Senior ADAS- und Embedded-Integrationsingenieur

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

Die Rolle bewegt sich an der Schnittstelle von Embedded Software, ADAS-Systemen, KI-Deployment und Fahrzeugintegration. Die Arbeit des Ingenieurs ermöglicht natürliche Sprachinteraktionen beim Parken und stellt gleichzeitig einen zuverlässigen Betrieb innerhalb der Grenzen von Automotive-Plattformen sicher.

Wichtige Aufgaben:

• VLM-basierte Komponenten in einen bestehenden Park- und ADAS-Software-Stack integrieren.
• Schnittstellen zwischen KI-Komponenten, Wahrnehmungssystemen und Parkfunktionen entwerfen und implementieren.
• KI-Modelle auf Automotive-Compute-Plattformen bereitstellen und optimieren.
• Software für die Integration von Sensoren, Kameras und Fahrzeugsystemen entwickeln.
• Laufzeitperformance, Speichernutzung und Latenz von KI-Workloads bewerten.
• Simulation, HiL- und Fahrzeugtests unterstützen.
• Mit ML-Ingenieuren zusammenarbeiten, um Forschungsprototypen in robuste Softwarekomponenten zu überführen.
• Integrationsrisiken identifizieren und die Lösung komplexer technischer Probleme vorantreiben.
• Zu Softwarearchitektur und technischen Designentscheidungen im gesamten Projekt beitragen.
• Dabei helfen, wiederverwendbare Muster für zukünftige KI-gestützte ADAS-Anwendungen zu etablieren.

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

Bevorzugte Qualifikationen:

• Erfahrung mit Parksystemen, Funktionen für langsame Manöver oder ADAS-Architekturen.
• Erfahrung mit dem Deployment von Machine-Learning-Modellen mit ONNX Runtime, TensorRT oder ähnlichen Frameworks.
• Vertrautheit mit Automotive-Middleware und Kommunikations-Frameworks (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.