Das Institut für Epidemiologie, Sozialmedizin und Gesundheitssystemforschung an der MHH beschäftigt sich mit bevölkerungsbezogener Public‐Health‐Forschung, evidenzbasierter Versorgung und der Analyse von Gesundheitssystemen. Es ist interdisziplinär ausgerichtet und engagiert in Lehre, Forschung und Praxis. Der Schwerpunkt Gesundheitsökonomie untersucht die Kosten, Wirksamkeit und Effizienz gesundheitlicher Maßnahmen. 

Wir suchen zwei Doktorand:innen für die Mitarbeit in einem interdisziplinären Forschungsverbund der Medizinischen Hochschule Hannover (MHH) und der Leibniz Universität Hannover („Health Equality, Migration and Diversity: Data Driven Assessment of Disparities, Digitization and Diversity in Prevention, Medical Care and Nursing Care in Lower Saxony“, HUMAN-LS). In dem Verbund werden Forscher:innen und Doktorand:innen in sieben Teilprojekten die Bedeutung von Diversität, Gender und Migration für Bedarf, Zugang und Nutzung von Gesundheitsleistungen untersuchen. Ein besonderer Schwerpunkt liegt auf der ethnischen, kulturellen, demografischen und sozioökonomischen Vielfalt. In den gesamten Forschungsprozess werden betroffene Zielgruppen und gesellschaftliche Akteure eingebunden. Für die Doktorand:innen wird ein umfassendes Unterstützungsangebot mit methodischen Arbeitsgruppen und Einbindung in nationale und internationale Netzwerke entwickelt.

Die Stellen sind zum 01.10.2025 in Teilzeit (bis zu 26,95 Wochenstunden) für zunächst vier Jahre befristet zu besetzen.

• Eigenverantwortliche Durchführung und Auswertung quantitativer sowie ggf. qualitativer Erhebungs- und Analyseschritte (z. B. Routinedaten, standardisierte Befragungen, leitfadengestützte Interviews) zur Untersuchung gesundheitlicher Ungleichheiten und Versorgungslücken bei Menschen mit Migrationshintergrund
• Verfassen wissenschaftlicher Publikationen und Vorbereitung von Konferenzbeiträgen
• Präsentation der Ergebnisse auf nationalen und internationalen Fachtagungen sowie allgemeinverständliche Aufbereitung für die Öffentlichkeit
• Enge Zusammenarbeit mit Wissenschaftler:innen des Instituts und des HUMAN-LS-Verbundprojekts
• Aktive Mitarbeit in methoden- und themenspezifischen interdisziplinären Arbeitsgruppen
• Beteiligung an der Lehre (z. B. Durchführung von Lehrveranstaltungen im eigenen Themenfeld)

• Ein abgeschlossenes Hochschulstudium (Master, Diplom, Magister,) in Public Health, Wirtschafts- oder Sozialwissenschaften, Psychologie oder einer verwandten Disziplin
• Gute Kenntnisse und Fertigkeiten in den quantitativen Methoden der Versorgungsforschung
• Gute statistische Kenntnisse sowie erste Erfahrungen in der Auswertung von großen Datensätzen mit Statistiksoftware (z. B. SPSS oder R)
• Gute Deutsch‐ und Englischkenntnisse in Wort und Schrift

• Je nach persönlicher Qualifizierung ist eine Vergütung bis zur Entgeltgruppe E 13 gemäß TV-L möglich mit den Vorteilen des öffentlichen Dienstes (z.B. betriebliche Altersvorsorge und Zusatzversicherung durch VBL)
• Teilnahme an interdisziplinären Kursen (Public Health, quantitative Methoden, Ökonomie, Psychologie, Epidemiologie u. a.) an den beteiligten Hochschulen
• Einbindung in interdisziplinäre Arbeitsgruppen, die zentrale Aspekte des HUMAN‑LS‑Verbundprojekts adressieren
• Austauschprogramm mit renommierten Partnerinstitutionen; Diskussion der Ergebnisse mit erfahrenen internationalen Kolleg:innen.
• Enges Mentoring sowie persönliche und berufliche Entwicklungsmöglichkeiten – unterstützt durch unsere vielfältigen internen wie externen Fort- und Weiterbildungsangebote
• Sehr gute Anbindung an den den öffentlichen Nahverkehr sowie die Möglichkeit zum Dienstrad Leasing
• Ein ausgezeichnetes Angebot an Sport-, Beratungs- und Vorsorgeprogrammen – weil Ihre Gesundheit uns am Herzen liegt

Kalina Soja
0511 532 5375

Kennziffer 3301 Bewerbungsfrist: 10.08.2025

Hier bewerben

Die MHH ist zertifizierte familiengerechte Hochschule und setzt sich für die Förderung von Frauen im Berufsleben ein. Bewerbungen von Frauen sind besonders erwünscht. Schwerbehinderte Bewerberinnen und Bewerber werden bei gleicher Qualifikation bevorzugt berücksichtigt.