Senior Software Engineer – ADAS

Trete in die Zukunft mit NVIDIA, einem globalen Führer in KI-Computing, Datenwissenschaft und Grafik, der Innovationen in Künstlicher Intelligenz, Deep Learning und autonomen Fahrzeugen vorantreibt. Unser Team von Visionären gestaltet weltweit Branchen mit modernsten Technologien um. Wir suchen einen Software Engineer auf mittlerem Niveau, um Produktions-ADAS- und autonome Fahrfunktionen in C++ und Python zu entwickeln. Wenn Sie leidenschaftlich daran interessiert sind, robuste, leistungsstarke Funktionen zu erstellen, die auf GPUs in echten Fahrzeugen laufen, würden wir gerne von Ihnen hören.

Was Sie tun werden:

• Entwerfen, Implementieren und Warten von C++ ADAS-Funktionen für Wahrnehmung, Vorhersage und Planung (z.B. Spurhaltung, ACC, AEB, Verkehrslicht- und Objektbehandlung) in einem sicherheitskritischen Code.
• Integration von Deep-Learning-Modellen in C++-Pipelines: Modelle, die in Python (PyTorch oder TensorFlow) trainiert wurden, exportieren/konvertieren und für die Echtzeitanalyse auf NVIDIA-GPUs bereitstellen.
• Arbeiten mit Multisensordaten – Kameras, Radar, Lidar – und Implementierung von Sensorfusion, Verfolgung und Entscheidungslogik in C++.
• Erstellen und Erweitern testbarer, modularer Bibliotheken und Komponenten, einschließlich Schnittstellen zu Modellen, Sensortreibern und Fahrzeugsteuerung.
• Profilieren, Debuggen und Optimieren von C++- und CUDA-Code, um strenge Latenz- und Durchsatzziele zu erreichen.
• Beitragen zu Werkzeugen rund um Datenqualität, automatisierte Bewertung und Regressionstests für ADAS-Funktionen.
• Eng mit ML-Forschern, Systemingenieuren und Automobilpartnern zusammenarbeiten, um Prototyp-Algorithmen in produktionsbereite C++-Implementierungen umzuwandeln.

Was wir sehen müssen:

• 4–8 Jahre professionelle Erfahrung in der Softwareentwicklung, idealerweise in ADAS, Automobil, Robotik oder Echtzeitsystemen.
• Master- oder Doktortitel in Informatik oder Maschinenlernen.
• Starke moderne C++-Kenntnisse (C++14/17 oder später): Templates, RAII, Smart Pointers, STL und Erfahrung im Aufbau großer Codebasen.
• Solide Python-Kenntnisse für Werkzeuge, Trainingsskripte und Verbindungs-Code zwischen Datenpipelines und C++-Komponenten.
• Praktische Erfahrung im Training und in der Nutzung von Deep-Learning-Modellen (PyTorch oder TensorFlow): Entwerfen von Experimenten, Abstimmen von Hyperparametern, Arbeiten mit großen Datensätzen und Debuggen des Modellverhaltens.
• Erfahrung in der Entwicklung auf Linux: Build-Systeme (CMake), Debugging (gdb, Sanitizers), Profiling und git-basierte Workflows in einer CI/CD-Umgebung.
• Vertrautheit mit einem oder mehreren der folgenden Bereiche: - GPU-Programmierung und -Optimierung (CUDA, TensorRT, cuDNN) - Computer Vision / Wahrnehmung (Objekterkennung, Segmentierung, Multi-Objekt-Verfolgung) - Robotik oder autonome Systeme (ROS/ROS2, ADAS-Funktionen, Simulationsumgebungen).

Wege, sich von der Masse abzuheben:

• Direkte Erfahrung in der Implementierung von ADAS-Funktionen in C++, wie Spurhaltung, adaptive Geschwindigkeitsregelung, automatische Notbremsung oder Verkehrszeichen-/Ampelbehandlung.
• Erfahrung mit Kamerakalibrierung, Sensorfusion oder Multikamera-Wahrnehmungssystemen.
• Kenntnisse in der Modelloptimierung und -bereitstellung: Quantisierung (INT8, FP8, 4-Bit), TensorRT-LLM, ONNX Runtime oder ähnliche Frameworks.
• Hintergrund in der Trainingsinfrastruktur: verteiltes Training, Experimentverfolgung, Datensatzversionierung, Hyperparameter-Optimierung.
• Verständnis von Softwarequalitätspraktiken für sicherheitskritische Systeme (Code-Überprüfung, Unit-Tests, statische Analyse; Kenntnisse über Automobilstandards sind von Vorteil) sowie Open-Source-Beiträge oder veröffentlichte Arbeiten in KI, Robotik oder GPU-Computing.

Arbeiten Sie an herausfordernden, realen ADAS- und autonomen Fahrproblemen, bei denen Ihre C++- und ML-Fähigkeiten direkt die Sicherheit und Leistung von Fahrzeugen beeinflussen. Arbeiten Sie mit einem talentierten, multidisziplinären Team von Forschern, Ingenieuren und Automobilexperten zusammen. Lösen Sie schwierige technische Probleme an der Schnittstelle von Deep Learning, Echtzeitsystemen und Softwareentwicklung in der Produktion. Wenn diese Gelegenheit mit Ihrem Hintergrund und Ihren Interessen übereinstimmt, bewerben Sie sich bitte mit Ihrem Lebenslauf und einer kurzen Beschreibung relevanter ADAS- oder Autonomieprojekte (Links zu GitHub, Veröffentlichungen oder technischen Berichten sind willkommen).