JOB DETAILS

Studentische Hilfskraft, Team Transparent Social Analytics (SHK-CSS-38)

CompanyGESIS – Leibniz-Institut für Sozialwissenschaften
LocationCologne
Work ModeOn Site
PostedJuly 16, 2026
About The Company
With more than 300 employees at two locations - Mannheim and Cologne - GESIS provides essential and internationally relevant research-based services for the social sciences. As the largest European infrastructure institute for the social sciences GESIS offers advice, expertise and services at all stages of scientists' research projects. With this support socially relevant questions can be answered based on the latest scientific methods, and with high quality research data.
About the Role

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 Computational Social Science (CSS), Team Transparent Social Analytics eine
 
Studentische Hilfskraft
(15,20 € / 16,09 € Stundenlohn, 14 Wochenstunden, befristet)
 
Die Abteilung Computational Social Science (CSS) erhebt digitale Verhaltensdaten und stellt computerbasierte Methoden zur Erhebung und Analyse solcher Daten für die sozialwissenschaftliche Forschung bereit. Flankierend unterstützt sie Wissenschaftler*innen bei der Integration von digitalen Verhaltensdaten in ihre Forschungsdesigns. Forschungsschwerpunkte der Abteilung sind die Qualität digitaler Verhaltensdaten, die Entwicklung und Validierung von Computational Social Science Methoden sowie der Wandel digitaler Gesellschaften.
 
Ziel des Teams Transparent Social Analytics ist es, Erhebungs-, Vorverarbeitungs- und Analysemethoden für digitale Verhaltensdaten zugänglich und transparent zu machen sowie computergestützte sozial-wissenschaftliche Forschung reproduzierbar zu gestalten. Die Stelleninhaberin/der Stelleninhaber wird insbesondere das Team rund um den GESIS Methods Hub dabei unterstützen, KI-Anwendungen zu gestalten, zu erproben und zu evaluieren.

Ihr Aufgabengebiet:

  • Erstellung von Analyseskripten für sozialwissenschaftliche Fragestellungen mit Hilfe von R oder Python 
  • Generierung und Testen von synthetischen Daten, die die Eigenschaften realer Daten aus der Sozialforschung/ digitalen Verhaltensforschung abbilden, mithilfe von KI-Modellen
  • Überprüfung von statistischen Analysen auf ihre Reproduzierbarkeit 

Das lernst Du bei uns:

Ihr Profil:

  • Abgeschlossenes (oder bald abgeschlossenes) Bachelorstudium in Informatik oder einem verwandten Fach
  • Erfahrung in der Programmierung mit R oder Python
  • Interesse und Erfahrung mit generativer KI bzw. Large Language Models
  • Gute Englisch- oder Deutschkenntnisse

Das bringst Du mit:

Wir bieten:

  • Aktive Gestaltung an Systemen, die von vielen Wissenschaftler*innen genutzt werden 
  • Gelegenheit an wissenschaftlicher Arbeit und Publikationen teilzuhaben 
  • Flexible Arbeitszeiten und Regelungen zum mobilen Arbeiten
  • Sehr gute Bedingungen für die Vereinbarkeit von Beruf und Familie
  • Ganzheitliches betriebliches Gesundheitsmanagement und die vergünstigte Teilnahme am Sportprogramm der Uni 
  • Förderung Ihrer Kompetenzen durch Weiterbildungsmaßnahmen

Kontakt

Für weitere Informationen zu den Aufgabengebieten wenden Sie sich bitte per E-Mail an Dr. Christina Viehmann. Bei Fragen zum Bewerbungsprozess steht Ihnen Franca Tosetti per E-Mail zur Verfügung.

Wir haben Dein Interesse geweckt?

Wir haben Ihr Interesse geweckt?

Dann bewerben Sie sich bitte bis einschließlich 06.08.2026 über unser Online-Bewerbungsportal.
Die Kennziffer lautet: SHK-CSS-38

About us


GESIS ist eine der weltweit führenden Infrastruktureinrichtungen für die Sozialwissenschaften und steht Forscher*innen mit Expertise und Infrastrukturangeboten auf allen Ebenen ihrer Forschungsprojekte zur Seite. Wir tragen dazu bei, dass gesellschaftlich relevante Fragen auf der Basis belastbarer Daten, neuester wissenschaftlicher Methoden und Forschungsinformationen beantwortet werden können. Wir helfen bei der Studienplanung und der Datenerhebung, bieten qualitativ hochwertige Forschungsdaten, unterstützen bei der Datenaufbereitung und -analyse sowie schließlich bei der Archivierung der Daten.

GESIS unterstützt Sie dabei, sich weiter zu qualifizieren. Wir bieten unseren Mitarbeiter*innen ein breites Spektrum von Karrieremöglichkeiten in einer ansprechenden Arbeitsatmosphäre mit einem hohen Maß an Eigenverantwortung und Gestaltungsspielraum. Bei uns arbeiten Sie in einem internationalen Umfeld im Herzen von Mannheim und Köln 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. 

In Vollzeit ausgeschriebene Stellen können auch in Teilzeit besetzt werden.

Als familienfreundlicher Arbeitgeber tragen wir seit 2010 das Zertifikat audit „berufundfamilie“.

Weitere Informationen zur Arbeit bei GESIS finden Sie hier.   

Logo der Leibniz Gesellschaft Zertifikat Beruf und Familie
Key Skills
RPythonGenerative AILarge Language ModelsStatistical AnalysisSynthetic Data GenerationData PreprocessingComputational Social Science
Categories
Science & ResearchData & AnalyticsTechnologySoftwareGovernment & Public Sector
Benefits
Opportunity to participate in scientific work and publicationsFlexible working hoursMobile working optionsWork-life balance supportHolistic occupational health managementDiscounted university sports programFurther education and training measures
Job Information
📋Core Responsibilities
The role involves creating analysis scripts for social science questions using R or Python and generating synthetic data using AI models. Additionally, the candidate will verify the reproducibility of statistical analyses to support the GESIS Methods Hub.
📋Job Type
werkstudierende
💰Salary Range
€15 - €16
📊Experience Level
0-2
💼Company Size
351
📊Visa Sponsorship
No
💼Language
German
🏢Working Hours
14 hours
Apply Now →

You'll be redirected to
the company's application page