Wissenschaftlichen Mitarbeiter / Doktorand (m/w/d) Analytik für das Lernen mit Maschinen (ALMA)

04.03.2026, Wissenschaftliches Personal

Die Professur für Learning Analytics (LEAPS) an der TUM School of Social Sciences and Technology der Technischen Universität München sucht zum nächstmöglichen Zeitpunkt, im Rahmen des DFG/ANR-Projekts "Analytik für das Lernen mit Maschinen" (ALMA), eine/einen Wissenschaftlichen Mitarbeiter / Doktorand (m/w/d) Analytik für das Lernen mit Maschinen (ALMA)

Die Stelle ist TV-L E13, 75%, auf 3 Jahre befristet und wird durch die Deutsche Forschungsgemeinschaft (DFG) gefördert. Das Projekt ist eine deutsch-französische Kooperation mit dem Institut de Recherche en Informatique de Toulouse (IRIT), Université de Toulouse. Bewerbungen werden fortlaufend geprüft (first come, first served). Bewerbungsschluss: 25. März 2026.

Über uns

Die Doktorandin / der Doktorand wird Teil der Forschungsgruppe LEAPS (LEarning Analytics and Practices in Systems) unter der Leitung von Prof. Dr. Oleksandra Poquet. LEAPS erforscht, wie Daten aus Lernumgebungen Agency und soziale Netzwerke in der Hochschulbildung und betrieblichen Weiterbildung unterstützen können. Die Gruppe ist Teil der TUM School of Social Sciences and Technology, des Munich Data Science Institute und des TUM EdTech Centre.

Ihre Aufgaben

Studierende lernen zunehmend mit großen Sprachmodellen, doch es fehlen die Werkzeuge, um festzustellen, wann diese Zusammenarbeit produktiv ist und wann sie dem Lernen im Weg steht. Diese Promotion entwickelt computationelle Ansätze zur Charakterisierung der Qualität der Kollaboration zwischen Studierenden und LLMs und betritt damit Neuland für die Lernanalytik.

Die Doktorandin / der Doktorand arbeitet im DFG/ANR-Projekt "Analytik für das Lernen mit Maschinen" (ALMA) an der Entwicklung analytischer Methoden und computationeller Modelle zur Unterstützung der Kollaborationsqualität zwischen Studierenden und großen Sprachmodellen (LLMs) in Bildungskontexten. Die Forschung verbindet Ansätze aus der Lernanalytik, der computationellen Modellierung und komplexen dynamischen Systemen, um Indikatoren für Mensch-KI-Interaktionsprozesse in Lernumgebungen zu entwickeln und zu validieren. Die Stelle beinhaltet die enge Zusammenarbeit mit dem französischen Projektpartner am IRIT in Toulouse.

Ihr Profil

• Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder vergleichbar) in einem MINT-Fach (z. B. Mathematik, Physik, Biologie, Informatik), Data Science, Computational Cognitive Science, Computational Neuroscience oder einem verwandten Fach mit starkem quantitativem Profil

• Erfahrung mit computationellen Methoden, statistischer Modellierung oder maschinellem Lernen

• Programmierkenntnisse (z. B. Python, R)

• Interesse an interdisziplinärer Forschung an der Schnittstelle von Datenanalyse und Lernwissenschaften

• Interesse an Bildung und Lernen als Anwendungsdomäne

• Fähigkeit zum selbstständigen wissenschaftlichen Arbeiten

• Nachgewiesene wissenschaftliche Schreibkompetenz (z. B. Masterarbeit, Publikationen oder Konferenzbeiträge)

• Sehr gute Englischkenntnisse in Wort und Schrift; Deutsch- und/oder Französischkenntnisse sind von Vorteil

• Bereitschaft zu Forschungsaufenthalten am IRIT, Toulouse

Wir bieten

Ein Forschungsumfeld, das intellektuellen Mut und harte Arbeit wertschätzt, Ihnen die Freiheit und Unterstützung gibt, Ideen zu verfolgen, die den Status quo in Frage stellen, und in dem Sie viel lernen werden. • Exzellente wissenschaftliche Betreuung und Mentoring

• Starkes internationales und lokales Netzwerk

• Möglichkeit zur Promotion an der TUM Graduate School

• Deutsch-französische Forschungskooperation mit dem IRIT, Université de Toulouse

• Aktive Einbindung in akademische Gemeinschaften (z. B. SoLAR, EATEL)

• Flexible Arbeitsbedingungen

• Zugang zur exzellenten Forschungsinfrastruktur der TUM und des Munich Data Science Institute

• Vergütung nach TV-L E13 (75%)

Bitte senden Sie Ihre vollständigen Bewerbungsunterlagen (Motivationsschreiben, Lebenslauf, Zeugnisse, Masterarbeit oder relevante Publikationen, Kontaktdaten von Referenzen) in einer einzigen PDF-Datei an: office.lea@sot.tum.de

Kontakt: office.lea@sot.tum.de