BMW Motoren und Infineon : Neues CD-Labor in Graz für störfeste elektronische Bauteile

TU Graz, Prof. Jan Carsten Hansen, Institut für Elektronik

Jan Hansen mit der Leistungselektronik eines Elektromotors in der Antennenmesskammer der TU Graz.

- © Lunghammer - TU Graz

In der Automobiltechnik ist es unverzichtbar, dass elektronische Komponenten und Instrumente zuverlässig und störungsfrei funktionieren. Allerdings werden solche Bauteile wie beispielsweise Halbleiter immer kleiner. Dadurch sprechen sie jedoch auch umso empfindlicher auf äußere Einflüsse wie elektrostatische Entladungen oder elektromagnetische Strahlung anderer elektronischer Komponenten. So kann es zu Fehlfunktionen, Funktionsstörungen bis hin zu Ausfällen kommen.

Hansen und sein Team fokussieren im neuen Labor mit den Unternehmenspartnern BMW Motoren und Infineon auf zwei Themenkomplexe: Den störenden Einflüssen, denen elektronische Bauteile im Design- und Fertigungsprozess ausgesetzt sind, und deren Optimierung als Komponente eines größeren Systems. "In der Produktion durchläuft ein Halbleiter eine mehrere Meter lange Fertigungsstraße mit vielen Arbeitsschritten und Abschnitten, wo er sich statisch aufladen kann. Wenn er am Ende der Fertigung defekt ist, lässt sich häufig nur schwer feststellen, woran es gelegen hat", erklärte Hansen die Problematik. Die weitere Miniaturisierung der Halbleiter stelle die Forscher vor neue Herausforderungen. Hier will man neue physikalische Modelle entwickeln, um die verschiedenen Effekte zu beschreiben und die Fehlerquellen aufzudecken.

Optimierung von elektronischen Fahrzeugantrieben

In der täglichen Anwendung von elektronischen Systemen spielen auch die jeweiligen Umgebungsbedingungen eine Rolle. Solche Parameter lassen sich jedoch selten konkret bestimmen. Wenn man nun Modelle in Abhängigkeit solcher Unsicherheiten studieren möchte, stößt man mit normalen Berechnungen schnell an die Grenzen, weil Hunderttausende und mehr Einzelrechnungen durchgeführt werden müssten. Hier soll Machine-Learning helfen und den Prozess beschleunigen. "Ein Machine-Learning-Modell rechnet so schnell, dass wir es im Grunde als einen Container fertig vorliegender Rechenergebnisse betrachten können, wie eine Datenbank", sagt Hansen.

Im Autobau will man den neuen Zugang für die Optimierung von elektronischen Fahrzeugantrieben für die bestmögliche Konfiguration des Systems nutzen: "Wir erwarten, dass wir diese Methode zur Optimierung von elektronischen Systemen in unterschiedlichsten Umgebungen nutzen können, auch über einzelne Antriebsstränge hinaus", zeigte sich Hansen optimistisch.