Hochschule Magdeburg-Stendal

WiMi zur innovativen Lehrentwicklung von Themen der künstlichen Intelligenz in den Bereichen Data Science, Data Analytics, maschinelles Lernen, Musteranalyse und Mustererkennung sowie wissensbasierte Systeme – Teilzeit (75%)

Für unser Team im BMBF-Projekt „ZAKKI – Zentrale Anlaufstelle für innovatives Lehren und Lernen interdisziplinärer Kompetenzen der Künstlichen Intelligenz“ suchen wir - vorbehaltlich der Mittelzuweisung und der Mittelverfügbarkeit - am Standort Magdeburg möglichst zum 01.12.2021 einen "Wissenschaftlichen Mitarbeiter (m/w/d) zur innovativen Lehrentwicklung von Themen der künstlichen Intelligenz in den Bereichen Data Science, Data Analytics, maschinelles Lernen, Musteranalyse und Mustererkennung sowie wissensbasierte Systeme".
Hinweis: Tatsächlich 36 h/Woche = 90 % möglich. Projektlaufzeit bis 30.11.2025

Die Hochschule Magdeburg-Stendal (h2) möchte den Themenkomplex „Künstliche Intelligenz (KI)“ in Studium und Lehre innovativ weiterentwickeln und interdisziplinär in den Studiengängen verankern. Dazu wird im Rahmen des Projekts ZAKKI eine zentrale Anlaufstelle mit drei sich inhaltlich ergänzenden Lehr-Lern-Laboren (Ai.Labs: Ai.Analytics-, Ai.Social-, Ai.Tech Lab) etabliert. Innerhalb der Labore entwickeln die wissenschaftlichen Mitarbeitenden gemeinsam mit Lehrenden und Studierenden Module, Lehrinhalte und interaktive Formate (z.B. Hackathons, KI-Summer Schools) zu technischen, ethischen und sozialen Fragen der KI, erproben diese und implementieren erfolgreiche Formate in die Lehre. Im Sinne der gestaltenden Bildungsforschung wird die Arbeit der Ai.Labs kooperativ nach dem Design-Based-Research-Ansatz durch ein viertes, im Querschnitt angelegtes Lab (Ai.Teach-Lab) begleitend beforscht und weiterentwickelt.

Ihre Aufgaben:
Das Ai.Analytics-Lab koordiniert und bündelt Lehraktivitäten der Themenfelder KI und Data Science in allen Fachbereichen. Vorgesehene Schwerpunkte der ausgeschriebenen Stelle liegen entsprechend in der Konzeption und kontinuierlichen Entwicklung von Lehr-Lern-Inhalten im Bereich Musteranalyse und Mustererkennung sowie wissensbasierter Systeme. Im Vordergrund steht die strukturierte und algorithmische Herangehensweise an die Gewinnung und Interpretation von Informationen aus großen Datensätzen mit Verfahren der Data Analytics. Mögliche Anwendungsfälle beinhalten bspw. die Prognose und Klassifikation von Schadensereignissen im Bausektor, Erstellung von Extremwetter-Prognosen, sensorgestützte Datenanalytik in Wasser- und Abwasser-Betriebseinheiten, KI-gestütztes Risiko- und Compliance-Management sowie die Entwicklung und das Anlernen intelligenter, kontextspezifischer Mensch-Maschine-Schnittstellen. Ebenfalls erfolgt eine Beteiligung an den gemeinsamen Aktivitäten der interdisziplinären Lehr-Lern-Labore und der begleitforschenden Evaluation der entwickelten Inhalte.

• Wissenschaftliche Entwicklung und Erprobung innovativer Studieninhalte und -formate zur Umsetzung und Anwendung von KI in den Bereichen Data Science, Data Analytics, maschinelles Lernen, Musteranalyse und Mustererkennung sowie wissensbasierte Systeme
• Aufbereiten von Forschungsprojekten, Demonstratoren und Best-Practice-Beispielen zum Aufbau und zur Entwicklung KI-basierter Use Cases in Anwendungsgebieten der Ingenieur-, Wirtschafts-, Bewegungs-, Sozial- und Gesundheitswissenschaften
• Wissenschaftliche Beratung von Lehrenden bei der Entwicklung und didaktischen Einbindung KI-bezogener Open Educational Ressources (OER) in Lehrveranstaltungen der Ingenieur-, Wirtschafts-, Bewegungs-, Sozial- und Gesundheitswissenschaften
• Empirische Überprüfung und evidenzbasierte Weiterentwicklung der didaktischen Ansätze und Lehr-Lern-Inhalte zur Förderung der KI-Kompetenzen
• Vernetzung, Austausch und Aufbau von fachbereichs- und lernlaborübergreifenden Anwendungsszenarien und interdisziplinären Studierendenprojekten
• Betreuung von Projekt-, Studien- und Abschlussarbeiten im Ai.Analytics-Lab
• Dokumentation der Ergebnisse und Transfer in die Hochschule, wissenschaftliche Auswertung, Aufbereitung und Veröffentlichung (OER, Fachzeitschriften)