Company Core Technologies

Integrated Circuits, Industrial and Power Electronics

Unsere Forschung in diesem Technologiebereich umfasst KI-gestützte EDA, den Entwurf und die Fertigung von ICs/PCBs sowie die Nachhaltigkeit softwaredefinierter Hardware in den Bereichen Elektrifizierung, Automatisierung und Digitalisierung. Dabei werden elektronische Hardware, Software und mechatronische Systeme miteinander integriert.

Publikationen lesen

Was wäre, wenn KI, digitale Zwillinge und softwaredefinierte Hardware weniger Hardware und Energie benötigen würden?

Da Fabriken, Fertigungssysteme und Energienetze ein immer höheres Maß an Autonomie erfordern, führt der Einsatz leistungsstarker Server oder Cloud-Computing zu Engpässen hinsichtlich Latenz, Stromverbrauch und Platzbedarf für die Hardware. Die Zukunft der Automatisierung erfordert eine Verlagerung der Intelligenz näher an die Maschinen. Dieser Ansatz kommt mit einem Bruchteil der physischen Hardware aus und ist deutlich energieeffizienter.

Was zählt, sind Lösungen für effizienteres Computing, Sensortechnik, Leistungselektronik und eingebettete KI-Fähigkeiten für industrielle Systeme.

Ein geteiltes Bild, auf dem eine blaue digitale Mikrochip-Darstellung zu sehen ist und drei Forscher auf einen Laptop blicken

Ein Roboterarm, der Leiterplatten präzise entlang eines automatisierten Förderbands in einer Fabrik bestückt.

Der Bereich Integrated Circuits, Industrial and Power befasst sich mit fortschrittlichen Hardwarearchitekturen für digitale, analoge und Mixed-Signal-Systeme, Leiterplatten sowie allgemeinen und anwendungsspezifischen Rechenaufgaben einschließlich künstlicher Intelligenz und Security-Workloads.

Bei den Entwicklungsprozessen kommen maschinelles Lernen und generative künstliche Intelligenz für den Hardware-Entwurf und die Verifikation zum Einsatz. Sie umfassen Integration, Miniaturisierung, Fertigungsprozesse und den gesamten Lebenszyklus nachhaltiger Produkte. Mithilfe von Digital-Thread- und Digital-Twin-Technologien treiben domänenspezifische Systeme das gemeinsame Design von Hardware und Software über elektronische Plattformen hinweg voran.

Diese Company Core Technology umfasst Hardware für Computing-, Kommunikations-, Sensor-, Aktor- und mechatronische Systeme. Damit werden sichere und nachhaltige Feld- und Edge-Geräte für die Bereiche Elektrifizierung, Automatisierung und Digitalisierung ermöglicht. Zudem beinhaltet sie KI-gestützte elektronische Entwurfsautomatisierung für integrierte Schaltkreise und Leiterplatten. Dabei werden Digital-Twin- und Digital-Thread-Lösungen über funktionale, elektrische, thermische und mechanische Bereiche hinweg integriert.

Darüber hinaus umfasst sie anwendungsspezifische integrierte Schaltkreise für softwaredefinierte Hardware, Leistungselektronik für die Energieumwandlung und Bewegungssteuerung sowie hardwareorientierte, KI-gestützte Steuerungstechnologien für die industrielle Echtzeitautomatisierung und Robotik.

Icon für Integrated Circuits, Industrial and Power Electronics

Publikationen

Entdecken Sie ausgewählte Fachbeiträge

Spring reverb emulation with hybrid gated convolutional networks and state space models

Published in: ICASSP 2026
M. Wess, J. Janser, D. Dallinger, J. Janser, M. Wess, M. Bittner, D. Schnöll, A. Jantsch

Modeling analog spring reverbs is challenging due to nonlinear behaviors and long tails. We propose GCN-SSM, a hybrid deep learning model combining gated convolutional networks and state space models. Achieving top-tier, industry-leading perceptual quality, it requires only 125.7k parameters and allows modern CPU deployment.
View at publisher's page

Analyses of materials behavior and solder fatigue test and prediction results for long-term thermal cycling

Published in: 2025 26th International Conference on Thermal, Mechanical and Multi-Physics Simulation and Experiments in Microelectronics and Microsystems (EuroSimE)
Peter Fruehauf, Andreas Weigert, Rainer Dudek, Kerstin Kreyßig, Matthias Prinz, Susana Richter-Trummer, Sven Rzepka

This study validates FE simulations against 13-year thermal tests to predict fatigue life in FBGA277 and QFN components. Accounting for material aging and cure shrinkage in molding compounds is essential, omitting shrinkage flips calculated warpage. Aged Anand creep laws match physical failure patterns, unlike unaged data.
View at publisher's page

Reconfigurable intelligent surface for industrial automation: mmWave propagation measurement, simulation, and control algorithm requirements

Published in: 2024 IEEE 35th International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC)
L. W. Mayer, A. Hofmann, M. Schiefer, H. Radpour, M. Hofer, D. Löschenbrand, T. Zemen

Our research presents an active 127-element reconfigurable intelligent surface (RIS) operating at 23.8 GHz bypasses line-of-sight blockages in industrial mmWave environments. Controlled via FET-based amplification, it effectively focuses signals onto target points. Measurements confirm beamwidth performance, providing practical update criteria for mobile indoor tracking.
View at publisher's page

Modelling of SiC and GaN transistors based on pulsed S-parameter measurements

Published in: December 2025, Power Electronic Devices and Components
Martin Hergt, Bernhard Hammer, Martin Sack, Lukas W. Mayer, Sebastian Nielebock, Marc Hiller

In this research project, we derived a precise 12-element model for SiC MOSFET and GaN HEMT power transistors using pulsed S-parameter measurements from 2 MHz to 500 MHz. Covering pinch-off, ohmic, and active regions, the iteratively adjusted model exhibits an excellent match with original measurements for fast inverters.
View at publisher's page

AI-based motion control with system dynamics flexibility

Published in: 2024 Energy Conversion Congress & Expo Europe (ECCE Europe)
Niklas Körwer; Martin Bischoff; Michael Laumen; Rik W. De Doncker

The algorithms in today’s production machines are becoming more complex every day in order to keep up with market demands for increased productivity and flexibility. This paper proposes using reinforcement learning and neural networks to accelerate motion control development for production machines. Trained on digital twins, the network adapts motor setpoints to frequency converter dynamics, reducing following errors, smoothing control and enabling flexible reuse across various machine configurations.
View at publisher's page