Job Description

Wir sind CARIAD, das Automotive-Software-Unternehmen der Volkswagen Group. Unsere Teams entwickeln Softwareplattformen und digitale Kundenfunktionen für legendäre Marken wie Audi, Volkswagen und Porsche – und unterstützen so die Volkswagen Group auf ihrem Weg zum führenden automobilen Technologiekonzern. CARIDIANS in Softwarezentren in Deutschland, den USA, China, Estland und Indien arbeiten daran, die Automobilität für alle neu zu gestalten.

DEIN TEAM

Diese Promotionsstelle bietet die Möglichkeit, innerhalb unseres AI-Core-Teams Forschung zu End-to-End-Netzwerken für automatisiertes Fahren durchzuführen. Das Projekt untersucht die gemeinsame Optimierung des Fahrstapels („Driving Stack“), indem Wahrnehmung, Vorhersage und Planung innerhalb einer einheitlichen Modellarchitektur trainiert werden. Dabei liegt der Schwerpunkt auf effizienten Trainingsstrategien, Closed-Loop-Evaluierung, Reinforcement Learning sowie der Integration prädiktiver Weltmodelle. Unsere Abteilung entwickelt Software und Machine-Learning-Modelle für automatisiertes Fahren in urbanen Umgebungen. Du arbeitest gemeinsam mit Expertinnen und Experten aus den Bereichen autonomes Fahren und künstliche Intelligenz und trägst zu modernster Forschung sowie produktionsorientierten KI-Systemen in einem agilen, forschungsgetriebenen Umfeld bei.

DEINE AUFGABEN

• Forschung im Bereich Machine Learning und KI für automatisiertes Fahren durchführen
• Neue Ansätze für End-to-End-Systeme im automatisierten Fahren erforschen, einschließlich Imitation Learning, Reinforcement Learning und Weltmodellen
• Skalierbare und robuste Trainingsstrategien für Anwendungen des autonomen Fahrens untersuchen
• Mit modernen Deep-Learning-Architekturen und großen Datensätzen arbeiten
• Machine-Learning-Modelle auf öffentlichen Datensätzen und Benchmarks prototypisch entwickeln, implementieren und evaluieren
• Zu wissenschaftlichen Publikationen beitragen und Forschungsergebnisse präsentieren
• Eng mit interdisziplinären Forschungs- und Engineering-Teams zusammenarbeiten
• Zur Entwicklung der nächsten Generation automatisierter Fahrtechnologien beitragen

DAS BRINGST DU MIT

• Hervorragender Masterabschluss in Informatik, Robotik, Mathematik oder einem verwandten Fachgebiet
• Starker Hintergrund in Deep Learning und modernen Methoden des Machine Learnings
• Fundiertes Verständnis von Computer Vision, Imitation Learning und Reinforcement Learning
• Kenntnisse über Weltmodelle, generative Modelle und autonomes Fahren sind von Vorteil
• Sehr gute Programmierkenntnisse in Python, insbesondere mit PyTorch
• Strukturierte, selbstständige und forschungsorientierte Arbeitsweise mit überdurchschnittlichem Engagement
• Ausgeprägte Kommunikationsfähigkeiten und analytisches Verständnis
• Sehr gute Englischkenntnisse in Wort und Schrift

NICE TO KNOW

• Duration: 3 years
• Working with high ranked University
• Remote work options
• Possibility to supervise students
• Temporary work from abroad in selected countries
• 30 days paid leave
• Note: please upload your transcript of records
• If you have further questions about the candidate journey at CARIAD, please contact us: careers@cariad.technology

At CARIAD, we embrace individuality and diversity because we believe our differences make us stronger. We actively seek to build teams with a variety of backgrounds, perspectives, and experiences. Our goal is to create an environment where everyone feels valued and empowered to contribute. If you need assistance with your application due to a disability, please reach out to us at c

Bei CARIAD schätzen wir Individualität und Vielfalt – denn wir sind überzeugt, dass uns unsere Unterschiede stärker machen. Wir setzen uns aktiv dafür ein, Teams mit unterschiedlichen Hintergründen, Perspektiven und Erfahrungen aufzubauen. Unser Ziel ist ein Arbeitsumfeld, in dem sich alle wertgeschätzt fühlen und ihre Stärken einbringen können. Wenn du aufgrund einer Behinderung Unterstützung bei deiner Bewerbung brauchst, melde dich gerne bei uns unter careers@cariad.technology – wir helfen dir gerne weiter.