SiC, GaN und KI-Rechenzentren Warum moderne Elektronik systemübergreifend gemessen werden muss

Anbieter zum Thema

Rohde & Schwarz GmbH & Co. KG

dataTec AG

IBR Leiterplatten GmbH & Co. KG

RECOM Power GmbH

Leistungselektronik, Hochgeschwindigkeitsschnittstellen und KI-Beschleuniger teilen sich heute oft eine Leiterplatte. Damit beeinflussen sie sich allerdings auch gegenseitig. Philip Diegmann von Rohde & Schwarz erklärt, warum Entwickler Messbarkeit früh ins Design einplanen müssen und welche Rolle Messungen trotz Simulation und KI behalten.

Für Elektronikentwickler reicht es oft nicht mehr, einzelne Baugruppen getrennt zu betrachten: Leistungselektronik, schnelle Datenverbindungen und Sensorik beeinflussen sich im selben System. Hier müssen Entwickler auf die messtechnischen Herausforderungen achten und worauf es bei SiC- und GaN-Schaltungen, KI-Rechenzentren und KI-gestützten Messabläufen ankommt. Antworten gibt Philip Diegmann, Vice President des Fachgebiets Digital & Power Test Solutions bei Rohde & Schwarz.

Herr Diegmann, wird der Nachweis, dass moderne Elektroniksysteme wirklich unter allen Bedingungen funktionieren, immer anspruchsvoller?

Philip Diegmann: Ja, und der Hauptgrund dafür ist die technologische Konvergenz. Früher waren Leistungselektronik, Digitaldesign für hohe Datenraten, HF-Konnektivität und EMV getrennte Disziplinen mit jeweils eigenen Spezialisten und Messplätzen. Heute laufen sie in einem einzigen Produkt zusammen, oft sogar auf ein und derselben Leiterplatte.

Solche Systeme wandeln auf immer kleinerem Raum immer höhere elektrische Leistungen. Direkt neben der Leistungsstufe übertragen CPUs, GPUs und KI-Beschleuniger Daten mit enormer Geschwindigkeit. Ein schnell schaltender Wandler ist eine potenzielle Störquelle, eine Hochgeschwindigkeitsverbindung eine empfindliche Störsenke. Werden die Subsysteme jeweils einzeln verifiziert, bleiben diese Wechselwirkungen verborgen. Hinzu kommt, dass die Systeme in einem komplexen Umfeld funktionieren müssen: bei wechselnden Temperaturen, in einem dicht belegten Funkspektrum und unter Einhaltung funktionaler wie regulatorischer Anforderungen, etwa an die EMV.

Ein gutes Beispiel dafür ist die Robotik. Ein moderner Roboter verarbeitet Kamera-, Radar- und Sensordaten in Echtzeit und wandelt gleichzeitig erhebliche Leistungen um, um seine Aktoren zu versorgen. Koppelt ein Motorwechselrichter Störungen in eine Sensorschnittstelle ein, droht ein unberechenbares Verhalten des Roboters.

Für den Nachweis der Robustheit sind daher korrelierte, domänenübergreifende Messungen nötig. Dazu gehören Leistungs- und Signalverläufe im Zeitbereich, Spektrum und Störverhalten sowie Analysen auf Protokollebene. Hier ist Rohde & Schwarz gut aufgestellt: Wir bieten Lösungen für alle diese Bereiche, von Oszilloskopen, Leistungsanalysatoren und Stromversorgungen bis hin zu Spektrum- und Netzwerkanalysatoren, EMV-Testsystemen und Wireless-Testern.

Wo stoßen Entwickler heute bei Messungen an SiC- und GaN-Systemen am häufigsten an ihre Grenzen?

Philip Diegmann: SiC- und GaN-Transistoren schalten wesentlich schneller als ihre Pendants aus Silizium. In GaN-Designs sind Schaltflanken von über 100 V/ns möglich. Ingenieure benötigen Oszilloskope und vor allem Tastköpfe mit deutlich höherer Bandbreite. Ist die Messkette zu langsam, werden die Schaltverluste unterschätzt und Überschwinger bleiben unentdeckt.

