Success Story

Android-basiertes RSE für einen globalen Luxus-OEM mit Integration eines App-Stores von Drittanbietern

Erfahren Sie, wie Acsia in Zusammenarbeit mit Tier-I ein Android-basiertes Rear Seat Entertainment (RSE) System für einen führenden Luxusautohersteller entwickelt hat, das auf den chinesischen Markt mit Kompatibilität für den App-Store von Baidu und den Rest der Welt abzielt.

Business & Technology Landscape

Im Herbst 2016 begann sich die Automobilbranche grundlegend zu verändern. Elektrofahrzeuge und autonome Fahrtechnologien begannen sich durchzusetzen, was zu großen Fortschritten in der Automobiltechnologie führte. In dieser Zeit veränderte sich auch das Erlebnis im Auto, da die führenden Erstausrüster (OEMs) begannen, fortschrittliche digitale Schnittstellen einzubauen. Dies bedeutete eine Abkehr von den traditionellen mechanischen Bedienelementen hin zu anspruchsvolleren Infotainmentsystemen.

Plattformen wie Apple CarPlay und Android Auto begannen, die Interaktion im Fahrzeug intuitiver und vernetzter zu gestalten und spiegelten damit einen breiteren Trend wider, bei dem das Auto nicht nur ein Transportmittel, sondern eine vernetzte mobile Umgebung wurde, die verschiedene digitale Aspekte integriert.

Inmitten dieser technologischen Fortschritte und sich ändernden Verbrauchererwartungen beschloss ein führender Tier-I-Zulieferer, der einen der größten Luxusautohersteller vertritt, das weltweit erste Android-basierte Rear Seat Entertainment (RSE) System zu entwickeln. Dieses System war nicht nur auf den chinesischen Markt zugeschnitten, sondern auch für den globalen Einsatz geeignet und beinhaltete die Integration eines chinesischen App-Stores eines Drittanbieters, der das umfangreiche App-Ökosystem von Baidu nutzt.

Diese Initiative war ehrgeizig und zielte darauf ab, den Erstausrüster als führendes Unternehmen im Segment der Luxusautomobile zu positionieren und mit der Entwicklung der Branche hin zu stärker vernetzten, benutzerzentrierten Fahrzeugumgebungen in Einklang zu bringen. Das Projekt stand jedoch vor mehreren Herausforderungen, darunter die Verwaltung tausender einzigartiger Systemanforderungen und die Koordinierung eines multinationalen Teams in unterschiedlichen rechtlichen und technologischen Umgebungen.

Customer Problem Statement

Ziel des Projekts war es, ein Android-basiertes Rear Seat Entertainment (RSE) System für einen führenden Luxuswagenhersteller zu entwickeln, das auf den chinesischen Markt mit Kompatibilität für den App-Store von Baidu und den Rest der Welt abzielt. Dieses System musste den wachsenden Erwartungen der Verbraucher an nahtlose Konnektivität und intuitive Benutzeroberflächen, wie sie in Smartphones zu finden sind, gerecht werden.

Herausforderungen

Komplexe Software- und Systemanforderungen: Das Projekt umfasste etwa 10.000 Kundenanforderungen, darunter 3.000 spezifische Softwareanforderungen, die eine sorgfältige Verwaltung, Integration und Prüfung erforderten, um den von der Marke erwarteten Luxusstandard aufrechtzuerhalten.

Multinationale Zusammenarbeit: Die Entwicklung erstreckte sich über sieben Länder, an der viele Lieferanten beteiligt waren, und erforderte eine detaillierte Koordination, um die Komplexität eines weltweit verteilten Teams zu bewältigen.

Einführung von Android im Automobil-Infotainment: Die Anpassung von Android, damit es effektiv mit der fahrzeugspezifischen Hardware zusammenarbeitet, die Einhaltung von Industriestandards und die Gewährleistung der Sicherheit vor Cyber-Bedrohungen waren große Herausforderungen.

Bedenken in Bezug auf die Cybersicherheit: Die Integration von Konnektivitätstechnologien wie Wi-Fi und Bluetooth brachte ein höheres Risiko von Sicherheitslücken mit sich, was strenge Sicherheitsmaßnahmen zum Schutz vor Cyber-Bedrohungen erforderte.

Die Herausforderung in China: Die Integration eines chinesischen Appstores eines Drittanbieters brachte zusätzliche Komplexität mit sich, insbesondere bei der Anpassung der Softwarearchitektur, um sowohl die Systemsicherheit als auch die Funktionalität innerhalb des streng regulierten Marktes zu gewährleisten.

