progressivKI - Unterstützung der Entwicklung von effizienten und sicheren Elektroniksystemen für zukünftige KFZ-Anwendungen mit automatisierten Fahrfunktionen mittels einer modular strukturierten KI-Plattform; Teilvorhaben: Lern- und Testdaten sowie Konzept zur automatischen Datengenerierung für PCB-Anwendungen

Abstract

Die wesentlichen Innovationen im Fahrzeug (~ 90%) beruhen auf Mikroelektronik, an deren Entwicklung und Produktion die gesamte Automobillieferkette beteiligt ist. Es ist daher unabdingbar, die sich ständig weiterentwickelnden neuen Möglichkeiten der Halbleiterindustrie und Elektronik möglichst schnell in die Entwicklung neuer Fahrzeuge einfließen zu lassen. Dieses Vorhaben adressierte in dem BMWK-Förderaufruf "Künstliche Intelligenz als Schlüsseltechnologie für das Fahrzeug der Zukunft" den Teilschwerpunkt (C) KI-Verfahren in der Fahrzeugentwicklung <=> KI-Methoden in der Simulation. Zur Entwicklung sicherer und zuverlässiger elektronischer Komponenten und Systeme sind u. a. neue Entwurfs- und Validierungsmethoden auf KI-Basis notwendig. Thematisch und organisatorisch wurden die F+E-Arbeiten mittels der Anwendungsebenen #1: PCB-Entwurf und #2: IC-Entwurf/Sensorik adressiert. Die Zuken GmbH hat sich dabei auf die Anwendungsebene #1 (PCB-Entwurf/ Sensorik) fokussiert. Ziel war, die Erforschung von Methoden welche eine skalierbare, hoch-qualitative KI-Methodenentwicklung ermöglichen, zur Beschleunigung des PCB-Entwurfs in ausgewählten Anwendungsbereichen durch:

Entwicklung eines Konzeptes zur automatischen Datenerzeugung für Lern- und Testdaten für KI-Anwendungen incl. der notwendigen Zugriffs-Schnittstellen zu PCN-Entwicklungswerkzeugen und Datenformaten Definition von Datenmodellen und 3) Untersuchung von Datenhaltungsverfahren Untersuchung verschiedener KI/ML Verfahren auf Ihre Eignung im PCB-Entwurfsprozess (u.a. neuronale Netze, genetische Algorithmen, Transfer Learning u.a.m.), Demonstratoren zur Nutzung der gesammelten Daten für verschiedene KI-Algorithmen. Validierung der KI-Ergebnisse, auch im Hinblick auf Qualität und Quantität der Trainingsdaten Einbindung von KI-Modulen in kommerzielle EDA-Umgebungen