft der Entscheidungsfindung.
- Gewünschte Qualifikationen: Bachelor- und Master-Abschluss in relevanten Fächern sowie starke analytische Fähigkeiten.
Das voraussichtliche Gehalt liegt zwischen 21805 - 21805 € pro Jahr.
Qualifikationstyp: PhD
Standort: Manchester - UK
Finanzierung für: UK und International
Finanzierungsbetrag: £21,805 pro Jahr
Startdatum: September 2026
Arbeitszeit: Vollzeit
Bewerbungsschluss: 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 generieren.
Das Programm umfasst ein voll finanziertes Stipendium, das im September 2026 beginnt und die Studiengebühren, den UKRI-Stipendienbetrag (2026/27 Satz £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
Investment- und Venture-Bewertungsumgebungen, wie Risikokapital, Private Equity und Universitätsinnovationsökosysteme, werden zunehmend datengestützt. Trotz der Fülle an verfügbaren Informationen bleibt die Entscheidungsfindung in Bezug auf Deal-Sourcing, Bewertung, Due Diligence und Nachverfolgung von Investitionen fragmentiert und stark manuell. Aktuelle kommerzielle Plattformen sind hervorragend im Suchen und Aggregieren von Daten, bieten jedoch nur begrenzte Unterstützung für tiefere Überlegungen, Szenarioerkundungen oder koordinierte, lebenszyklusweite Entscheidungsunterstützung.
Dieses PhD-Projekt zielt darauf ab, diese Herausforderungen anzugehen, indem nächste Generationen von KI-Systemen entwickelt werden, 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 Methoden der erklärbaren KI (XAI) 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, sodass 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 kombiniert 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 sind, qualitativ hochwertige Forschung an der Schnittstelle von KI und realen Unternehmensanwendungen durchzuführen, mit einem Interesse an der Entwicklung transparenter, erklärbarer und benutzerzentrierter Entscheidungstechnologien.
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 in 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.
PhD by Enterprise Arbeitgeber: The University of Manchester
Kontaktperson:
The University of Manchester HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: PhD by Enterprise
✨Tipp Nummer 1
Netzwerken ist der Schlüssel! Nutze Plattformen wie LinkedIn, um mit Fachleuten aus deiner Branche in Kontakt zu treten. Stell Fragen, teile deine Interessen und zeige, dass du motiviert bist, mehr über das Feld zu lernen.
✨Tipp Nummer 2
Bereite dich auf Vorstellungsgespräche vor, indem du häufige Fragen übst und deine Antworten klar strukturierst. Denk daran, auch eigene Fragen zu stellen – das zeigt dein Interesse an der Position und dem Unternehmen!
✨Tipp Nummer 3
Sei proaktiv! Wenn du eine interessante Stelle siehst, bewirb dich direkt über unsere Website. Warte nicht auf die perfekte Gelegenheit, sondern nutze jede Chance, die sich dir bietet.
✨Tipp Nummer 4
Zeige deine Leidenschaft für das Thema! In Gesprächen oder Interviews kannst du Beispiele aus deinem Studium oder Projekten anführen, die deine Begeisterung für Forschung und Innovation unterstreichen.
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: PhD by Enterprise
Tipps für deine Bewerbung 🫡
Mach deine Hausaufgaben: Bevor du mit deiner Bewerbung anfängst, schau dir die Details des PhD-Programms genau an. Verstehe, was die Universität sucht und wie dein Hintergrund dazu passt. Das hilft uns, deine Motivation klarer zu kommunizieren.
Sei authentisch: In deinem Anschreiben solltest du deine Leidenschaft für das Thema und deine bisherigen Erfahrungen hervorheben. Zeig uns, warum du der perfekte Kandidat für dieses Projekt bist und was dich antreibt.
Struktur ist alles: Achte darauf, dass deine Bewerbung gut strukturiert ist. Verwende klare Absätze und Überschriften, um deine Argumente übersichtlich darzustellen. Das macht es uns leichter, deine Qualifikationen nachzuvollziehen.
Bewirb dich über unsere Website: Vergiss nicht, deine Bewerbung über unsere offizielle Website einzureichen. So stellst du sicher, dass alle Unterlagen korrekt ankommen und du keine Fristen verpasst. Wir freuen uns auf deine Bewerbung!
Wie du dich auf ein Vorstellungsgespräch bei The University of Manchester vorbereitest
✨Verstehe das Projekt in- und auswendig
Mach dich mit den Details des PhD-Projekts AIDE vertraut. Lies alles über die Herausforderungen, die es adressiert, und die Technologien, die verwendet werden. Wenn du während des Interviews spezifische Fragen zu den Zielen und Methoden stellen kannst, zeigst du dein echtes Interesse und deine Vorbereitung.
✨Bereite Beispiele vor
Überlege dir konkrete Beispiele aus deiner bisherigen akademischen oder beruflichen Laufbahn, die deine Fähigkeiten in den Bereichen KI, Datenanalyse oder Entscheidungsfindung demonstrieren. Zeige, wie du in der Vergangenheit Probleme gelöst hast, die ähnlich sind wie die, die im Projekt behandelt werden.
✨Fragen zur Unternehmenskultur
Informiere dich über die Alliance Manchester Business School und deren Werte. Bereite Fragen vor, die zeigen, dass du an der Unternehmenskultur interessiert bist und wie du dich dort einfügen könntest. Das zeigt, dass du nicht nur an der Forschung, sondern auch am Team und der Umgebung interessiert bist.
✨Sei bereit für technische Fragen
Erwarte technische Fragen zu Themen wie maschinelles Lernen, probabilistische Modellierung oder erklärbare KI. Übe, deine Kenntnisse in diesen Bereichen klar und verständlich zu erklären. Du könntest auch gebeten werden, ein kleines Problem zu lösen oder eine technische Herausforderung zu diskutieren, also sei darauf vorbereitet!