Automatisierte Leiterplattenanalyse Vom Scan zur fertigen Stückliste in nur 15 Minuten

Anbieter zum Thema

Eigenblue GmbH

Beta LAYOUT GmbH

IBR Leiterplatten GmbH & Co. KG

Vogt AG Verbindungstechnik

Wochenlang Bauteile zählen und Listen tippen? Wer Leiterplatten ohne Dokumentation analysiert, verliert oft enorm viel Zeit. Die Münchner R&D-Agentur Eigenblue dreht den Spieß nun um: Eine neu entwickelte Maschine scannt und erkennt Platinen per KI in nur 15 Minuten.

Wer schon einmal versucht hat, die Bill-of-Material (BOM) einer komplexen, fremden Leiterplatte ohne Schaltplan zu rekapitulieren, kennt das Problem. Klassischerweise müssen Ingenieure Bauteile einzeln unter dem Mikroskop identifizieren, Werte ablesen und mühsam in Listen eintragen. Spezialisten, die solche Baugruppen analysieren und kalkulieren müssen, verbringen damit gut und gerne einige Wochen. Ein massiver Zeit- und Kostenfaktor, der nun drastisch minimiert werden soll: Laut Herstellerangaben erledigt das neue System diesen Prozess bis zu 150-mal schneller.

Zwar gibt es mittlerweile Software-Tools zur automatischen Bauteileerkennung, doch diese erfordern in der Praxis oft noch viel Handarbeit: Platinen müssen aufwendig manuell abfotografiert, Bilder hochgeladen und Vorschläge validiert werden. Auf der anderen Seite stehen klassische, hochpräzise Hardware-Scanner für den Luftfahrt- und Militärbereich, denen jedoch oft die smarte, schnelle KI-Verknüpfung fehlt. Ein echter Automatisierungs-Durchbruch fehlte hier bislang. Das Münchner Unternehmen Eigenblue schließt nun genau diese Lücke: Unter dem Projektnamen „Guess the BOM“ entwickelte das Team ein optisches Analysesystem als Komplettlösung aus Hard- und Software, das den gesamten Inspektions-Job vollautomatisiert. Auf den Markt kommen soll die Maschine nun unter dem Namen „eigenScan“.

Bildergalerie

Vom Studentenprojekt zur eigenen Maschine

Dass ein R&D-Dienstleister plötzlich eigene Hardware baut, überrascht zunächst. „Wir sind so ein bisschen wie das Fraunhofer, nur halt privat“ , erklärt Projektmanager Raphael Joppi im Gespräch mit Elektronikpraxis. „Unser Fokus liegt darauf, neue Technologien zu entwickeln oder zu integrieren, da sich Mittelständer hier oft schwertun.“

Die Wurzeln des Unternehmens reichen 13 Jahre zurück, als Gründung aus dem universitären „Manage&More“-Programm. „Die Gründer dachten sich damals, dass Studierende ohnehin am Puls der Zeit sind, also boten sie ‚Student Engineering‘ an. Die Studierenden sind älter geworden, aus dem Student Engineering wurde professionelles Engineering“, blickt Joppi zurück. Heute arbeiten90 Leute bei Eigenblue und decken ein enormes Spektrum ab: von Software über KI und Maschinenbau bis hin zur Chipentwicklung.

Die Idee für die Platinen-Maschine entstand aus der Praxis: Ein DAX-gelisteter Kunde aus der Automobilbranche brauchte ein produktionsreifes System, um Leiterplatten präzise und hochauflösend zu scannen. Aus diesem exklusiven Kundenprojekt wuchs das „Guess the BOM“-System schließlich zu einem marktreifen Produkt heran, dessen Hardware bereits voll funktionsfähig im Einsatz ist. Bislang wurde das System noch nirgendwo öffentlich vorgestellt, die Anlage feiert somit hier ihre offizielle Premiere.

Hardware-Setup: Ein Blick in den „Platinen-Backofen“

Wie arbeitet die Maschine? Von außen betrachtet steht dort ein komplett geschlossener Kasten in etwa mit der Größe eines Backofens. Das Gehäuse schirmt Störlicht ab, hält also die Beleuchtung konstant, sodass die Computervision verlässlich arbeitet.

Intern nennen die Entwickler die Anlage liebevoll „Pizzaofen“ oder „Backofen“, erzählt Joppi. Der Anwender schiebt die Leiterplatte hinein und schließt die Klappe. Die Hardware verarbeitet problemlos großformatige Platinen von bis zu 500 × 500 Millimetern. Drinnen fährt ein Kamerasystem die Baugruppe in kleinen Sektionen ab. Hochauflösende 2D-Kameras erfassen jedes Detail mit 10 Mikrometern pro Pixel, während eine 3D-Kamera zeitgleich die exakten räumlichen Höhenprofile der bestückten Baugruppe aufzeichnet.

