Postdoc in Computational Social Science: Research Infrastructures und Synthetic Social Media Data (CSS-119)

Über diese Stelle

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 Data Science Methods eine*n

Postdoc in Computational Social Science: Research Infrastructures und Synthetic Social Media Data
(Entgeltgruppe 13 TV-L, Arbeitszeit 75% GESIS, 25% CAIS; befristet bis 30.04.2029)

Die Abteilung Computational Social Science (CSS) erhebt digitale Verhaltensdaten und stellt computerbasierte Methoden zur Erhebung und Analyse solcher Daten für die sozial-wissenschaftliche Forschung bereit. Flankierend unterstützt sie Wissenschaftler*innen bei der Integration von digitalen Verhaltensdaten in ihre Forschungsdesigns. Forschungs-schwerpunkte der Abteilung sind die Qualität digitaler Verhaltensdaten, die Entwicklung und Validierung von Computational Social Science-Methoden sowie der Wandel digitaler Gesellschaften.
Die Stelle ist Teil des Projekts „SynDIKAT – Synthetic Disinformation Data, Infrastructure for Collaboration, and Analysis Toolbox for Social Media Research“, das vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) gefördert wird. Das Projekt wird gemeinsam von der Universität Münster, der GESIS – Leibniz-Institut für Sozialwissenschaften, dem Center for Advanced Internet Studies (CAIS) sowie der Technischen Universität Dortmund durchgeführt.
Die Stelle ist gemeinsam am  GESIS – Leibniz-Institut für Sozialwissenschaften (75 % Arbeitszeit) innerhalb der Abteilung Computational Social Science (CSS) und am Center for Advanced Internet Studies (CAIS) (25 % Arbeitszeit) angesiedelt.

Entwicklung von Forschungsinfrastrukturen für die Bereitstellung, Dokumentation und Evaluation von Social-Media-Datensätzen
Konzeption und Implementierung von APIs, Datenzugangsmechanismen und Evaluationsframeworks für offene und synthetische Datensätze
Forschung zur Generierung synthetischer Daten mithilfe von Large Language Models (LLMs) und anderen generativen KI-Verfahren
Evaluation synthetischer Datensätze hinsichtlich Realitätsnähe, Nutzbarkeit, Datenschutz und Leistung in nachgelagerten Analyseaufgaben
Entwicklung von Benchmarking-Ansätzen zur Bewertung computergestützter Methoden in der Social-Media- und Desinformationsforschung

Abgeschlossene Promotion in Computational Social Science, Informatik, Data Science, Wirtschaftsinformatik, Computerlinguistik, Politikwissenschaft, Kommunikationswissenschaft, Soziologie oder einem verwandten Fachgebiet
Erfahrung im Bereich Machine Learning und LLMs
Erfahrung mit Containerisierungstechnologien (z.B. Docker) sowie reproduzierbaren Forschungsworkflows
Erfahrung im Umgang mit Social-Media-Daten, digitalen oder anderen großskaligen Verhaltensdatensätzen
Sehr gute Programmierkenntnisse in Python; Erfahrungen mit modernen Machine-Learning-Frameworks sind von Vorteil

Die Möglichkeit, an der Entwicklung von Forschungsinfrastrukturen der nächsten Generation für die Computational Social Science mitzuwirken
Ein internationales, interdisziplinäres und stark kollaboratives Forschungsumfeld
Hervorragende Möglichkeiten, ein eigenständiges Forschungsprofil zu entwickeln und internationale Kooperationen aufzubauen und auszubauen
Flexible Arbeitszeiten und Regelungen zum mobilen Arbeiten
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 Aufgabengebieten wenden Sie sich bitte per E-Mail  ([email protected]) an Dennis Assenmacher. Bei Fragen zum Bewerbungsprozess steht Ihnen Franca Tosetti per E-mail ([email protected]) zur Verfügung.
Dann bewerben Sie sich bitte bis einschließlich 15.07.2026 über unser Online-Bewerbungsportal. Die Kennziffer lautet: CSS-119