Director of Engineering, Perception & Spatial AI

Was ist die Rolle? Während ADAS/AD sich in Richtung modellgetriebene Intelligenz bewegt, erweitert sich der Branchenwert von der Kartenlieferung hin zu Modelltraining und -validierung. HERE kann seine Karten- und Fahrdaten in eine skalierbare KI-Modellierungsplattform umwandeln – und erhebliche Werte aus Training, Validierung und der nächsten Generation von ADAS/AD-Leistungen schöpfen. Es ist das Wachstum von HEREs KI-Modellierungsplattform, das Karten und Fahrdaten in wiederverwendbare räumliche Intelligenz verwandelt – und skalierbares Training, Validierung und die nächste Generation von ADAS/AD-Leistungen antreibt.

Die Rolle

Als Engineering Director – Perception & Spatial AI werden Sie die Architektur und Lieferung von Wahrnehmungsmodellen leiten, die vom Cloud-Training bis zur Bereitstellung auf Automobil-Hardware reichen. Ein wesentlicher Teil der Herausforderung besteht darin, „für die Bereitstellung zu entwerfen“ – Modelle zu erstellen, die strengen Latenz- und Speicheranforderungen auf eingebetteten/Edge-Plattformen gerecht werden, ohne die Leistung in der realen Welt zu beeinträchtigen. Sie definieren die Architektur, bauen ein erstklassiges Team auf und verantworten den gesamten Weg von der Forschung bis zu einsatzbereiten Modellen in großem Maßstab.

Was Sie tun werden:

• Definieren und leiten Sie die End-to-End-Wahrnehmungsarchitektur – vom Cloud-Training bis zu einsatzbereiten Modellvarianten für Automobil-SoCs (z. B. Qualcomm Snapdragon Ride, NVIDIA Orin oder ähnliche).
• Verfolgen Sie einen bereitzuführenden Ansatz bei Architekturentscheidungen, einschließlich Quantisierung, Latenzzielen und Speicheranforderungen.
• Verwandeln Sie modernste Wahrnehmungsforschung in zuverlässige, skalierbare Produktionspipelines (Cloud + Edge-Modellvarianten).
• Leiten Sie BEV/multi-Kamera-Wahrnehmung, die sich auf die Straßeninfrastruktur konzentriert (Fahrspuren, Grenzen, Schilder, Ampeln, Straßenoberflächenattribute).
• Definieren Sie Evaluierungs- und Validierungsstandards, einschließlich hardwarebewusster Metriken (Latenz vs. Genauigkeitskompromisse, Speicherbedarf, Durchsatz auf Referenzhardware).
• Arbeiten Sie eng mit Forschungs-, Simulations-, Produkt- und Kunden-/Partnerteams zusammen, um sicherzustellen, dass die Ergebnisse von nachgelagerten Systemen genutzt werden können und den tatsächlichen Bereitstellungsbedürfnissen entsprechen.
• Bleiben Sie hands-on, indem Sie Architekturen aufbauen und überprüfen, kritische Probleme debuggen und neue Ansätze prototypisieren.
• Mentor und entwickeln Sie ein leistungsstarkes Team (Einstellung, Mentoring, Festlegung der technischen Richtung und Etablierung starker Ingenieurpraktiken).

Wer sind Sie?

Must-Have Erfahrung:

• 10+ Jahre Erfahrung in ML, KI, Computer Vision, Robotik, autonomem Fahren, räumlicher KI oder verwandten Bereichen.
• 5+ Jahre praktische Erfahrung mit Computer Vision, Wahrnehmung oder Szenenverständnissystemen.
• Nachweisliche Erfahrung in der Überführung von ML- oder Computer Vision-Modellen von der Forschungs- oder Prototypenphase in Produktionssysteme.
• Starkes Verständnis von Wahrnehmungsaufgaben wie Objekterkennung, semantische Segmentierung, Instanzsegmentierung, Fahrspurerkennung, Straßenbegrenzungen, Schilder, Ampeln oder Straßenoberflächenattribute.
• Erfahrung mit Deep-Learning-Frameworks, vorzugsweise PyTorch.
• Starkes Verständnis moderner Computer Vision-Architekturen, einschließlich Multi-Task-Learning und räumlichem Szenenverständnis.
• Erfahrung mit großen Trainingspipelines, einschließlich verteiltem Training, Experimentverfolgung und Modellversionierung.
• Praktische Erfahrung in der Optimierung von ML-Modellen für die Produktion, einschließlich Latenz-, Speicher-, Durchsatz- und Genauigkeitskompromissen.
• Vertrautheit mit Workflows zur Modellbereitstellung wie ONNX-Export, TensorRT oder ähnlichen Inferenzoptimierungsframeworks.
• Erfahrung in der Arbeit mit Edge-, Embedded-, Automobil-, Robotik-, Mobil- oder anderen hardwarebeschränkten Bereitstellungsumgebungen.
• Starke technische Führungserfahrung, einschließlich der Leitung von Ingenieur- oder angewandten Forschungsteams, Festlegung der technischen Richtung, Mentoring von Ingenieuren und Einstellung von Talenten.
• Fähigkeit, über Forschungs-, Ingenieur-, Produkt-, Plattform- und kundenorientierte Teams hinweg zu arbeiten.
• Starke Kommunikationsfähigkeiten, mit der Fähigkeit, technische Kompromisse sowohl technischen als auch nicht-technischen Stakeholdern zu erklären.
• Erfahrung mit großen Trainingsaufbauten (Multi-GPU/Multi-Node) und die Fähigkeit, praktische MLOps-Standards festzulegen (Experimentverfolgung, Modellversionierung, Reproduzierbarkeit).
• Neugierig und hands-on genug, um nah an aufkommenden Trends in Wahrnehmung, räumlicher KI, effizienten Modellen und Edge-Bereitstellungen zu bleiben.

