Automotive Application Engineer

Über uns

Axelera AI (https://www.axelera.ai) ist kein gewöhnliches Deep-Tech-Unternehmen. Wir entwickeln die KI-Plattform der nächsten Generation, um jeden zu unterstützen, der dazu beitragen möchte, die Menschheit voranzubringen und die Welt um uns herum zu verbessern.

In nur fünf Jahren haben wir insgesamt 450 Millionen $ eingeworben und ein erstklassiges Team von über 250 Mitarbeitern aufgebaut (einschließlich über 60 PhDs mit mehr als 40.000 Zitaten), sowohl remote aus 20 verschiedenen Ländern als auch mit Büros in Belgien, Frankreich, der Schweiz, Italien, dem Vereinigten Königreich, mit Hauptsitz am High Tech Campus in Eindhoven, Niederlande.

Wir haben zudem unsere Metis™ AI Plattform eingeführt, die eine 3-5-fache Steigerung der Effizienz und Leistung erreicht, und verfügen über eine starke Business-Pipeline von über 100 Millionen $.

Unser unerschütterliches Engagement für Innovation hat uns fest als globaler Branchenpionier etabliert.

Sind Sie bereit für die Herausforderung?

Positionsübersicht

Axelera AI sucht einen praxisorientierten Automotive Application Engineer, um die Full-Stack Edge-AI-Lösung von Axelera – Accelerator-Silizium und dessen Software-Toolchain – gegen die Anforderungen des Automobilmarktes zu testen und anzupassen.

Innerhalb des Automotive-Teams werden Sie Markt- und Kundenanforderungen in testbare Kriterien umwandeln und die Lösung anschließend dagegen verifizieren: Portierung und Quantisierung von Automotive-KI-Workloads, Charakterisierung von Leistung und Energieverbrauch, Benchmarking gegen konkurrierende Plattformen und Dokumentation der Lücke zwischen dem, was der Stack heute leistet, und dem, was Automotive-Programme fordern. Sie werden auch zu kollaborativen R&D-Programmen und Automotive-Konsortien beitragen – indem Sie technische Arbeitspakete übernehmen, Demonstratoren bauen und diese Arbeit in die interne Roadmap einfließen lassen.

In Ihrer Funktion berichten Sie an den Head of Automotive und arbeiten eng mit dem Principal Automotive Solution Architect, den Software- und AI-R&D-Teams, dem Produktmanagement und dem Functional Safety Manager zusammen.

Hauptverantwortlichkeiten:

Lösungsvalidierung gegen Markt- und Kundenanforderungen

• Übersetzung von Markt- und Kundenanforderungen in testbare Evaluationskriterien, Verifizierung des Axelera-Stacks gegen diese und Aufrechterhaltung einer aktuellen Ansicht von Anforderungen gegenüber Fähigkeiten über Releases hinweg, mit internen Evaluierungsberichten für Automotive, Produkt und R&D.

Benchmarking gegen Automotive-Anwendungsfälle

• Definition und Durchführung von Benchmarks rund um reale Automotive-Anwendungsfälle (ADAS-Perzeption, Surround View/Parken, BEV/Occupancy, DMS/OMS, Sensorfusion), ausgedrückt in Automotive-Begriffen (FPS pro Stream, Latenz, Genauigkeit am erforderlichen Betriebspunkt).
• Portierung, Quantisierung und Optimierung von Automotive-Workloads auf Axelera, Aufbau reproduzierbarer Benchmark-Suites unter automotive-realistischen Bedingungen und Durchführung von Wettbewerbsvergleichen – wobei jedes Ergebnis nach Silizium-Revision, Sample-Grade und SDK-Version gekennzeichnet wird.
• Aufrechterhaltung der Benchmark-Automatisierung, Regressionsverfolgung und Dashboards.

Automotive-Anpassung des Full Stacks

• Identifizierung und Schließung von Lücken zwischen dem aktuellen Stack und den Automotive-Erwartungen (Toolchain, Runtime, OS/Middleware-Integration, Determinismus, Diagnostik) und Prototyping der Runtime-Integration in Automotive-Umgebungen (Linux/QNX, AUTOSAR Adaptive, Android Automotive OS, ROS 2).
• Einspielen von automotive-spezifischen Anforderungen und thermischen/Duty-Cycle-Profilen in die SDK/Produkt-Roadmaps und die Functional Safety Arbeit.

Sicherheitsqualifizierter Software-Stack (ASIL-B / ASIL-D)

• Aktive Mitarbeit am ASIL-B/ASIL-D Software-Stack (Safety Runtime, Diagnostik, Monitoring) neben R&D und dem Functional Safety Manager, unter Verifizierung gegen realistische Kunden-Integrationsszenarien.
• Bewertung des Integrationsaufwands für einen Tier-1/OEM und Rückmeldung der Lücken als priorisierte Erkenntnisse.

Kollaborative R&D-Programme und Konsortien

• Übernahme oder Mitverantwortung für technische Arbeitspakete in kollaborativen R&D-Projekten und Automotive/Edge-AI-Konsortien – Deliverables, Meilensteine, Demonstratoren – in Abstimmung mit OEM/Tier-1/Forschungspartnern und Sicherstellung der Ausrichtung der Arbeit an der internen Roadmap.

Markt- und technische Intelligenz

• Verfolgung von Automotive-KI/ADAS-Trends und Wettbewerbs-Benchmarks sowie Übersetzung der Erkenntnisse in priorisierte Empfehlungen für Produkt und Engineering.

Qualifikationen:

Erforderlich

• 4–8 Jahre in Embedded Software oder Application Engineering, im Bereich Automotive oder Automotive-Halbleiter, mit fundierten Kenntnissen in Embedded C und Python für Tooling/Testautomatisierung.
• Echtzeitsysteme und sicherheitsqualifizierte Entwicklung in einem ASIL-B/ASIL-D Kontext (ISO 26262 Anforderungen, Sicherheitsmechanismen, Diagnostik, unterstützende Nachweise).
• Embedded-Entwicklung auf ressourcenbeschränkten Targets (Board Bring-up, Treiber, BSPs) unter Verwendung von Standard-Automotive-Toolchains (Cross-Compilation, Trace/Debug, CI, MISRA) auf Embedded Linux mit Erfahrung in QNX oder AUTOSAR.
• Validierung auf Target-Hardware: Bench/HIL-Testing und Charakterisierung über den gesamten Automotive-Temperaturbereich.
• Strukturierte Denkweise (Requirements-to-Evidence) und klares technisches Schreiben.
• Fließendes Englisch; ca. 15% Reisetätigkeit für Konsortien-Meetings und Partnerlabore.

Sehr erwünscht

• Erfahrung mit Deep-Learning-Frameworks (PyTorch, ONNX), Modellbereitstellung auf Embedded-Targets und Quantisierungs-/Graph-Compilation-Konzepten – oder die Bereitschaft, dies schnell zu lernen.
• Vertrautheit mit Computer-Vision/kamera-basierter Automotive-Perzeption-Workloads.
• Erfahrung in kollaborativen R&D-Projekten (Horizon Europe, Chips JU, nationale Programme).