Acsia Solution

Acsia nutzte seine umfassende Erfahrung in der Entwicklung von Infotainment-Systemen für Premium-Automobilmarken, um dieses komplexe Projekt souverän zu managen und die rechtzeitige Lieferung hochwertiger Software zu gewährleisten.

Technische Kompetenz in Android-Systemen: Acsia passte Android für den Einsatz in Fahrzeugen an und entwickelte benutzerdefinierte APIs und Middleware, die es Android ermöglichten, effektiv mit den Hardwaresystemen des Fahrzeugs zu kommunizieren.

Globale operative Fähigkeit: Acsia koordinierte die Logistik und das Projektmanagement über mehrere Länder hinweg und sorgte so für eine synchronisierte Integration der verschiedenen Komponenten.

Innovativer Ansatz für die Sicherheit: Acsia implementierte Sicherheitsmaßnahmen auf hohem Niveau, einschließlich sicherer Boot-Prozesse und modernster Verschlüsselung, und nutzte Tools wie das Microsoft Threat Modelling Tool, um potenziellen Sicherheitsbedrohungen vorzubeugen.

Umfassendes Service-Angebot: Acsia bot eine Komplettlösung an, die alle Aspekte der Entwicklung vom Entwurf bis zum abschließenden Test abdeckt, den Entwicklungsprozess rationalisiert und die Projektkomplexität reduziert.

Maßgeschneiderte Integration für den chinesischen Markt: Die Integration eines chinesischen Appstores eines Drittanbieters wurde auf die lokalen Vorschriften und technischen Komplexitäten zugeschnitten, um eine sichere und funktionale Systemarchitektur zu gewährleisten.

Business Outcome & Impact

Die erfolgreiche Entwicklung eines der weltweit ersten vernetzten Android-basierten Rear Seat Entertainment (RSE)-Systeme mit Integration von App-Stores von Drittanbietern hat die Marktposition des Luxusautoherstellers deutlich verbessert. Das System erfüllte nicht nur die gesetzlichen Anforderungen, sondern übertraf auch die Erwartungen der Verbraucher an nahtlose Konnektivität und intuitive Schnittstellen. Zu den wichtigsten Ergebnissen gehören eine verbesserte Systemsicherheit, eine innovative Softwarearchitektur, optimierte Integrations- und Entwicklungsprozesse, die Einhaltung von Automobilstandards und ein effizientes Android-Strommanagement.

Verbesserte Systemsicherheit

Acsia erfüllte erfolgreich 280 komplexe Sicherheitsanforderungen des OEMs und schützte das Infotainment-System vor potenziellen Cyber-Bedrohungen. Durch den Einsatz fortschrittlicher Tools wie dem Microsoft Threat Modelling Tool identifizierte Acsia effektiv Schwachstellen und implementierte robuste Sicherheitsmaßnahmen, die den Schutz kritischer Fahrzeugfunktionen und Kundendaten vor unbefugtem Zugriff gewährleisten.

Innovative Software-Architektur

Acsia führte eine Hypervisor-Architektur ein, mit der zwei Betriebssysteme auf demselben System on Chip (SoC) ausgeführt werden können. Diese Innovation trennte kritische Automobilanwendungen von Anwendungen anderer Hersteller und erhöhte die Zuverlässigkeit und Sicherheit des Gesamtsystems, indem wichtige Funktionen von weniger sicheren Anwendungen getrennt wurden.

Rationalisierter Integrations- und Entwicklungsprozess

Acsia übernahm die Softwareentwicklung, die Systemintegration und das Testen und rationalisierte so den Entwicklungsprozess des Kunden. Dieser umfassende Ansatz reduzierte die Komplexität und den Koordinationsaufwand, wodurch die Entwicklungszeit verkürzt und die mit der Verwaltung mehrerer Anbieter verbundenen Kosten gesenkt werden konnten.

Einhaltung von Automobilstandards

Acsia hielt sich durch fachmännische Android-Anpassungen und Sicherheitsverbesserungen streng an die Standards der Automobilindustrie. Dadurch wurde die Funktionalität und Sicherheit des Infotainment-Systems gewährleistet und die Einhaltung der gesetzlichen Vorschriften erleichtert, die für die Akzeptanz und den Erfolg von Automobilprodukten auf internationalen Märkten entscheidend sind.

