Machine Learning Engineer / Edge-ML Automotive (m/w/d/kA)

About

Wir sind die KOSTAL-Gruppe, ein weltweit agierendes, unabhängiges Familienunternehmen mit Stammsitz in Deutschland, das technologisch anspruchsvolle elektronische und mechatronische Produkte entwickelt und produziert. An 64 Standorten in 22 Ländern arbeiten mehr als 20.000 Mitarbeiter flexibel, kompetent und kundennah. Der Geschäftsbereich KOSTAL Automobil Elektrik entwickelt und produziert Leistungselektronik für die Elektromobilität, Steuergeräte für Komfortelektronik, sowie Benutzerschnittstellen vom Blinker-Schalter bis zum Touch-Display.

Responsibilities

• Entwicklung robuster ML-Algorithmen für Intent-/Gestenerkennung auf Basis von fahrzeugseitiger Sensordaten (z. B. UWB-Radar), inklusive Echtzeit-Inferenz auf Edge-ECUs
• End-to-End-Ownership der ML-Pipeline: Datenerfassung am Prototyp-Fahrzeug, Ground-Truth/Labeling, Feature-Engineering, Modelltraining (PyTorch), Experiment-Tracking (MLflow), Modellversionierung und sicherstellen der Reproduzierbarkeit
• Edge-Deployment: Quantisierung/Optimierung (z. B. TorchScript/ONNX) zur Einhaltung strenger Latenz- und Ressourcenbudgets unter realen Bedingungen
• Aufbau und Betrieb von MLOps: CI/CD (z. B. Jenkins), Containerisierung (Docker/Dev Containers), Testautomatisierung (Unit-, Integrations- und On-Car-Validierung), Modell-Monitoring und -Drift
• Definition von Daten- und Testkampagnen, Fehleranalysen und Robustheitsbetrachtungen
• Erstellung technischer Dokumentationen (Modell- und Datenkarten, Evaluationsberichte, KPI-Tracking) sowie Präsentation der Ergebnisse

Qualifications

• Erfolgreich abgeschlossenes Studium der Informatik, Elektrotechnik, Mathematik, Physik oder vergleichbar
• Mehrjährige Berufserfahrung in angewandtem ML/Data Science möglichst im Embedded-/Automotive-Umfeld
• Sehr gute Kenntnisse in Python und PyTorch; sicher im Umgang mit MLflow für Experiment-Tracking und Modellverwaltung
• Praxis in Sensordatenverarbeitung und -fusion (z. B. UWB, Radar, IMU; optional Vision), Signalverarbeitung, Tracking (z.B. Kalman-/Particle-Filter) und robusten Klassifikations-/Erkennungsverfahren
• Erfahrung mit Edge-Optimierung: Quantisierung, Pruning, TorchScript/ONNX; Performance- und Latenz-Tuning unter Ressourcenrestriktionen
• Souverän in MLOps: Docker/Dev Containers (VS Code), Git/GitLab CI, reproduzierbare Trainingspipelines, Daten-/Modellversionierung (z. B. DVC), Testautomatisierung
• Kenntnisse in Embedded Linux/C++ von Vorteil; Erfahrung mit on-car Datenaufnahme (z. B. CAN/FlexRay, ROS2) und Versuchsdurchführung ist ein Plus
• Idealerweise Erfahrung im Automotive-Umfeld (Vorentwicklung/Seriennahe Entwicklung)
• Sehr gute Deutsch- und gute Englischkenntnisse