Der Einsatz agentischer künstlicher Intelligenz im Chipdesign verlagert sich von der Beschleunigung einzelner Aufgaben wie der RTL-Erzeugung oder Fehlerbehebung hin zum Betrieb längerer Workflows mit mehreren Agenten und Werkzeugen. Dieser Fortschritt bedeutet jedoch nicht, dass das Chipdesign zu einem vollständig autonomen Prozess geworden ist. Vor dem Einsatz der Agenten müssen Ingenieure das schaffen, was als „menschliches Gerüst“ beschrieben werden kann: die Definition des domänenspezifischen Wissens, die Festlegung der Designabsicht und der Aufbau einer Betriebsstruktur, die Werkzeuge, Speicher, Ausführungsschleifen und Prüfpunkte steuert.
Dieses Fazit trat bei einer von Semiconductor Engineering während der Design Automation Conference unter Ausschluss der Öffentlichkeit veranstalteten Diskussionsrunde hervor. Daran nahmen Matt Graham von Cadence, Harrison Balistreri von ChipAgents, Alexander Petr von Keysight EDA, Sathish Balasubramanian von Siemens EDA und Anand Thiruvengadam von Synopsys teil. Liz Allan, die Chefredakteurin von Semiconductor Engineering, veröffentlichte am 27. August 2026 Auszüge aus der Diskussion.
Von Aufgabenagenten zu vollständigen Design-Workflows
Die Teilnehmer erklärten, dass Kunden begonnen haben, agentische künstliche Intelligenz in Produktionsumgebungen einzusetzen, um bestimmte Schwachstellen zu bearbeiten, wobei bei kleineren Aufgaben weiterhin menschliche Eingriffe erfolgen. Zu den aktuellen Anwendungen gehören RTL-Erzeugung, Verifikation, Fehlerbehebung und das Schließen der Coverage. Das umfassendere Ziel besteht darin, eine Spezifikation bereitzustellen und letztlich ein Design zu erhalten, das in GDS II oder einen Chip umgewandelt werden kann. Dieses vollständige Szenario ist laut der Diskussion jedoch noch nicht allgemein und ohne menschliche Eingriffe erreicht.
Balasubramanian wies darauf hin, dass sich der Schwerpunkt von einem einzelnen Agenten auf die Koordination von Workflows oder mehreren Subagenten verlagert. Balistreri sprach von vollständigen, unabhängigen Ergebnissen in bestimmten Engineering-Workflows, etwa beim Schließen der Coverage mithilfe von Multi-Agenten-Schwärmen, vorausgesetzt, der Kontext der Organisation und die konkrete Arbeitsweise des Kunden sind bekannt. Graham hob die Ausweitung des Einsatzes von der digitalen Frontend-Entwicklung auf Analog- und Mixed-Signal-Design, digitale Implementierung, vollständiges Design, Leiterplatten, Packaging und sogar Multi-Physik-Workflows hervor.
In der Praxis bedeutet dies, dass sich der Automatisierungsumfang vom einzelnen Chip auf ein System aus mehreren Chips und die damit verbundenen Systeme ausweitet. Petr sagte, dass Investitionen in Multi-Chip-Technologien, den KI-Stack und Photonik fließen, weil die Skalierung nicht mehr nur auf einem einzelnen Chip beruht. Er wies jedoch auch darauf hin, dass Agenten leichter mit Bereichen umgehen, die auf Software und Code basieren, während Bereiche, die auf Benutzeroberflächen und der Maus beruhen, schwieriger bleiben.
Ontologie und Agenten-Stack vor dem Betrieb des Modells
Die zentrale Aufgabe des Ingenieurs besteht laut den Teilnehmern nicht darin, mehr Skripte für Agenten zu schreiben, sondern die Domäne zu beschreiben, in der sie arbeiten werden. Die Ontologie ist dabei eine strukturierte Darstellung der Konzepte, Beziehungen und des domänenspezifischen Wissens im Designbereich. Der Ingenieur muss Kriterien wie Leistung, Performance und Fläche, die zulässigen Grenzen sowie die Parameter festlegen, die Agenten untersuchen dürfen, und dies mit der Designabsicht und den übrigen Phasen des Workflows verknüpfen.