Android Power Management in der Automobilindustrie

Acsia ermöglichte ein effizientes Energieverwaltungssystem, indem es Android so anpasste, dass es die spezifischen Anforderungen an die Energieverwaltung im Automobilbereich erfüllte. Dazu gehörte die Entwicklung eigener nativer und Java-Anwendungen, um Stromauslöser zu handhaben, Aufwecksperren zu verwalten, die Display-Hintergrundbeleuchtung zu steuern und Abschaltvorgänge in Übereinstimmung mit den Automobilstandards durchzuführen.

Key Learning

  • Komplexe Sicherheitsintegration: Die frühzeitige Integration robuster Sicherheitsmaßnahmen ist von entscheidender Bedeutung, wobei fortschrittliche Tools eingesetzt werden, um potenzielle Schwachstellen zu erkennen und zu entschärfen. 
  • Innovativer Einsatz von Technologie: Der Einsatz eines Hypervisors zur Ausführung mehrerer Betriebssysteme auf derselben Hardware war eine wichtige Innovation, die sowohl die Sicherheit als auch die Systemstabilität verbessert hat. 
  • Einhaltung von Vorschriften und Compliance-Standards: Ständige Weiterbildung und die Einhaltung von Standards im Bereich der Automobil- und Cybersicherheit sind von entscheidender Bedeutung, insbesondere in komplexen Märkten wie China. 
  • Skalierbare und flexible Software-Architektur: Die Entwicklung anpassungsfähiger Software-Architekturen ermöglicht eine effiziente Anpassung an die unterschiedlichen Marktanforderungen. 
  • Verbesserte Test- und Validierungsprozesse: Robuste Testverfahren sind unerlässlich, um sicherzustellen, dass das System alle Betriebsstandards erfüllt und eine hohe Zuverlässigkeit und Leistung aufweist. 

Expert Speak

Vasanthraj G Pillai
Vasanthraj G
VP Technologie & Innovation
Vector
Die Integration eines Android-basierten Infotainment-Systems in die Fahrzeugumgebung stellte uns vor einzigartige Herausforderungen, insbesondere in Bezug auf Sicherheit und Systemoptimierung. Dank unserer Erfahrung bei der Anpassung von Android OS für Automobilanwendungen und unseres innovativen Ansatzes bei der Cybersicherheit waren wir in der Lage, ein robustes und benutzerfreundliches Rear Seat Entertainment-System zu entwickeln. Bei diesem Projekt haben wir nicht nur unser technisches Können unter Beweis gestellt, sondern auch unsere Fähigkeit, uns an spezifische Marktbedürfnisse, wie z.B. die in China, anzupassen und zu innovieren.
Anil Shahul Hameed
Anil S
VP Lieferung
Vector
Dieses Projekt ist ein Meilenstein im Bereich des automobilen Infotainments. Mit der Entwicklung des weltweit ersten vernetzten Android-basierten Rear Seat Entertainment-Systems mit Integration von App-Stores von Drittanbietern haben wir einen neuen Maßstab für digitale Erlebnisse im Auto gesetzt. Das Engagement unseres Teams bei der Bewältigung komplexer Anforderungen und der Koordinierung über mehrere Länder hinweg war entscheidend für die Bereitstellung dieser innovativen Lösung. Wir sind stolz darauf, dass wir gemeinsam mit einem führenden Hersteller von Luxusfahrzeugen diese Vision zum Leben erweckt haben und damit das Erlebnis im Auto für Nutzer weltweit verbessern konnten.
Request a Meeting
AH2025/PS06 | AI/ML

Context

Continuous employee learning is essential for companies to stay competitive in a fast-changing business environment. Organizations adopt Learning Management Systems (LMS) to upskill employees, meet compliance requirements, and support career growth. However, existing LMS platforms often act as content repositories rather than personalized learning assistants.

 

Pain Point

  • Employees are overwhelmed by generic training content and struggle to find relevant courses.
  • Managers lack visibility into skill gaps and training effectiveness.
  • Companies spend heavily on training programs without clear insights into ROI or business impact.
  • Current LMS solutions provide limited personalization and recommendations, leading to low engagement.

 

Challenge

Develop an AI-powered LMS that goes beyond course hosting, by:

  • Mapping employee skills, roles, and career paths to relevant training modules.
  • Using learning analytics to predict skill gaps and recommend personalized learning journeys.
  • Providing managers with team-level insights on training progress and skill readiness.
  • Enabling employees to learn flexibly, with adaptive learning paths based on performance.