Wer sich mit automatischer optischer Inspektion (AOI) auskennt, weiß um die physikalischen Tücken bestückter Leiterplatten: Hohe Bauteile wie Elkos oder große Steckverbinder werfen unweigerlich Schatten auf benachbarte, winzige SMD-Komponenten. Genau hier spielt die 3D-Kamera ihre Stärken aus, da sie ein topografisches Profil der Baugruppe erstellt. Die Software kann so präzise unterscheiden, ob es sich bei einem dunklen Bereich auf dem 2D-Bild lediglich um einen Schattenwurf oder tatsächlich um ein flaches, schwarzes IC-Gehäuse handelt. Da die Sensorik die Komponenten naturgemäß von oben abtastet, ist ein kleiner manueller Zwischenschritt nötig: Nach der ersten Scan-Halbzeit muss der Anwender die Leiterplatte einmal händisch wenden, damit das System auch die Unterseite digitalisiert.

Software und KI: Sieben Modelle denken parallel

Die Hardware liefert die Bilder, die Software erledigt die eigentliche Denkarbeit. Statt starrer Bilderkennungs-Regeln wertet ein Ensemble aus mehreren parallel arbeitenden KI-Modellen die Aufnahmen aus:

• 1. Klassifizieren: Zunächst ordnet das System die grundlegende Bauteilart zu. Handelt es sich um einen IC, einen Widerstand, eine Spule oder einen Kondensator?

• 2. Attribute extrahieren: Danach filtert die KI sekundäre Merkmale wie das Package, die Bauform und die exakten Abmessungen heraus.

• 3. Text und Logos lesen: Speziell bei ICs greift eine optische Zeichenerkennung (OCR). Sie entziffert den Oberflächentext, erkennt Hersteller-Logos und zählt die Pins.

Anschließend gleicht das System all diese optischen Befunde vollautomatisch mit einer Datenbank ab, die über 1,5 Millionen integrierte Schaltkreise kennt. Aus diversen optischen Fragmenten entsteht so ein konkreter Bauteileintrag für die Stückliste. Dabei kann per API eine eigene Datenbank verwendet oder eben die von Eigenblue dazugekauft werden.

Der digitale Zwilling: Bounding Boxes und Konfidenzwerte

Doch wie präsentiert sich das Ergebnis dem Anwender nach der rund 15-minütigen Wartezeit? Neben einer Excel-Tabelle generiert die Eigenblue-Software ein interaktives 3D-Modell der Platine gibt es eine interaktive Übersicht. Hier wird die PCB wie eine Karte angezeigt und der Benutzer kann zoomen und den angezeigten Bereich verschieben. Jedes erkannte Bauteil wird farblich über die Bounding Box markiert. Beim Klick auf diese Komponenten wird in der Tabelle das Bauteil und die dazugehörigen Werte angezeigt.

Ein Entwickler sieht dann etwa direkt im Bild-Overlay Markierungen wie „resistor 0.81“ für einen Widerstand mit 81 Prozent Erkennungswahrscheinlichkeit oder „capacitor_cylindrical 0.92“ für einen zylindrischen Kondensator. Ab einem (frei konfigurierbaren) Grenzwert wird ein umstrittener Wert rot markiert und kann anschließend individuell geprüft werden. Sogar Hersteller und Chip-Familien wie Infineon TriCore werden direkt visualisiert, sobald die Logo-Erkennung greift. Das macht den Prozess effizient: Der Ingenieur muss nicht blind Listen vergleichen, sondern scrollt lediglich gezielt zu den Bauteilen mit niedrigen Konfidenzwerten und nickt diese optisch ab oder korrigiert sie.

Laut Eigenblue liefert die Maschine verlässliche Werte. Bei integrierten Schaltungen (ICs) erkennt sie bis zu 99 Prozent der Chips korrekt. Selbst bei passiven Kleinstbauteilen, die oft unbeschriftet sind und sich nur durch Bauform, Farbe oder Reflexion verraten, liegt die Trefferquote noch bei starken 97 bis 98 Prozent.

Gleichzeitig verhehlt das System physikalische Grenzen nicht: Wo eine Kameralinse nicht hingelangt, muss die KI passen. Bei Ball Grid Arrays (BGAs) etwa, deren Lötstellen und Kontakte komplett unter dem Chip verborgen liegen, kann die Anlage naturgemäß nur das Package selbst erkennen, nicht aber das versteckte Routing darunter. Hier bleibt das technische Fachpersonal zwingend erforderlich. Bestätigt oder korrigiert der Mensch („Human-in-the-loop“) ein Bauteil, lernen die Modelle sofort daraus und machen diesen Fehler beim nächsten Mal nicht mehr.