Die größte Hürde ist jedoch meist die Anbindung an den Prüfling. Der High-Side-Schalter und der Gate-Treiber liegen an einem Knoten, dessen Potenzial binnen Nanosekunden um mehrere hundert Volt springt. Schon wenige Nanohenry Schleifeninduktivität in der Tastkopfanbindung können ein Schwingen verursachen, das nicht von der Schaltung, sondern vom Messaufbau stammt. Zudem nimmt bei herkömmlichen Differenztastköpfen die Gleichtaktunterdrückung bei höheren Frequenzen ab. Genau dort treten diese Transienten auf. Optisch isolierte Tastköpfe wie der R&S RT-ZISO sollen hier Abhilfe schaffen. Sie bieten über ihre gesamte Bandbreite hinweg eine hohe Gleichtaktunterdrückung und ermöglichen zuverlässige potenzialversetzte Messungen am High-Side-Gate und am Schaltknoten.

Die zweite große Herausforderung ist die Wirkungsgradmessung. SiC- und GaN-Wandler erreichen bereits sehr hohe Wirkungsgrade. Eine neue Topologie oder eine optimierte Gate-Ansteuerung holt mitunter nur noch wenige Zehntelprozentpunkte heraus. Solche Zugewinne gehen bei herkömmlichen Messaufbauten oft in der Messunsicherheit unter. Ingenieure benötigen daher Präzisions-Leistungsanalysatoren mit hoher AC/DC-Genauigkeit und exakt synchronisierten Spannungs- und Stromkanälen, etwa aus der LMG600-Familie. Nur dann lässt sich zuverlässig beurteilen, ob eine Verbesserung real ist oder lediglich ein Artefakt des Messaufbaus.

Meine wichtigste Empfehlung lautet: Machen Sie die Messbarkeit zur Designanforderung. Planen Sie von Anfang an definierte Messpunkte mit kurzer, niederinduktiver Anbindung im Layout ein.

Was stellt die Test- und Messtechnik in KI-Rechenzentren vor größere Herausforderungen: die Datenraten oder die Leistungsdichte?

Philip Diegmann: Beide Faktoren sind gleichermaßen entscheidend. Von ihnen hängt ab, wie schnell sich KI weiterentwickeln kann. Vor allem aber lassen sie sich nicht voneinander trennen. Auf der Datenseite skalieren KI-Cluster nur dann, wenn die Beschleuniger untereinander schnell genug Daten austauschen. Elektrische Verbindungen erreichen inzwischen 224 Gbit/s pro Lane. An 448 Gbit/s wird bereits gearbeitet. Bei diesen Datenraten wird die Verbindungsstrecke selbst zum Engpass: Jedes Kabel, jeder Steckverbinder und jede Leiterbahn verursacht zusätzliche Dämpfung, Reflexionen und Nebensprechen. Netzwerkanalysatoren wie der R&S ZNA sind entscheidende Geräte für die Charakterisierung dieser Verbindungsstrecken. Sie messen Einfügedämpfung, Rückflussdämpfung und Nebensprechen über einen sehr weiten Frequenzbereich.

Auf der Leistungsseite wird der Bedarf an elektrischer Energie weiter steigen. Die Leistung pro Rack übersteigt bereits 100 kW. Die Kernspannung der Beschleuniger liegt unter 1 V, die Ströme betragen rund 1.000 A und mehr. Lastsprünge erfolgen im Mikrosekundenbereich. Restwelligkeit und Einschwingverhalten solcher Spannungsversorgungen lassen sich nur mit rauscharmen Power-Rail-Tastköpfen verifizieren. Für den Nachweis des Wirkungsgrads vom Netz bis zum Chip braucht es Präzisions-Leistungsanalysatoren, Oszilloskope, geeignete Tastköpfe und programmierbare Stromversorgungen. Jedes Gerät hat dabei eine klar umrissene Aufgabe.

