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. Datei-Upload durch TIB

The increasing complexity of modern printed circuit board (PCB) designs demands innovative approaches to streamline error-prone and repetitive tasks during the design and review process. This report explores the application of AI/ML techniques to support Field Application Engineers (FAEs) in validating design rules and identifying discrepancies between customer schematics and reference designs. The solution leverages advanced schematic analysis methods across two document types—PDF images and native ECAD formats. By using a Knowledge Graph (KG) framework, entities and relationships within schematics are modeled to enable automated recommendations, structured searches, and constraint management. Enhanced tools for querying design requirements and component constraints across extensive, unstructured corpora further optimize the analysis process. The developed system automates the comparison of schematics based on criteria such as PinOut configurations, connected components, and critical signal pathways. It generates actionable recommendations, facilitates checklist creation, and supports modular design validation through functional blocks (Cubos). Additionally, the integration of these tools into existing ECAD systems enables constraint enforcement and extends the scope of the analysis to complete customer designs. This report highlights the feasibility of using AI/ML-powered solutions to reduce manual effort, improve accuracy, and accelerate the design review process, setting the foundation for future advancements in AI-assisted PCB development workflows.