Der „Agenten-Stack“ ist dagegen die Softwareschicht, die das Modell umgibt und Werkzeuge, Speichermodule, Ausführungsschleifen und Schutzvorrichtungen umfasst. Die Diskussion betont, dass sein Wert nicht allein darin liegt, ein allgemeines Sprachmodell mit einem Werkzeug zu verbinden, sondern darin, es auf Chipdesign-Aufgaben und den Kontext der Organisation abzustimmen. Die Ontologie muss sich außerdem über den gesamten Workflow erstrecken und darf nicht auf einen einzelnen Verifikationsprozess oder ein einziges IP-Team beschränkt bleiben, weil Änderungen und neue Daten zwischen mehreren Phasen und Teams weitergegeben werden.
Autonomie beseitigt die menschliche Verifikation nicht
Es besteht Einigkeit darüber, dass das Vertrauen in die Ergebnisse die wichtigste praktische Hürde darstellt. Thiruvengadam zufolge werden Menschen zwei zentrale Rollen behalten: die Festlegung der Designabsicht und die Überprüfung der Auditierbarkeit sowie der Korrektheit der Ergebnisse. Daher sollten Systeme ihre Ergebnisse so darstellen, dass Ingenieure sie schnell verstehen und überprüfen können, mit klaren Haltepunkten und einer geeigneten Schnittstelle. Andernfalls würden die Ausgaben des Agenten zu einem neuen Engpass, statt manuelle Arbeit zu beseitigen.
Balistreri ist der Ansicht, dass die Abhängigkeit von der menschlichen Prüfung jeder Ausgabe den erwarteten Nutzen der Autonomie begrenzt. Deshalb sollten die Agentenschleifen selbst Schutzschranken enthalten, die bestimmte Kategorien kritischer Fehler verhindern. Er nannte als Beispiel Ausnahmen im Coverage-Modell: Ein Agent könnte entscheiden, die Coverage an einer Stelle aufzuheben, an der dies nicht zulässig ist, wodurch ein erheblicher Aufwand für die menschliche Prüfung entsteht. Balasubramanian und Graham betonten dagegen, dass Sprachmodelle nichtdeterministisch sind und ihre Auswahl von Szenarien oder Vorschläge die deterministischen und mathematisch präzisen Signoff- und Verifikations-Engines nicht ersetzen können.
Was ändert sich tatsächlich?
Der eigentliche Wandel besteht nicht darin, EDA-Engines zu ersetzen, sondern künstliche Intelligenz darüberzulegen und sie in längere Workflows einzubinden, die den Designraum umfassender erkunden können. Die Teilnehmer sagen, dass Kunden begonnen haben, eine positive Investitionsrendite und konkrete Verbesserungen bei Verifikation und Implementierung sowie bei einigen Analog- und Systemanwendungen zu sehen, darunter thermische Strukturen und Themen im Zusammenhang mit CMT, also dem Common-Mode-Transientenübergang.
Diese Ergebnisse belegen jedoch nicht, dass ein „einziger Agent“ den gesamten Designprozess beherrschen wird. Offen bleibt, ob sich die Branche auf einen einzigen Superagenten, mehrere spezialisierte Agenten und Frameworks oder auf eine jeweils eigene Framework-Auswahl der einzelnen Unternehmen zubewegt. Laut Graham sind außerdem die Tokenkosten zu einem wichtigen Planungsfaktor für Kunden geworden, neben der Notwendigkeit, künstliche Intelligenz mit den grundlegenden Engines zu integrieren, die weiterhin unverzichtbar sind, wenn die Fehlerkosten hoch sind.
Redaktionelle Einordnung: Die vorliegenden Daten deuten darauf hin, dass sich der Engpass von der Erstellung von Anweisungen zur Kontexttechnik, Governance und Verifikation verlagert. Chipdesign-Teams mit genauer Kenntnis ihrer Workflows werden stärker betroffen sein als andere. Die Quelle liefert jedoch keine einheitlichen Messwerte für die Verbesserungen und nennt keinen Zeitpunkt für die Erreichung eines vollständig autonomen Workflows. Daher sollten die Begriffe „Autonomie“ und „positive Investitionsrendite“ als von den Teilnehmern und Kunden berichtete Ergebnisse betrachtet werden, nicht als allgemein belegter Maßstab für alle Chipdesign-Projekte.