TUM Venture Labs: Werkstudent_in (w/m/d) Product / Forward Deployed Engineer - Growth & Intelligence

TUM Venture Labs ist ein Deeptech-Incubator und Teil des UnternehmerTUM-Ökosystems — laut Financial Times Europas führender universitärer Startup-Hub. Wir begleiten Scientists auf ihrem Weg vom Forschungsdurchbruch zum erfolgreichen Unternehmen — entlang der verschiedenen Startup Phasen.

Unser Produktteam sucht einen Werkstudentin (m/w/d), der/die uns bei der Entwicklung und dem Betrieb von KI-gestützten Produkten, Automatisierungen und operativen Support-Prozessen unterstützt.

Du arbeitest mit uns an einer der spannendsten Fragen im europäischen Innovations-Ökosystem: wie wir aus Scientists mehr und bessere Deeptech-Founders machen und ihre Ideen erfolgreich zu skalierbaren Businesses konvertieren.

Standort: München

Umfang: 20 Stunden/Woche

Was Forward Deployed bei uns bedeutet:

• Du sitzt direkt bei der Person, die das Problem hat
• Du verstehst den Geschäftskontext bevor du Code schreibst
• Du baust selbst, iterierst schnell, lieferst Working Software statt Specs
• Du machst dich überflüssig, indem du Tools baust die andere skalieren

Inspiriert vom Forward Deployed Engineering Modell von aufstrebenden AI-Companies.

Was du machst:

Founders Journey Engineering

• Funnel-Analyse über alle vier Phasen — wo verlieren wir wie viele Founders und warum
• A/B-Tests, Activation-Loops und Lifecycle-Kampagnen konzipieren und implementieren
• Qualität eingehender Bewerbungen messbar machen und steigern
• SQL gegen Salesforce/Supabase, Python für Daten-Pipelines, API-Integrationen
• Tracking-Infrastruktur (PostHog, Custom Events)
• Generative Engine Optimization & SEO — Sichtbarkeit in ChatGPT, Perplexity, Claude, Gemini

Operational Intelligence Layer

• Datenquellen verbinden: Salesforce, Notion, Slack, Sharepoint zu durchsuchbarem Layer
• Single Source of Truth Pipelines (z.B. Startup-Master-Data)
• AI-Agents für wiederkehrende interne Fragen
• Workflow-Automatisierung via Make.com, n8n oder Custom Code
• Self-Service Reporting für nicht-technische Teammitglieder

Was du mitbringst

• Nachweisbare Builder-Erfahrung — GitHub, Portfolio oder Live-Demo
• SQL auf „Ich baue uns eine Funnel-Query in 30 min"-Niveau
• Python hands-on: Pandas, Requests, einfache Scripts
• API-Erfahrung: REST, Auth, Pagination
• Analytics-Tools: PostHog, GA4, Mixpanel, Amplitude
• Growth-Mechaniken nicht nur gelesen, sondern angewendet: AARRR, JTBD, Channel-Product-Fit
• Eigenständig, ergebnisorientiert, kein Wartemodus
• Fließend in Deutsch und Englisch

Was dich von anderen abhebt

• AI-Agents, RAG-Pipelines, Vector Databases (Pinecone, pgvector, Weaviate)
• AI-Tools im Engineering-Alltag: Claude Code, Cursor, Copilot
• Semantic Search, Embeddings, LLM-Integrationen
• Marketing-Automation: HubSpot, Customer.io, Brevo, Loops
• Workflow-Automatisierung: Make.com, n8n
• Salesforce, Frontend-Basics, SEO/GEO
• Reforge, Lenny's, Brian Balfour — als Denkweise, nicht als Lektüreliste
• Startup- oder Scale-up-Erfahrung

• Du sammelst Hands-on-Erfahrung mit LLMs, KI-Tools und No-Code/Low-Code-Technologien
• Du gestaltest mit, wie eine Organisation KI in Zukunft einsetzen wird
• Freiraum für kreative Lösungen & Prozessautomatisierung
• Direkter Impact auf das Startup-Ökosystem.
• Hybrides Arbeiten & flexible Arbeitszeiten für eine optimale Studienvereinbarkeit.
• Einblicke in die Startup- & KI-Szene.
• Zugang zu exklusiven Branchen-Events & wöchentlichen Sportaktivitäten.

Was diese Stelle einzigartig macht

Du arbeitest direkt daran, wie wir aus Scientists erfolgreiche Deeptech-Founder machen und ihre Ideen zu skalierbaren Businesses entwickeln. Du baust selbst, mit AI-Engineering-Unterstützung und modernem Stack, eingebettet in eine wachsende Deeptech-Organisation mit Zugang zu Foundern, MDs und Labs.

Was wir von dir sehen wollen

• Ein Projekt, das du gebaut hast - Problem, Lösung (Code her), messbares Ergebnis
• Zwei Hypothesen mit konkreter Bauidee:
  • Wie würdest du die Founders Journey (Excite → Engage → Enable → Fund) in 3 Monaten spürbar verbessern, und wie setzt du das technisch um?
  • Wo fängst du an, einen Operational Intelligence Layer zu bauen, und warum genau dort?
• Deinen CV
• GitHub oder Portfolio - falls vorhanden, gerne her damit