Benchmarking, Cost Engineering und Obsolescence

Die wirtschaftlichen Hebel dieser Automatisierung zeigen sich in der Praxis vor allem in drei zentralen Use Cases. Der erste ist die Wettbewerbsanalyse (Competition Benchmarking): Wer verstehen will, wie die Konkurrenz ein technisches Problem löst, welche spezifischen Mikrocontroller sie einsetzt oder wie das Power-Management strukturiert ist, kommt um ein Reverse Engineering der fremden Platinen nicht herum. Was bisher ein mühsames Sezieren war, wird durch die KI-gestützte BOM-Generierung zu einem schnellen, standardisierten Prozess. Entwicklungsabteilungen gewinnen so in kürzester Zeit tiefe Einblicke in die Architektur-Entscheidungen des Wettbewerbs.

Eng damit verzahnt ist das Cost Engineering. Um die exakte Kostenstruktur einer Baugruppe, sei es ein Konkurrenzprodukt oder die Baugruppe eines eigenen Zulieferers, zu kalkulieren, muss jedes noch so kleine SMD-Bauteil erfasst werden. Genau hier entlastet die Maschine massiv: Statt wochenlang Komponenten unter dem Mikroskop zu zählen, liefert das System die fertige Stückliste als direkte Kalkulationsgrundlage in Minutenschnelle. Das reduziert den Aufwand für Preis- und Margenanalysen drastisch.

Der dritte große Anwendungsfall ist das Obsolescence Management. Sogenannte „Orphan PCBs“ aus jahrzehntealten Anlagen bereiten Instandhaltern in der Praxis großes Kopfzerbrechen. Fällt eine solche Platine aus und es existieren weder Schaltplan noch Dokumentation, droht im schlimmsten Fall der Stillstand einer kompletten Produktionsstraße. Die manuelle Rekonstruktion scheitert oft an abgekündigten Bauteilen, deren Aufdrucke kaum noch lesbar sind. Weiß der Ingenieur dank des KI-Datenbankabgleichs jedoch nach wenigen Minuten exakt, welche Spezifikationen der defekte Alt-Chip hatte, kann er gezielt nach passenden Drop-in-Replacements (pinkompatiblen Ersatztypen) heutiger Hersteller suchen oder das Board-Design zügig in ein modernes Redesign überführen.

IP-Schutz: Die Konkurrenzfrage und der Marktbedarf

Über alle diese Anwendungsfälle hinweg ist der Personalaufwand der größte wirtschaftliche Faktor. Doch wer sind hier eigentlich die direkten Wettbewerber? „Es gibt günstiges Reverse Engineering in China“, verrät Joppi , der sich vor Ort in Shenzhen davon überzeugt hat. Bislang war der Ausweg für Unternehmen oft, eine zu analysierende Platine nach Asien zu schicken, wo sie in stundenlanger Handarbeit für niedrige Stundensätze zerlegt wird. Doch dieser Weg birgt für europäische Firmen massive Risiken beim Schutz ihres geistigen Eigentums: „Das ist immer ein Compliance-Problem und ob dann nicht genau die gleiche Platine irgendwo auf dem Schwarzmarkt landet“, warnt Joppi. Für viele Konzerne ist ein solcher IP-Verlust naturgemäß nicht hinnehmbar.

Genau aus dieser Gemengelage speist sich der konkrete Bedarf an der neuen Maschine. Denn auch andere technische Alternativen stoßen hier an ihre Grenzen: Zwar gibt es Hardware-Scanner auf dem Markt, diese sind jedoch teilweise 15 Jahre alt und arbeiten komplett ohne KI. Und klassische Inspektionskameras (AOI) am Ende von Fertigungslinien sind wiederum nicht darauf trainiert, völlig fremde Leiterplatten zu entschlüsseln. „Deshalb sind wir mit Maschine plus KI in dem Bereich eigentlich die Einzigen, die gerade wirklich solche Systeme machen“, resümiert Joppi.

Auch das Geschäftsmodell soll sich an verschiedene Unternehmensgrößen anpassen. Wer die Anlage nicht gleich kaufen möchte, könne künftig ein „Scanning-as-a-Service “ nutzen. Dabei schicken Kunden ihre Platine einfach ein und erhalten nach der Analyse die fertige Stückliste sowie den digitalen Zwilling zurück. Oder man bekommt bei entsprechend Volumen eine Maschine gestellt und bezahlt entsprechend pro Scan, was das IP-Design besser schützt.

Für die Zukunft plant Eigenblue nicht nur neue Geschäftsmodelle auf Basis individueller Kundenwünsche: Auch eine kompaktere Desktop-Version soll bald auch Unternehmen mit kleineren Platinenformaten bedienen.

(mc)

(ID:50837182)