Keysight Technologies treibt die Automatisierung in der Halbleiterentwicklung weiter voran und adressiert damit einen der größten Engpässe der Branche: die aufwendige Modellierung moderner Bauelemente. Mit der neuen Machine-Learning-Erweiterung innerhalb der aktuellen Device-Modeling-Software verkürzt der Konzern laut eigener Angaben Entwicklungs- und Extraktionsprozesse von bislang mehreren Wochen auf wenige Stunden. Für Chipentwickler bedeutet das schnellere Process Design Kits (PDKs) und effizientere Design-Technology-Co-Optimization-Prozesse – ein klarer Produktivitätsgewinn in einer Phase, in der Zeit-to-Market über Wettbewerbsfähigkeit entscheidet. Aus Anlegersicht unterstreicht dieser Schritt die strategische Ausrichtung von Keysight auf margenstarke Softwarelösungen mit wiederkehrenden Umsätzen.
Der technologische Hintergrund ist komplex, aber für Investoren relevant: Neue Chiparchitekturen wie Gate-All-Around-Transistoren, Wide-Bandgap-Materialien wie GaN und SiC sowie 3D-Integration erhöhen den Modellierungsaufwand drastisch. Klassische, physikbasierte Ansätze stoßen hier zunehmend an Grenzen. Keysight setzt deshalb auf KI-gestützte Optimierungsverfahren, die hunderte manuelle Abstimmungsschritte auf wenige automatisierte Prozesse reduzieren. Nach Angaben des Unternehmens lassen sich dabei mehr als 80 Modellparameter in einem einzigen Optimierungslauf erfassen – inklusive Temperatureffekten und dynamischem Verhalten. Nilesh Kamdar, General Manager der EDA-Sparte, erklärt laut Unternehmensmitteilung, dass KI-Methoden die Qualität und Vorhersagekraft der Modelle deutlich erhöhen und Entwicklungsrisiken reduzieren. Für Anleger eröffnet sich damit die Perspektive, dass Keysight von steigenden F&E-Budgets der Halbleiterindustrie überproportional profitieren könnte. Risiken bleiben konjunkturelle Schwankungen im Chipmarkt und der zunehmende Wettbewerb im EDA-Segment, insbesondere durch spezialisierte Softwareanbieter.
Der technologische Hintergrund ist komplex, aber für Investoren relevant: Neue Chiparchitekturen wie Gate-All-Around-Transistoren, Wide-Bandgap-Materialien wie GaN und SiC sowie 3D-Integration erhöhen den Modellierungsaufwand drastisch. Klassische, physikbasierte Ansätze stoßen hier zunehmend an Grenzen. Keysight setzt deshalb auf KI-gestützte Optimierungsverfahren, die hunderte manuelle Abstimmungsschritte auf wenige automatisierte Prozesse reduzieren. Nach Angaben des Unternehmens lassen sich dabei mehr als 80 Modellparameter in einem einzigen Optimierungslauf erfassen – inklusive Temperatureffekten und dynamischem Verhalten. Nilesh Kamdar, General Manager der EDA-Sparte, erklärt laut Unternehmensmitteilung, dass KI-Methoden die Qualität und Vorhersagekraft der Modelle deutlich erhöhen und Entwicklungsrisiken reduzieren. Für Anleger eröffnet sich damit die Perspektive, dass Keysight von steigenden F&E-Budgets der Halbleiterindustrie überproportional profitieren könnte. Risiken bleiben konjunkturelle Schwankungen im Chipmarkt und der zunehmende Wettbewerb im EDA-Segment, insbesondere durch spezialisierte Softwareanbieter.
& Profi-Tools von
