Wissenschaftliche/r Mitarbeiter/in (w/m/d)

Doktorand/in für die Projekte "BridgingAI" oder "AIStudyBuddy"

Kontakt

Name

Natasa Marcanova

Telephone

workPhone
+49 4218021902

E-Mail

Anbieter

Informatik 9 - Process and Data Science

Unser Profil

Der Lehrstuhl Process and Data Science unter der Leitung von Prof. Wil van der Aalst ist eine Forschungseinrichtung an der RWTH, die sich auf das Zusammenspiel von Prozessen und Daten konzentriert. PADS steht für die Ambitionen der RWTH im Bereich Data Science und wird durch die Alexander-von-Humboldt-Professur unterstützt. PADS umfasst alle Themen, in denen diskrete Prozesse analysiert, neu konstruiert und / oder datengesteuert unterstützt werden. Process-centricity ist eine Kombination aus Data Science-Techniken wie maschinelles Lernen, Data Mining, Visualisierung und Big Data Infrastructures. Der Schwerpunkt liegt auf Process Mining einschließlich Prozesserkennung, Konformitätsprüfung, Leistungsanalyse, Vorhersageanalytik, Betriebsunterstützung und Prozessverbesserung. Dies wird mit benachbarten Disziplinen wie Operations Research, Algorithmen, diskrete Event-Simulation, Business Process Management und Workflow-Automatisierung kombiniert.
Der Lehrstuhlinhaber ist der Begründer der Process Mining Disziplin und einer der führenden Informatiker der Welt. Seine Ambition ist es wissenschaftliche Durchbrüche zu verwirklichen, die Organisationen dabei helfen, einen geschäftlichen und gesellschaftlichen Wert aus Veranstaltungsdaten zu ziehen. Investitionen der RWTH, der Alexander-von-Humboldt-Stiftung und des Fraunhofer-Instituts für Angewandte Informationstechnik ermöglichen es, dies zu realisieren und geben Ihnen die einzigartige Chance auf wissenschaftliche Tätigkeit und Promotion im Bereich des Process Mining.

Ihr Profil

oSie haben ein abgeschlossenes Hochschulstudium (Master oder vergleichbar) in Informatik oder einer verwandten Disziplin zum Beispiel Statistik, Operations Research oder Management Science mit einer Spezialisierung in Data- und/oder Process Mininig, und streben eine Tätigkeit als wissenschaftlicher Mitarbeiter im Bereich Data Science an.
oSie haben einen sehr guten Studienabschluss und können dies anhand Ihrer Zeugnisse und Referenzen nachweisen.
oSie haben eine schnelle Auffassungsgabe und arbeiten engagiert, autonom und kreativ.
oSie kennen sich mit Process Mining aus (z.B. haben Sie das Process Mining Buch https://www.springer.com/de/book/9783662498507 gelesen oder den Coursera MOOC "Process Mining: Data science in Action" https://www.coursera.org/learn/process-mining) erfolgreich abgeschlossen.
oSie haben ein echtes Interesse und/oder Erfahrung im Process Mining und sind bereit, dies im Rahmen des Bewerbungsprozesses zu demonstrieren.
oSie verfügen über ausgezeichnete analytische Fähigkeiten und sind bereit, Ihre Ideen in Software umzusetzen.
oSie sind ehrgeizig und gleichzeitig ein Teamspieler.
oSie verfügen über sehr gute Sprachkenntnisse (Deutsch und Englisch) und haben Freude daran, Ihre Ideen zu präsentieren.

Ihre Aufgaben

Die PADS-Gruppe war sowohl mit einem Einzel- als auch mit einem Verbundantrag in der Bund-Länder-Initiative zur Förderung von Künstlicher Intelligenz in der Hochschulbildung erfolgreich (insgesamt 5,8 Millionen Euro). Die Projekte kombinieren Process Mining, KI und Learning Analytics. Die beiden Projekte sind "BridgingAI" und "AIStudyBuddy". Beide werden vom RWTH-Zentrum für Künstliche Intelligenz (KI-Zentrum) koordiniert.

