Academic staff
Hintergrund
, Academic staff
Hintergrund
Autonome Fahrzeuge werden zunehmend nicht mehr nur mit einem einzelnen Softwarestack betrieben: Neben klassischen modularen AV-Stacks etablieren sich End-to-End-Ansätze, die auf gelernten, integrierten Modellen basieren. Beide Paradigmen haben unterschiedliche Stärken und Schwächen. Während ein modularer Stack Nachvollziehbarkeit und etablierte Sicherheitsnachweise bietet, punktet ein End-to-End-Stack durch Flexibilität in komplexen, schwer modellierbaren Situationen. Statt sich auf einen einzelnen Stack festzulegen, erforschen wir, wie beide Ansätze redundant und parallel betrieben werden können, um die Robustheit autonomer Fahrzeuge im realen Betrieb zu erhöhen. Gestalte mit uns die hybride Fahrzeugarchitektur von morgen und forsche an spannenden Dissertationsthemen.
Als Promovierender erforschst du, wie ein modularer AV-Stack und ein End-to-End-Stack als redundante, parallel betriebene Systeme in einer gemeinsamen Fahrzeugarchitektur integriert werden können. Im Zentrum steht die Frage, welcher Stack unter welchen Bedingungen die Steuerhoheit übernimmt: Du definierst Arbitrierungslogiken, mit denen Übergaben zwischen den Stacks initiiert, abgesichert und im Konfliktfall aufgelöst werden, und entwickelst Blending-Strategien, die einen fließenden Übergang zwischen modularem und E2E-Stack ermöglichen, beispielsweise wenn der modulare Stack an eine Situation stößt, die der E2E-Stack sicherer beherrscht. Darauf aufbauend erarbeitest du funktionale Sicherheitskonzepte in Anlehnung an SOTIF und ISO 26262 für diese hybride Architektur, die sowohl proprietäre als auch Open-Source-Softwareanteile berücksichtigen, und definierst Freigabeprozesse und Sicherheitsnachweise für den kombinierten Stack-Betrieb in Abstimmung mit Prüforganisationen und Behörden. Du entwickelst damit einen zentralen Baustein für die Sicherheit hybrider autonomer Fahrzeugarchitekturen.
Du gestaltest die autonome Mobilität aktiv mit und baust dir ein wertvolles Netzwerk aus Wissenschaft und Industrie auf. Dir stehen umfangreiche Serverinfrastruktur und Versuchsfahrzeuge zur Verfügung; du übernimmst von Anfang an Verantwortung, betreust Studienarbeiten und gibst dein Wissen weiter.
Die Stelle ist für die Besetzung mit schwerbehinderten Menschen geeignet. Die Stelle erfordert die Anwesenheit am Lehrstuhl, Reisen, die Arbeit im Team, Kontaktfreude und die Durchführung von Versuchen in Laboren oder auf Teststrecken. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im Wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt. Die Technische Universität München strebt eine Erhöhung des Frauenanteils an. Bewerbungen von Frauen werden daher ausdrücklich begrüßt.
When you apply for a position with the Technical University of Munich (TUM), you are submitting personal information. With regard to personal information, please take note of the Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. (data protection information on collecting and processing personal data contained in your application in accordance with Art. 13 of the General Data Protection Regulation (GDPR)). By submitting your application, you confirm that you have acknowledged the above data protection information of TUM.
Kontakt: Xiyan Su
Veröffentlichungsdatum:
11 Nov 2026Standort:
MünchenEinsatzort:
Technische Universität München, Arcisstraße 21, 80333 München, DeutschlandTyp:
VollzeitArbeitsmodell:
Vor OrtKategorie:
Erfahrung:
2+ yearsArbeitsverhältnis:
Angestellt
Möchtest über ähnliche Jobs informiert werden? Dann beauftrage jetzt den Fuchsjobs KI Suchagenten!