 

Goal

Create a smart, data-driven LMS that improves employee engagement, learning outcomes, and workforce readiness while giving leadership clear visibility into training impact.

 

Outputs

  • Personalized learning recommendations for each employee.
  • Skill gap dashboards for managers and HR.
  • Learning progress analytics with completion, performance, and adoption rates.
  • Training ROI insights linked to productivity and career growth.

 

Impact

  • Employees gain relevant, career-aligned skills faster.
  • Managers can strategically deploy talent based on verified skills.
  • Organizations see higher training ROI and improved workforce agility.
  • Creates a culture of continuous learning, driving retention and innovation.
AH2025/PS05 | AI/ML

Context

Continuous employee learning is essential for companies to stay competitive in a fast-changing business environment. Organizations adopt Learning Management Systems (LMS) to upskill employees, meet compliance requirements, and support career growth. However, existing LMS platforms often act as content repositories rather than personalized learning assistants.

Pain Point

  • Employees are overwhelmed by generic training content and struggle to find relevant courses.
  • Managers lack visibility into skill gaps and training effectiveness.
  • Companies spend heavily on training programs without clear insights into ROI or business impact.
  • Current LMS solutions provide limited personalization and recommendations, leading to low engagement.

Challenge

Develop an AI-powered LMS that goes beyond course hosting, by:

  • Mapping employee skills, roles, and career paths to relevant training modules.
  • Using learning analytics to predict skill gaps and recommend personalized learning journeys.
  • Providing managers with team-level insights on training progress and skill readiness.
  • Enabling employees to learn flexibly, with adaptive learning paths based on performance.

Goal

Create a smart, data-driven LMS that improves employee engagement, learning outcomes, and workforce readiness while giving leadership clear visibility into training impact.

Outputs

  • Personalized learning recommendations for each employee.
  • Skill gap dashboards for managers and HR.
  • Learning progress analytics with completion, performance, and adoption rates.
  • Training ROI insights linked to productivity and career growth.

Impact

  • Employees gain relevant, career-aligned skills faster.
  • Managers can strategically deploy talent based on verified skills.
  • Organizations see higher training ROI and improved workforce agility.
  • Creates a culture of continuous learning, driving retention and innovation.
AH2025/PS04 | AI/ML

Context

Software teams struggle to diagnose system failures from massive log files. Manual analysis is slow, error-prone, and requires expert knowledge. Root cause extraction from unstructured, noisy logs. Use creative algorithms, LLM prompting strategies, or hybrid heuristics.

Pain Point

  • Manual log analysis is slow, error-prone, and requires deep expertise in both the system and its environment.
  • Critical issues can be missed or misdiagnosed, leading to longer downtimes and higher costs.
  • Existing monitoring tools often raise alerts without actionable insights, leaving developers to do the heavy lifting.

Challenge

Build an AI-powered log analytics assistant that can:

  • Ingest and parse unstructured application logs at scale.
  • Automatically flag potential defects or anomalies.
  • Summarize possible root causes in natural language.
  • Provide actionable insights that developers can use immediately.

Goal

Deliver a working prototype that:

  • Operates on sample log data.
  • Produces insights that are accurate, usable, and easy to interpret.
  • Bridges the gap between raw log data and developer-friendly diagnostics.

Outputs

  • Automated defect detection (flagging anomalies in logs).
  • Root cause summaries in natural language.
  • Actionable recommendations (e.g., suspected component failure, probable misconfiguration).
  • Visualization/dashboard (if possible) for quick triage.

Impact

  • Reduced time to diagnose failures, lowering downtime and maintenance costs.
  • Increased developer productivity, freeing engineers to focus on fixes rather than sifting logs.
  • Improved reliability of complex software systems.
  • Scalable approach that can be extended across industries (finance, automotive, telecom, healthcare).
AH2025/PS03 | AI/ML

Context

Drivers and passengers spend significant time in vehicles where comfort, safety, and accessibility directly affect satisfaction and well-being. Yet today’s in-car systems remain largely static and manual, requiring users to adjust climate, seats, infotainment, and navigation themselves. With increasing connectivity, AI offers the potential to transform cars into adaptive, intelligent companions.

Pain Point

  • Current in-car experiences are one-size-fits-all, failing to account for individual preferences or needs.
  • Manual adjustments while driving can be distracting and unsafe.
  • Accessibility gaps (e.g., for elderly passengers or those with hearing/visual impairments) remain unaddressed.