Das Projekt AIStudyBuddy (3,9 Millionen Euro) kombiniert Learning Analytics und Process Mining. Neben der RWTH arbeiten auch die Ruhr-Universität Bochum (RUB) und die Bergische Universität Wuppertal (BUW) daran, moderne KI-Technologien zur Unterstützung der Planung und Reflexion individueller Studienverläufe einzusetzen.
Im Fokus stehen dabei zwei Zielgruppen:
Für Studierende bietet der "StudyBuddy" eine fundierte und faktenbasierte Planung ihres Studiums über mehrere Semester in die Zukunft. Der StudyBuddy ermöglicht erweiterte Visualisierungen des Studienfortschritts und gibt handlungsorientiertes Feedback. Mit Hilfe von KI-Technologien werden zum Beispiel Studienverläufe ermittelt, die in der Vergangenheit zu einem erfolgreichen Abschluss geführt haben.
Die zweite Zielgruppe ist die Gruppe der Curriculum-Designer. Sie erhalten mit "BuddyAnalytics" ein Werkzeug, das interaktive Visualisierungen und Informationen zur Entscheidungsfindung bereitstellt. Das Ziel ist es, ihnen zu helfen, die kompetenzorientierte Curriculumentwicklung sowie die Beratung von Studierenden mit Hilfe von datengetriebenen Analysen zu verbessern. Das Projekt kombiniert die KI-Paradigmen der datenbasierten (Process Mining) und der regelbasierten KI (Answer Set Programming). Process Mining entdeckt und analysiert das tatsächliche Studienverhalten anhand von Daten aus dem Campus-System, der Studienverwaltung und den Prüfungssystemen. Es vergleicht reale Studienverläufe mit den angestrebten.
https://www.pads.rwth-aachen.de/global/show_picture.asp?id=aaaaaaaabctuexu

Das Projekt BridgingAI (1,9 Mio. Euro) verfolgt das Ziel, KI-bezogene Lehrveranstaltungen einem größeren Publikum zugänglich zu machen. Bildungsangebote mit Bezug zu KI werden stark nachgefragt, gleichzeitig ist die Zahl der Studenten, die Vorlesungen besuchen, aufgrund von Kapazitätsproblemen begrenzt. Daher werden skalierbare Lösungen benötigt. Hier kommt BridgingAI ins Spiel: Aufbauend auf der vorhandenen KI-Expertise an der RWTH wird ein Mikro-Bachelor entwickelt, der für Studierende aus verschiedenen Fachrichtungen konzipiert ist. Dieser sogenannte Mikro-Bachelor zielt darauf ab, ein Lehrplan zur Überbrückung beim Übergang vom Bachelor zum Master zu erstellen. Die PADS-Gruppe wird zwei neue Massive Open Online Courses (MOOCs) entwickeln: einen MOOC zu Process Mining und einen MOOC zu Data Science.
https://www.pads.rwth-aachen.de/global/show_picture.asp?id=aaaaaaaabctuges

Siehe auch https://www.ai.rwth-aachen.de/go/id/pmgjb?lidx=1#aaaaaaaaaapmgjd für weitere Details.
Kandidaten, die sich für die Positionen im Bereich Process Mining interessieren, sind eingeladen, sich über applications@pads.rwth-aachen.de unter dem Stichwort "BridgingAI" oder "AIStudyBuddy" zu bewerben. Wenn Sie sich bewerben, geben Sie bitte relevante Informationen an und begründen Sie, warum Sie zu unserer Forschung und dem Projekt beitragen können. Generische Bewerbungen werden aussortiert.

Unser Angebot

Die Einstellung erfolgt im Beschäftigtenverhältnis.
Die Stelle ist zum nächstmöglichen Zeitpunkt zu besetzen und befristet für 1 Jahr. Eine Verlängerung um weitere 3 Jahre ist vorgesehen.
Es handelt sich um eine Vollzeitstelle. Auf Wunsch kann eine Teilzeitbeschäftigung ermöglicht werden.
Eine Promotionsmöglichkeit besteht.
Die Stelle ist bewertet mit EG 13 TV-L.

Die RWTH ist als familiengerechte Hochschule zertifiziert.
Die RWTH bietet im Rahmen eines Universitären Gesundheitsmanagements eine Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten (z. B. Hochschulsport) an. Ebenso besteht ein umfangreiches Weiterbildungsangebot und es wird ein Jobticket angeboten.
Die Stellenausschreibung richtet sich an alle Geschlechter.
Wir wollen an der RWTH Aachen University besonders die Karrieren von Frauen fördern und freuen uns daher über Bewerberinnen.
Frauen werden bei gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt berücksichtigt, sofern sie in der Organisationseinheit unterrepräsentiert sind und sofern nicht in der Person eines Mitbewerbers liegende Gründe überwiegen.
Bewerbungen geeigneter schwerbehinderter Menschen sind ausdrücklich erwünscht.
Im Sinne der Gleichbehandlung bitten wir Sie, auf ein Bewerbungsfoto zu verzichten.
Informationen zur Erhebung personenbezogener Daten nach Artikeln 13 und 14 Datenschutz-Grundverordnung (DS-GVO) finden Sie unter http://www.rwth-aachen.de/dsgvo-information-bewerbung

Bewerbung
Nummer:34632
Frist:30.09.2021
Postalisch:RWTH Aachen University
Informatik 9 - Process and Data Science
Ahornstraße 55
52074 Achen
E-Mail:
Bitte beachten Sie, dass Gefährdungen der Vertraulichkeit und der unbefugte Zugriff Dritter bei einer Kommunikation per unverschlüsselter E-Mail nicht ausgeschlossen werden können.