Von der Genieportal-Redaktion · Stand:
Autonomous Driving Engineers entwickeln die Technologie für selbstfahrende Fahrzeuge. Sie arbeiten an Wahrnehmungssystemen (Kameras, LiDAR, Radar), Entscheidungsalgorithmen (Pfadplanung, Verhaltensvorhersage) und Fahrzeugsteuerung. Das autonome Fahren ist eines der komplexesten technischen Herausforderungen der Gegenwart und gleichzeitig eine Multi-Milliarden-Industrie. Deutschland ist ein Hotspot für autonomes Fahren: Mercedes-Benz hat als erster Automobilhersteller weltweit eine Level-3-Zulassung erhalten (DRIVE PILOT). BMW, VW, Bosch, Continental und ZF investieren Milliarden. Dazu kommen Startups wie Mobileye (Intel), Waymo (Alphabet) und chinesische Player (BYD, NIO) mit europäischen F&E-Zentren. Die Technologie gliedert sich in Level 0-5: Von keiner Automatisierung (Level 0) bis zum vollautonomen Fahren ohne Lenkrad (Level 5). Aktuell sind wir bei Level 2+ (Teilautomatisierung) bis Level 3 (bedingte Automatisierung, Fahrer als Rückfallebene). Level 4 (Robotaxis in definierten Gebieten) wird gerade in mehreren Städten weltweit getestet. Level 5 bleibt eine langfristige Vision. Das Spannende: Autonomes Fahren verbindet fast alle technischen Disziplinen: Computer Vision, KI, Sensorik, Regelungstechnik, Kartografie, Simulation, funktionale Sicherheit und Ethik. Es ist einer der interdisziplinärsten Ingenieurberufe überhaupt.
Als Autonomous Driving Engineer kümmerst du dich um 10 typische Aufgabenbereiche. Im Mittelpunkt stehen: Entwicklung von Wahrnehmungsalgorithmen, Sensorfusion sowie Pfadplanung und Trajektorienberechnung.
Als Autonomous Driving Engineer brauchst du vor allem diese Fähigkeiten: Computer Vision und Bildverarbeitung (OpenCV, Deep Learning für Erkennung), Sensorik sowie Machine Learning / Deep Learning (PyTorch, TensorFlow).
Als Autonomous Driving Engineer kannst du dich in 7 Richtungen weiterentwickeln, zum Beispiel: Senior AD Engineer / Tech Lead, Principal Engineer Autonomous Driving oder Director of Autonomous Driving.
Morgens: Code-Review. Ein Kollege hat den Spurwechsel-Algorithmus überarbeitet. Ist die Logik korrekt? Edge Cases durchgehen: Was passiert bei einer Baustelle mit fehlender Markierung? Bei Regen? Bei einem Tier auf der Fahrbahn? Vormittags: Simulation laufen lassen: 10.000 virtuelle Kilometer mit der neuen Perception-Pipeline. Wie viele Objekte werden korrekt erkannt? Wie viele False Positives? Das neuronale Netz für Fußgängererkennung hat eine Regression, die Performance ist schlechter als letzte Woche. Root-Cause-Analyse: Neuer Trainings-Datensatz hat Bias (zu wenige Fußgänger bei Dämmerung). Nachmittags: Testfahrt auf dem Testgelände. Das neue System muss einen komplexen Kreisverkehr beherrschen. Im Fahrzeug sitzen: Laptop auf dem Schoß, Daten live beobachten, Safety Driver hat die Hände am Lenkrad. 15 Durchfahrten, 12 perfekt, 3 mit Intervention. Videos analysieren, Fehlerursachen dokumentieren. Spätnachmittags: Safety-Review: Das neue Feature 'automatischer Spurwechsel auf der Autobahn' soll für die nächste Software-Version freigeschaltet werden. SOTIF-Analyse: Welche Szenarien könnten gefährlich sein? Welche Mitigationsmaßnahmen gibt es? Freigabe durch das Safety-Board beantragen.
Deutschland ist der zweitgrößte AD-Markt nach den USA. Mercedes, BMW, VW, Bosch, Continental, ZF und zahlreiche Startups (Apex.AI, Autobrains, Five) suchen Ingenieure. München, Stuttgart, Wolfsburg und Aachen sind die AD-Hotspots. PhD ist kein Muss aber häufig. Die Branche wächst, obwohl einzelne Projekte (Argo AI) gescheitert sind. Die großen OEMs investieren weiterhin Milliarden. Wer Computer Vision und C++ beherrscht, hat die freie Wahl.
Jobs als Autonomous Driving Engineer findest du bei Berufsgenie deutschlandweit, mit eigenen Übersichten unter anderem für Berlin, Hamburg, München, Köln, Frankfurt am Main und Düsseldorf.
Alle Städte ansehen