Elektronikentwicklung EDA-Tools: Das Ziel ist ein Gleichgewicht zwischen Ingenieurs-Expertise und KI-Assistenz

Wo hilft künstliche Intelligenz in EDA-Tools tatsächlich und an welchen Stellen ist Vorsicht geboten? Cadence unterscheidet zwischen klassischen KI-Algorithmen für die Optimierung und großen Sprachmodellen für die Code-Generierung, denn insbesondere generativer Code benötigt eine zusätzliche Verifikations-Ebene.

2026 wird ein wichtiges Jahr für KI-Assistenten in EDA. Die nächste Evolutionsstufe der künstlichen Intelligenz im Hardware-Design lässt sich bereits seit einiger Zeit in den Tool-Weiterentwicklungen der großen EDA-Hersteller beobachten. „Wir nutzen KI bereits seit einigen Jahren“, erklärte Klaus Cerny, Sr. Account Technical Executive bei Cadence, im Rahmen der Embedded World 2026 im Gespräch mit ELEKTRONIKPRAXIS. Der Begriff „künstliche Intelligenz“ ist zudem nicht nur gleichzusetzen mit Large Language Models.

Wie Cerny außerdem bei der 4. Fachtagung Chip-Design betonte, tendieren LLMs weiterhin zu Halluzinationen. „Code zu generieren ist einfach, aber es wird immer wichtiger, zu überprüfen, was er macht.“ Sinnvoll ist es, da zu wissen, dass hochpopuläre LLMs nicht die einzige KI-Lösung im EDA-Feld sind.

„Es gibt auch klassische KI-Algorithmen für Optimierung“, so Cerny. Dazu zählen unter anderem Regressions-Algorithmen und Reinforcement Learning, die bestimmte Tool-Funktionen erweitern, um schneller zu Ergebnissen zu kommen oder Designs besser zu abstrahieren.

Klassische KI: Optimierung und Regression

Ein Beispiel ist Cerebrus im digitalen Design-Bereich. Der Flow umfasst viele Werkzeuge – von Synthese über Place-and-Route bis Sign-off – mit zahlreichen Stellschrauben. „Besonders bei großen Designs und fortgeschrittenen Nodes ist es für Menschen schwer herauszufinden, wie man diese Parameter einstellen muss“, so Cerny. Hier hilft Reinforcement Learning. Cadence habe dies bereits vor einigen Jahren demonstriert.

Auch bei der Verifikation kommt KI zum Einsatz. „Sie verbringen viel Zeit damit, herauszufinden, woher ein Bug kommt“, erklärt Cerny. „Basierend auf Fehlermeldungen, eingechecktem Code und Waveforms kann KI verschiedene Aspekte zusammenbringen und Sie als Verification Engineer schneller zur Ursache des Bugs führen.“ Zudem kann künstliche Intelligenz erkennen, welche Regressionsläufe redundant sind, was den Durchlauf beschleunigt.

Ein weiteres Beispiel aus dem Cadence-Portfolio ist Optimality, ein Produkt für Layout-Aufgaben, das KI-Algorithmen nutzt und im Hintergrund einen EM-Solver wie Clarity laufen lässt – oder einen 2,5D-Solver für PCB-Design-Analysen. „Optimality führt einige Simulationsläufe durch und bestimmt basierend auf KI-ML-Heuristiken, wie ein Design aussehen sollte, wie Sie Leiterbahnen auf Ihrer Leiterplatte oder Ihrem Flexkabel routen sollten“, sagt Cerny.

Generative KI: Code-Generierung braucht extra Verifikation

Anders sieht es bei großen Sprachmodellen aus. Die Industrie arbeite daran, auf Basis der Erfolge der letzten Jahre mit RAG-Ansätzen (Retrieval-Augmented Generation) und Reasoning-Fähigkeiten etwas Nützliches für Designer zu schaffen. Erste gute Ergebnisse gebe es bei der KI-Assistenz: „Wir haben ein großes Repository an Dokumentation. Wenn ein Nutzer eine Frage hat, kann KI eine gute Antwort geben – wie man Messungen einrichtet, wie man bestimmte Operationen in einem Tool steuert.“

