GESIS – Leibniz-Institut für Sozialwissenschaften ist eine von Bund und Ländern finanzierte, international tätige sozialwissenschaftliche Einrichtung der Leibniz-Gemeinschaft.
Wir suchen zum nächstmöglichen Zeitpunkt für den Standort Köln in der Abteilung Knowledge Technologies for the Social Sciences, Team Big Data Analytics eine*n
Wissenschaftliche*n Mitarbeiter*in (PostDoc) Natural Language Processing & Knowledge Graphs
(Entgeltgruppe 13 TV-L, Arbeitszeit bis zu 100 %, befristet auf zunächst 4 Jahre, Möglichkeit zur Entfristung)
Die Abteilung Knowledge Technologies for the Social Sciences (KTS) (https://www.gesis.org/institut/abteilungen/knowledge-technologies-for-the-social-sciences) forscht an der Schnittstelle von Information Retrieval, Natural Language Processing, semantischen Technologien und Human Information Interaction als Grundlage für innovative Infrastrukturen für die Suche und Nutzung von Forschungsdaten.
GESIS unternimmt derzeit große Anstrengungen zur Erforschung von Big Data durch Methoden der künstlichen Intelligenz. Hiervon erhoffen wir uns neue Erkenntnisse und Infrastrukturen für die Sozialwissenschaften. Beispiele sind Methoden für Opinion Mining, Stance Detection oder die Klassifikation von Online-Verhalten und -Interaktionen, wie sie in sozialen Netzwerken und anderen datenintensiven Umgebungen beobachtet werden.
In diesem Zusammenhang bieten wir eine spannende Möglichkeit, exzellente Forschung mitzugestalten und innovative Methoden und Infrastrukturen zu entwickeln, z.B. mithilfe von Techniken aus NLP, Large Language Models (LLMs) und Wissensgraphen Methoden und Infrastrukturen für die Sozialwissenschaften zu entwickeln. Ein besonderer Schwerpunkt liegt auf Infrastrukturen für die Bereitstellung innovativer sozialwissenschaftlicher Methoden und Daten entlang der FAIR-Prinzipien.
Ihr Aufgabengebiet:
- Erforschung und Entwicklung von Methoden für Computational Social Science, z.B. in den Bereichen Natural Language Processing (NLP) und Knowledge Graphs (KGs), um sozialwissenschaftliche Erkenntnisse aus unstrukturierten, heterogenen Daten wie Social Media Posts zu extrahieren
- Zusammenarbeit in einem interdisziplinären Team von Informatiker*innen und Sozialwissenschaftler*innen zur Schaffung innovativer Infrastrukturen für das Teilen von und die Suche nach Methoden (z.B. Machine Learning Modelle)
- Entwicklung von Metadatenstandards für die Dokumentation komplexer Methoden (z.B. Machine Learning Modellen) nach einem nutzendenzentrierten Ansatz
- Beitrag zur Entwicklung von Best Practices und Standards für die strukturierte Beschreibung von Methoden durch Metadaten und kontrollierte Vokabulare (z.B. NFDI, W3C)
- Projektleitung, inkl. Betreuung von Promovierenden und Projektmitarbeiter*innen
Ihr Profil:
- Wissenschaftlicher Hochschulabschluss (Diplom/Master) und Promotion/Ph.D. in Informatik, Computational Social Science oder verwandten Bereichen und (international) sichtbare Publikationen in einem oder mehreren der folgenden Bereiche: Informationsextraktion, NLP, maschinelles Lernen, Knowledge Graphs, Web Mining
- Fähigkeit fließend auf Englisch zu kommunizieren, Deutschkenntnisse sind wünschenswert
- Erfahrung in der Softwareentwicklung für NLP, Machine Learning und skalierbare Analysen (z.B. Python, Java oder Scala)
- Wünschenswert: Erfahrung in der Koordination wissenschaftlicher Projekte und Forschungsteams
Wir bieten:
- Ein schnell wachsendes, internationales und interdisziplinäres Forschungsumfeld mit starken Verbindungen zu regionalen und internationalen Labors und Experten auf verwandten Gebieten
- Zugang zu einzigartigen Datenkorpora, Web Archiven, Benutzerinteraktionsprotokollen und Recheninfrastrukturen für die Sammlung und Verarbeitung von Verhaltensdaten
- Flexible Arbeitszeiten und die Möglichkeit von bis zu 60% mobilem Arbeiten innerhalb von Deutschland
- Sehr gute Bedingungen für die Vereinbarkeit von Beruf und Familie u.a. durch Zuschüsse zur Betreuung von nicht schulpflichtigen Kindern
- Ganzheitliches Betriebliches Gesundheitsmanagement und die vergünstigte Teilnahme am Sportprogramm der Uni
- Großzügige Förderung Ihrer Altersvorsorge in Form einer Direktversicherung
- Förderung Ihrer Kompetenzen durch Weiterbildungsmaßnahmen
Für weitere Informationen zu den Aufgaben wenden Sie sich bitte an Stefan Dietze unter der Telefonnummer +49 (0)221-47694-421 oder per E-Mail Stefan.Dietze(at)gesis.org. Wenn Sie Fragen zum Bewerbungsverfahren haben, wenden Sie sich bitte per E-Mail franca.tosetti(at)gesis.org an Franca Tosetti.
Wir haben Ihr Interesse geweckt?
Dann bewerben Sie sich bitte bis einschließlich 15.01.2025 über unser Online-Bewerbungsportal.
Die Kennziffer lautet: KTS-68
GESIS bietet ein spannendes Arbeitsumfeld für interdisziplinäre Forschung an der Schnittstelle zwischen Sozialwissenschaften und Informatik. Als Infrastruktureinrichtung dienen wir der Förderung der sozialwissenschaftlichen Forschung und stehen in enger Kooperationen mit namhaften internationalen Forschungsinstitutionen.
GESIS unterstützt Sie dabei, sich weiter zu qualifizieren. Wir bieten unseren MitarbeiterInnen ein breites Spektrum von Karrieremöglichkeiten (https://www.gesis.org/institut/karriere/) in einer ansprechenden Arbeitsatmosphäre mit einem hohen Maß an Eigenverantwortung und Gestaltungsspielraum. Bei uns arbeiten Sie in einem internationalen Umfeld im Herzen Kölns und profitieren von einer flexiblen Arbeitsumgebung sowie internen und externen Netzwerken.
GESIS gewährleistet die Beachtung der Schwerbehindertenrichtlinien und fördert die berufliche Gleichstellung von Frauen und Männern. Die Stelle kann auch in Teilzeit besetzt werden.
Als familienfreundlicher Arbeitgeber tragen wir seit 2010 das Zertifikat audit „berufundfamilie“ (https://www.gesis.org/institut/vereinbarkeit-von-beruf-und-familie/).
Weitere Informationen zur Arbeit bei GESIS finden Sie hier https://www.gesis.org/institut/karriere/gesis-als-arbeitgeber-wir-bieten.
Die Ausschreibung ist auch im Internet unter https://www.hidden-professionals.de/HPv3.Jobs/gesis/stellenangebot/45112/Wissenschaftliche-n-Mitarbeiter-in-PostDoc-Natural-Language-Processing-Knowledge-Graphs abrufbar.