Challenge

Build a Generative AI-powered cockpit agent that dynamically personalizes the in-car experience based on contextual data such as:

  • Driver profile (age, preferences, past behaviour).
  • Calendar & journey type (work commute, leisure trip, urgent travel).
  • Mood (estimated from inputs like speech, facial cues, or self-reporting).
  • Accessibility needs (visual/hearing impairments, elderly passengers).

Goal

Deliver real-time, adaptive personalization of:

  • Comfort settings: AC, seat adjustments, lighting.
  • Infotainment: music, podcasts, news.
  • Navigation guidance: route optimization based on urgency, preferences, and accessibility.

Outputs

  • Dynamic in-car assistant that responds to context in real-time.
  • Personalized environment settings for comfort and safety.
  • Adaptive infotainment & navigation suggestions tailored to mood, journey type, and accessibility.

Impact

  • Safer driving experience with fewer distractions.
  • Higher passenger satisfaction through comfort and entertainment personalization.
  • Improved accessibility and inclusivity for diverse user needs.
  • New value proposition for automakers: cars as intelligent, personalized environments, not just vehicles.
AH2025/PS02 | AI/ML

Context

Automotive software development is highly complex, involving multiple tools (Jira, GitHub, MS Teams, Confluence), distributed teams, and strict compliance standards (ISO 26262, ASPICE). Project managers must continuously monitor tasks, track resources, and identify risks. However, the sheer volume of data across tools makes real-time visibility and decision-making difficult.

Pain Point

  • Project managers waste time manually consolidating data from Jira, GitHub, and communication platforms.
  • Resource allocation bottlenecks (overloaded developers, idle testers) often go unnoticed.
  • Risks (delays, defects, dependency issues) are only discovered late, impacting delivery timelines.
  • Lack of predictive insights leads to reactive, rather than proactive, project management.

Challenge

Build an AI-powered project management assistant that can:

  • Auto-generate project dashboards by integrating Jira, GitHub, and MS Teams data.
  • Provide real-time resource allocation insights (who is overloaded, who is free).
  • Predict risks and delays using historical patterns and live progress signals.
  • Deliver natural language summaries for managers and stakeholders.

Goal

Enable project managers to see the full picture instantly, automate reporting, and take data-driven decisions on resources and risks without manual effort.

Outputs

  • Automated project dashboards (progress, backlog, velocity, open PRs/issues).
  • Resource allocation map showing workload distribution across the team.
  • Risk prediction engine (e.g., “Module X likely delayed by 2 weeks due to dependency on Y”).
  • AI-generated summaries (daily/weekly status reports in plain language).

Impact

  • Reduced management overhead → fewer hours wasted on reporting.
  • Improved predictability → early identification of risks and delays.
  • Optimal resource utilization → balanced workloads across teams.
  • Better stakeholder communication → clear, automated updates.
  • Scalable for enterprises → can be deployed across multiple automotive software teams.
AH2025/PS01 | AI/ML

Context

In modern organizations, assembling the right project team is critical to success. Managers must balance skills, experience, cost, availability, and domain expertise, but decisions are often made using intuition or partial information. This leads to suboptimal teams, missed deadlines, or budget overruns.

Pain Point

  • Team formation today is time-consuming and heavily manual, requiring managers to cross-check spreadsheets, HR databases, and project needs.
  • Costs and expertise trade-offs are rarely quantified, making it hard to justify team composition to leadership or clients.
  • Traditional staffing tools focus on availability but fail to optimize across multi-dimensional constraints (skills, budget, past project fit, timeline).

Challenge

Build a Generative AI assistant that takes as input:

  • Employee database (skills, past projects, availability, cost)
  • Customer project requirements (tech stack, timeline, budget, domain)

Goal

Enable managers to form the best-fit, economically feasible project teams in minutes, rather than days, while providing transparency into why each recommendation was made.

Outputs

  • Optimal team composition: Recommended employees, with justification.
  • Economic feasibility analysis: Skill coverage vs cost vs timeline.
  • Alternative team recommendations: Trade-off scenarios (e.g., lower cost, faster delivery, more experienced).

Impact

  • Faster project staffing → quicker project kick-offs.
  • Higher client satisfaction due to right skills on the right project.
  • Lower staffing costs through data-driven optimization.
  • A scalable framework that can be extended for hackathons, consulting firms, or large enterprise project staffing.