In der EDA-Branche habe man in den letzten drei bis vier Jahrzehnten viel Wissen angesammelt. Der Zugriff auf das Repository ist dank KI-Unterstützung nun möglich, so Cerny. In den nächsten 12 bis 18 Monaten erwarte man Agenten, die Code auf der Testbench-Seite generieren oder Skripte erstellen. „Nicht jeder ist gut im Scripting als Designer. Ein Designer ist nicht immer ein Software-Ingenieur. Diese Last abzunehmen oder zu vereinfachen, ist ein Produktivitätsschritt für unsere Kunden.“

Doch hier ist Vorsicht geboten. „Wenn Sie über generative KI sprechen und Code erstellt wird, müssen Sie über eine zusätzliche Ebene in Ihren Bemühungen nachdenken, um das Design zu verifizieren – dass alles, was von einem Co-Piloten erstellt wird, wirklich 100 Prozent korrekt ist“, warnt Cerny. „Die Co-Piloten können Ihnen schnell Code liefern, aber Sie können ihnen nicht immer vertrauen. Das ist es, worüber EDA und unsere Kunden jetzt nachdenken müssen: wie man diese zusätzliche Ebene in die Verifikation einführt, wenn etwas erstellt wird.“

„Wir sind konservativ im Marketing“

Auf die Frage, ob KI manchmal sinngemäß überverkauft wird, also als Heilsbringer für jegliches Problem angepriesen wird, antwortet John Heighton, Sales Group Director – Northern Europe, in unserem Gespräch deutlich: „Aus allgemeiner Sicht würde ich sagen, dass wir von unserer Seite recht konservativ sind, wie wir unsere Produkte vermarkten – manchmal vielleicht übermäßig konservativ im Vergleich zu unseren Wettbewerbern. Aber wir versuchen, Dinge bereitzustellen, die real sind, und dass das, was wir behaupten, tatsächlich implementierbar ist.“

Die Herausforderung, die man generell auf dem Markt sehe, sei, dass jeder nur über KI schreie, ohne notwendigerweise die Realität zu zeigen. „Wir haben in den letzten Jahren enorme Anstrengungen unternommen, um eine Strategie zu entwickeln, die implementierbar ist und wirklich einen Unterschied macht.“

Wird KI Ingenieure überflüssig machen?

Künstliche Intelligenz hält seit Jahren Einzug in die EDA-Tools, auch in dem Bestreben, die Handhabung so einfach zu machen, dass man nicht mehr so gut ausgebildete Ingenieure braucht. Auf diese Weise möchten einige Unternehmen eine Antwort auf den steigenden Bedarf an Ingenieuren und den Fachkräftemangel bieten.

Cerny hält das für eine gute Vision – aber nicht für kurzfristig realisierbar. „Im Laufe der Jahrzehnte sind diese Systeme mit den vielen, vielen Anforderungen des Marktes zu echten Expertensystemen geworden. Die Ingenieure müssen sich sehr gut damit auskennen. KI kann durch Assistenz, aber auch durch besseres Verständnis der Design-Aufgaben einen Teil dieser Last abnehmen.“

Dennoch brauche man in Unternehmen weiterhin Leute, die Details verstehen – um herauszufinden, ob etwas feinabgestimmt, debuggt oder geändert werden muss, wenn Design-Änderungen kommen. „Ich stimme dieser Vision zu, aber es wird nicht über Nacht ein Push-Button-Expertensystem sein.“

Heighton ergänzt: „Was wir sehen, ist, dass die meisten unserer Kunden aufgrund der Marktanforderungen mehr mit weniger machen wollen. Sie wollen die Anzahl der Ingenieure nicht erhöhen, aber die Herausforderungen sind größer, der Druck ist größer – wie können sie also Produktivität bekommen, wie können sie mehr herausholen?“ KI könne helfen, Plattformen zu entwickeln, „aber Sie werden immer noch diese Expertise der Ingenieure für Vorstellungskraft und Kreativität benötigen. Es ist also ein Gleichgewicht dieser beiden Dinge erforderlich.“ (sb)

(ID:50835709)