Auf der Leiterplatte laufen beide Themen zusammen. Rauschen auf der Spannungsversorgung eines Beschleunigers schlägt sich als Jitter auf einer Hochgeschwindigkeitsverbindung nieder. Leistungsintegrität und Signalintegrität müssen daher gemeinsam analysiert werden.

Wo kann KI schon heute messtechnische Aufgaben sinnvoll übernehmen?

Philip Diegmann: Den größten praktischen Nutzen bietet sie heute bei der Interaktion zwischen Ingenieur und Messaufbau. Messgeräte konfigurieren, Automatisierungsskripte schreiben und Messdaten auswerten: Das beansprucht einen Großteil des Arbeitstags im Labor.

Vielversprechend ist es, Messgeräte an agentische KI-Frameworks anzubinden. Der Ingenieur beschreibt die Messaufgabe. Der KI-Agent konfiguriert das Messgerät, führt die Datenerfassung durch und fasst die Ergebnisse zusammen. Genau dafür haben wir kürzlich MXO AI Connect vorgestellt. Die Lösung bindet R&S-MXO-Oszilloskope über einen MCP-Server (Model Context Protocol) an Agenten-Frameworks an.

Außerdem lassen sich mit MXO AI Connect Automatisierungslösungen einfacher erstellen. Ingenieure können den KI-Agenten zum Beispiel ein Python-Skript für eine wiederkehrende Messaufgabe schreiben lassen. Der Agent testet das Skript direkt am Messgerät und verfeinert es schrittweise. Am Ende steht ein wiederverwendbares Skript, das auch ohne den KI-Agenten läuft, etwa in einem Regressionstest oder auf einem Produktionstestsystem.

Die Rollen müssen jedoch klar verteilt bleiben: Das Messgerät misst, die KI orchestriert und unterstützt. Messwerte müssen deterministisch, rückführbar und reproduzierbar bleiben. Die Verantwortung für die Teststrategie und die Interpretation der Ergebnisse liegt weiterhin beim Ingenieur. KI ersetzt keine messtechnische Expertise, sondern macht sie effizienter verfügbar.

Gewinnt die reale Messung trotz immer besserer Simulationen sogar noch an Bedeutung?

Philip Diegmann: Ja, auch wenn sich ihre Rolle verändert. Frühzeitige Simulationen tragen entscheidend dazu bei, die Zahl der Hardware-Respins zu senken.

Allerdings ist eine Simulation immer nur so gut wie ihre Modelle. Präzise Modelle setzen umfangreiche Messungen der wesentlichen Parameter voraus. Ein SiC- oder GaN-Transistormodell benötigt Messdaten zum Schaltverhalten und zu den parasitären Elementen, in der Regel aus Doppelpulstests. Ein Hochgeschwindigkeits-Kanalmodell benötigt gemessene S-Parameter. Für ein PDN-Modell (Power Delivery Network) braucht es den gemessenen Impedanzverlauf über der Frequenz. Simulation und Messung greifen damit ineinander: Messdaten fließen in die Modelle ein, die anschließend durch Messungen an den ersten Hardwaremustern verifiziert und verfeinert werden.

Zudem lassen sich manche Effekte nach wie vor nur schwer vollständig simulieren, etwa das EMV-Verhalten eines Gesamtsystems oder die Streuung zwischen Fertigungslosen. Konformität und Zertifizierung basieren stets auf messtechnischen Nachweisen.

Kurz gesagt: Die Messung verlagert sich. Sie setzt früher an, bei der präzisen Komponentencharakterisierung, und liefert auf Systemebene weiterhin den abschließenden Nachweis. Präzision und Rückführbarkeit sind wichtiger denn je, denn alles Weitere baut auf den Messwerten auf. (heh)

(ID:51000661)