Senior ADAS- und Embedded-Integrationsingenieur

Ein Unternehmen entwickelt die nächste Generation sprachgesteuerter Fahrerlebnisse, die Vision Language Models (VLMs) mit fortschrittlichen Fahrerassistenzsystemen kombinieren. Als Teil eines schlanken, hochqualifizierten Teams ist der Senior ADAS- und Embedded-Integrationsingenieur dafür verantwortlich, KI-basierte Wahrnehmungs- und Entscheidungsfunkungen in ein bestehendes Parksystem zu integrieren und auf Automotive-Hardware bereitzustellen.

Die Rolle vereint eingebettete Software, ADAS-Systeme, KI-Deployment und Fahrzeugintegration. Die Arbeit des Ingenieurs ermöglicht natürliche Sprachinteraktionen beim Einparken und sichert gleichzeitig einen zuverlässigen Betrieb innerhalb der Einschränkungen von Automotive-Plattformen.

Wesentliche Aufgaben:

Integrieren von VLM-basierten Komponenten in einen bestehenden Park- und ADAS-Softwarestack. Entwerfen und Implementieren von Schnittstellen zwischen KI-Komponenten, Wahrnehmungssystemen und Parkfunktionen. Bereitstellen und Optimieren von KI-Modellen auf Automotive-Compute-Plattformen. Entwickeln von Software für Sensor-, Kamera- und Fahrzeugsystemintegration. Bewerten der Laufzeitperformance, des Speicherverbrauchs und der Latenz von KI-Workloads. Unterstützen von Simulation, HiL- und Fahrzeugtests. Zusammenarbeit mit ML-Ingenieuren, um Forschungsprototypen in robuste Softwarekomponenten zu überführen. Erkennen von Integrationsrisiken und Lösen komplexer technischer Probleme. Mitwirken an Softwarearchitektur- und technischen Designentscheidungen im Projekt. Aufbauen wiederverwendbarer Muster für zukünftige KI-gestützte ADAS-Anwendungen.

Bachelor- oder Masterabschluss in Informatik, Elektrotechnik, Robotik oder einem verwandten Fachgebiet. Mindestens 3 Jahre Erfahrung in der Entwicklung von Software für Automotive-, Robotik-, Embedded- oder Echtzeitsysteme. Fundierte Programmierkenntnisse in C++ und Python. Erfahrung in der Softwareentwicklung auf Linux-basierten Plattformen. Erfahrung mit ADAS, Wahrnehmungssystemen, Robotik oder autonomen Systemen. Erfahrung in der Integration komplexer Softwarekomponenten über mehrere Subsysteme hinweg. Bevorzugte Qualifikationen:

Erfahrung mit Parksystemen, Manövrierfunktionen bei niedriger Geschwindigkeit oder ADAS-Architekturen. Erfahrung im Deployment von Machine-Learning-Modellen mit ONNX Runtime, TensorRT oder ähnlichen Frameworks. Vertrautheit mit Automotive-Middleware und Kommunikationsframeworks (ROS/QNX). Erfahrung mit NVIDIA DRIVE, Snapdragon Ride oder ähnlichen Automotive-Compute-Plattformen. Verständnis von Computer-Vision- und Machine-Learning-Konzepten. Erfahrung mit Simulations- und Fahrzeugvalidierungsumgebungen.