Für die Bearbeitung des vom Einstein Center Digital Future (ECDF) geförderten Forschungsprojekts „Data Eco-Systems und AI“ sucht der Arbeitsbereich von Prof. Dr. Daniel Fürstenau eine*n engagierte*n wissenschaftliche*n Mitarbeiter*in. Im Idealfall verfügen Sie neben einem großen Interesse an den Themen Digital Health, Artificial Intelligence und Generative AI über Erfahrungen im Bereich Data Science. Eine enge Zusammenarbeit mit anderen Forschungsgruppen national und international ist vorgesehen.

Aufgabengebiet:
• Recherche und systematische Aufbereitung bestehender Literatur und Vorarbeiten im Bereich Digital Health, Artificial Intelligence und Generative AI
• Planung und Durchführung wissenschaftlicher empirischer Studien, sowohl prospektiv als auch anhand retrospektiver Daten
• Sammlung von Daten, prospektiv und anhand bereits bestehender Datensätze
• Analyse von Daten mit Schwerpunkt auf Methoden aus dem Bereich Data Science
• Anfertigen wissenschaftlicher Manuskripte und Publikation von Forschungsergebnissen
• Kommunikation mit Forschungspartner*innen (disziplinär, interdisziplinär und transdisziplinär), Dissemination von Forschungsergebnissen

Einstellungsvoraussetzungen:
Abgeschlossenes wiss. Hochschulstudium (Master, Diplom oder Staatsexamen) in einem der folgenden Studienfächer oder angrenzenden Bereichen: Wirtschaftsinformatik, Betriebswirtschaftslehre, Informatik, Wirtschaftsingenieurwesen, Data Science, Medizin oder Digital Health

Erwünscht:
• Ausgezeichneter Studienabschluss
• Interesse an mindestens einem der folgenden Themenbereiche: Digital Health, Artificial Intelligence, Generative AI
• Kenntnisse in quantitativen Methoden und Statistik (z.B. nachgewiesen durch abgeschlossene Kurse und/oder Zertifikate)
• Erste Erfahrungen im Bereich Data Science (z.B. durch abgeschlossene Kurse oder Zertifikate)
• Grundlegende Kenntnisse in Methoden und Gegenstandsbereichen der Betriebswirtschaftslehre (z.B. Strategie, Kosten-/Leistungsrechnung, Organisation, Innovationsmanagement) und/oder Wirtschaftsinformatik (z.B. nachgewiesen durch belegte Kurse, Praktika, Berufserfahrung, oder außercurriculare Aktivitäten)
• Interesse an bzw. erste Erfahrungen in der Erstellung von wissenschaftlichen Publikationen (z.B. durch forschungsnahe Abschlussarbeit oder Veröffentlichungen)
• Nachweisbare internationale Erfahrung, zum Beispiel durch ein Auslandssemester, Praktika im Ausland oder relevante Arbeitserfahrung in internationalen Teams oder Projekten.
• Teamfähigkeit, Organisationstalent, Flexibilität, ein hohes Maß an Verantwortungsbewusstsein und Eigeninitiative (nachgewiesen z.B. durch durchgeführte Projektarbeiten und außercurriculare Aktivitäten)
• sehr gute Sprachkenntnisse in Englisch (in Wort und Schrift)