Datenmanagement und Hybride Prozessmodellierung für die Mikroelektronik (DaHyME - [dəˈhaɪ̯m])

Hybride KI-Prozessmodelle machen die Mikroelektronikfertigung effizienter, robuster und nachhaltiger. Wir verknüpfen domänenspezifisches Prozesswissen aus Simulationen und etablierten empirischen Modellen mit datengetriebenen Methoden des Maschinellen Lernens – optimiert für reale Fabrikumgebungen mit kleinen, heterogenen Datensätzen. Ziel ist es, Energie- und Ressourceneinsatz zu senken, Entwicklungszeiten zu verkürzen und die Innovationsfähigkeit am Standort Sachsen gezielt zu stärken. 

Zwei Use Cases tragen das Projekt:

1. Optimierung von Plasmaätzprozessen, einem Kernschritt der Chipfertigung, mit messbaren Einsparungen bei Energie, klimaschädlichen Prozessgasen und Pilot- und Kontrollwafern
2. Beschleunigte Entwicklung nanomaterial-basierter Feldeffekttransistoren (z. B. CNT-FETs) jenseits von CMOS für Anwendungen wie PUFs, Sensorik, HF-Bauteile, 3D-Logik oder photonische Systeme. 

Technisch bauen wir eine mikroelektronik-spezifische Dateninfrastruktur auf, verknüpfen Prozess- und Metadaten und kombinieren physikbasierte Mehrskalen-Modelle mit KI-Verfahren. Ein Demonstrator am Fraunhofer ENAS sowie Transfer-Workshops machen die Ergebnisse für sächsische Industriepartner unmittelbar erfahrbar.