elektronik-news.com
02
'26
Written on Modified on
Siemens erweitert Chip-Verifikation um agentische KI
Neue Workflows automatisieren RTL-Prüfung, Debugging und Planung und bleiben dabei kompatibel mit bestehenden EDA-Umgebungen und cloudbasierten Entwicklungsinfrastrukturen.
www.sw.siemens.com
Die zunehmende Chipkomplexität durch Chiplets, 3D-Integration und softwaredefinierte Funktionen erhöht den Verifikationsaufwand in Halbleiter-Entwicklungsteams. Siemens stellte das Questa One Agentic Toolkit vor und erweitert damit seine Verifikationssoftware Questa™ One um autonome KI-gestützte Workflows für das Design und die Verifikation integrierter Schaltungen.
Die Produktivitätslücke in der Verifikation schließen
In modernen Halbleiterprojekten – etwa bei Automotive-Prozessoren, Industrie-Controllern oder Kommunikations-SoCs – nimmt die Verifikation einen immer größeren Anteil der Entwicklungszeit ein. Das Toolkit führt domänenspezifische agentische KI ein: Software-Agenten planen und führen Aufgaben innerhalb definierter Governance-Grenzen aus, während Ingenieure die Entscheidungshoheit behalten.
Das System automatisiert Erstellung, Ausführung und Fehlersuche in der Register-Transfer-Level-(RTL)-Entwicklung. Anstelle isolierter Einzelschritte koordinieren die Workflows Planung, Prüfung und Debugging und erleichtern so das zuverlässige Erreichen von Freigabestufen innerhalb eines digitalen Entwicklungsprozesses.
Einsatz innerhalb bestehender Entwicklungsumgebungen
Das Framework integriert sich in das Fuse™ EDA AI-System und bleibt über standardisierte Schnittstellen mit anderen Agent-Plattformen kompatibel. Die Nutzung ist über Kommandozeilenwerkzeuge oder Entwicklungsumgebungen wie VS Code möglich und funktioniert parallel zu KI-Coding-Assistenten wie GitHub Copilot, Claude Code, Cursor und Cline.
Die Architektur verbindet mehrere Siemens-Verifikationswerkzeuge, darunter Questa One Verification IQ, Questa One SFV, Questa One Sim, die DFT-Software Tessent™ sowie die hardwaregestützte Verifikationsplattform Veloce™ CS. Model Context Protocols (MCPs) stellen Verifikationsstatusdaten in Echtzeit bereit, sodass KI-Agenten Beziehungen zwischen Spezifikationen, Testbenches und Coverage nachverfolgen können.
Aufgaben der einzelnen Agenten
Das Toolkit umfasst spezialisierte Agenten für verschiedene Verifikationsphasen:
- Der RTL Code Agent erzeugt synthetisierbaren RTL-Code aus natürlichsprachlichen Beschreibungen und prüft Regelkonformität vor der Freigabe.
- Der Lint-Agent analysiert vorhandenen Code und schlägt Korrekturen oder Freigabepfade vor.
- Der CDC-Agent konfiguriert und bewertet Clock-Domain-Crossing-Verifikation für asynchrone Logik.
- Der Verification Planning Agent erstellt Verifikationspläne aus Spezifikationen und definiert Testszenarien.
- Der Debug-Agent korreliert Wellenformen, Assertions und Logdateien, identifiziert wahrscheinliche Fehlerursachen und schlägt gezielte Debug-Tests vor.
Diese Agenten können Verifikationsziele zerlegen, Strategien über mehrere Durchläufe anpassen und Projektwissen aufbauen, während Ingenieure kritische Entscheidungen freigeben.
Verifikation für große Systemarchitekturen vorbereiten
Der Ansatz unterstützt skalierbare Halbleiterentwicklung, bei der mehrere Subsysteme parallel verifiziert werden, etwa in Automotive-Elektronik oder Hochleistungsrechnern. Kontinuierliche Updates und automatisierte Koordination ermöglichen konsistente Abläufe in verteilten Entwicklungsumgebungen eines cloudbasierten Chip-Design-Ökosystems.
Das Toolkit nutzt Reasoning-Modelle auf Basis von NVIDIA NIM und NVIDIA Llama Nemotron und integriert technologiespezifische Prompt-Bibliotheken von Fachexperten.
www.siemens.com
Verifikation für große Systemarchitekturen vorbereiten
Der Ansatz unterstützt skalierbare Halbleiterentwicklung, bei der mehrere Subsysteme parallel verifiziert werden, etwa in Automotive-Elektronik oder Hochleistungsrechnern. Kontinuierliche Updates und automatisierte Koordination ermöglichen konsistente Abläufe in verteilten Entwicklungsumgebungen eines cloudbasierten Chip-Design-Ökosystems.
Das Toolkit nutzt Reasoning-Modelle auf Basis von NVIDIA NIM und NVIDIA Llama Nemotron und integriert technologiespezifische Prompt-Bibliotheken von Fachexperten.
www.siemens.com
Fordern Sie weitere Informationen an…
