progressivKI - Unterstützung der Entwicklung von effizienten und sicheren Elektroniksystemen für zukünftige KFZ-Anwendungen mit automatisierten Fahrfunktionen mittels einer modular strukturierten KI-Plattform; Teilvorhaben: Automatisierung zukünftiger Design Reviews durch neue KI-basierte Methoden

Abstract

Die zunehmende Komplexität moderner Leiterplatten-Designs (PCB) erfordert innovative Ansätze, um fehleranfällige und repetitive Aufgaben im Design- und Überprüfungsprozess zu optimieren. Dieser Bericht untersucht den Einsatz von KI/ML-Technologien, um Field Application Engineers (FAEs) bei der Validierung von Designregeln und der Identifizierung von Abweichungen zwischen Kundenschaltplänen und Referenzdesigns zu unterstützen. Die Lösung nutzt fortschrittliche Methoden zur Analyse von Schaltplänen in zwei Dokumenttypen - PDF-Bildern und nativen ECAD-Formaten. Durch den Einsatz eines Knowledge-Graph-Ansatzes werden Entitäten und Beziehungen in den Schaltplänen modelliert, um automatisierte Empfehlungen, strukturierte Suchvorgänge und Constraint-Management zu ermöglichen. Verbesserte Tools zur Abfrage von Designanforderungen und Bauteilbeschränkungen in umfangreichen, unstrukturierten Datenbeständen optimieren den Analyseprozess zusätzlich. Das entwickelte System automatisiert den Vergleich von Schaltplänen anhand von Kriterien wie PinOut-Konfigurationen, angeschlossenen Komponenten und kritischen Signalwegen. Es generiert umsetzbare Empfehlungen, erleichtert die Erstellung von Checklisten und unterstützt die modulare Designvalidierung durch funktionale Blöcke (Cubos). Zudem ermöglicht die Integration dieser Tools in bestehende ECAD-Systeme die Durchsetzung von Constraints und erweitert den Analyseumfang auf vollständige Kundenentwürfe. Dieser Bericht zeigt die Machbarkeit von KI/ML-gestützten Lösungen zur Reduzierung manueller Aufwände, Verbesserung der Genauigkeit und Beschleunigung des Designüberprüfungsprozesses auf und legt die Grundlage für zukünftige Fortschritte in der KI-gestützten PCB-Entwicklung.