Good to Have:

• Erfahrung mit BEV, Multi-Kamera-Wahrnehmung, 3D-Wahrnehmung, Lidar-Kamera-Fusion oder Belegungsprognose.
• Erfahrung mit Architekturen wie BEVFormer, BEVFusion oder ähnlichen räumlichen Wahrnehmungsmodellen.
• Erfahrung mit Automobil-SoCs wie NVIDIA Orin, Qualcomm Snapdragon Ride, TI TDA4 oder ähnlichen Plattformen.
• Praktische Erfahrung mit quantisierungsbewusstem Training, Post-Training-Quantisierung, Pruning, Destillation, gemischter Präzisionsinferenz oder Modellkompression.
• Erfahrung beim Benchmarking von Modellen auf echter Hardware und der Arbeit mit Latenz-, Speicher- und Durchsatzanforderungen.
• Vertrautheit mit QNN, TensorRT, Graphoptimierung, Operator-Kompatibilität oder hardware-spezifischen Kompilierungs-Workflows.
• Erfahrung mit geospatialen Daten, Kartenprioren, Straßen-Topologie, HD-Karten oder räumlichen Datenstrukturen.
• Erfahrung mit synthetischen Daten, Simulationspipelines oder Sim-to-Real-Validierung.
• Erfahrung mit großangelegten Fahr- oder Robotik-Datensätzen wie nuScenes, Waymo Open Dataset, KITTI, Argoverse oder ähnlichen.
• Exposition gegenüber Automobilsicherheitsstandards wie ISO 26262 oder SOTIF.
• Veröffentlichungen oder starke Forschungsbeiträge in Computer Vision, Wahrnehmung, Robotik oder maschinellem Lernen.
• Erfahrung in schnell wachsenden, skalierbaren oder schnelllebigen Produktumgebungen.

HERE ist ein Arbeitgeber, der Chancengleichheit bietet. Wir bewerten qualifizierte Bewerber unabhängig von Rasse, Hautfarbe, Alter, Geschlechtsidentität, sexueller Orientierung, Familienstand, Elternstatus, Religion, Geschlecht, nationaler Herkunft, Behinderung, Veteranenstatus und anderen gesetzlich geschützten Merkmalen. Im Rahmen des Einstellungsprozesses von HERE Technologies müssen die Kandidaten erfolgreich einen Vorbeschäftigungsprüfungsprozess durchlaufen. Dieses Angebot und alle damit verbundenen Ansprüche unterliegen dem erfolgreichen Abschluss einer Vorbeschäftigungsprüfung. Dies umfasst gegebenenfalls die Überprüfung von Beschäftigung, Ausbildung und strafrechtlichen Vergehen.

Wer sind wir? HERE Technologies ist ein Standortdaten- und Technologieplattformunternehmen. Wir befähigen unsere Kunden, bessere Ergebnisse zu erzielen – von der Unterstützung einer Stadt bei der Verwaltung ihrer Infrastruktur oder einem Unternehmen bei der Optimierung seiner Vermögenswerte bis hin zur sicheren Navigation von Fahrern zu ihrem Ziel. Bei HERE nehmen wir es uns zur Aufgabe, die Veränderung zu sein, die wir sehen möchten. Wir schaffen Lösungen, die Innovationen fördern, Chancen bieten und Inklusion fördern, um das Leben der Menschen zu verbessern. Wenn Sie von einer offenen Welt inspiriert sind und motiviert sind, positive Veränderungen zu schaffen, schließen Sie sich uns an.