Intel Foundry skizziert eine Fertigungsstrategie, die Messung nicht mehr als isolierten Qualitätsschritt versteht, sondern als verknüpfte Datenbasis für Yield, Qualität und Autonomie. Der Kern der Aussage: Autonome Fertigung braucht nicht nur KIArtificial IntelligenceKI bezeichnet Verfahren, die Aufgaben durch datengetriebene Modelle automatisieren., sondern belastbare Messungen, gekoppelte Infrastrukturen und technische Verantwortlichkeit.
Traditionelle Metrologie prüft, ob einzelne Prozessschritte Spezifikationen erfüllen. Die erweiterte Sicht verbindet Messwerte mit Anlagenzustand, Materialeigenschaften, Kontaminationen und später auftretenden Defekten. So sollen Ursachen früher erkannt werden, bevor fehlerhaftes Material weiterverarbeitet wird. Das würde Ausschuss und Suchaufwand verringern, setzt aber eine zuverlässige Verknüpfung zwischen Messung und dem jeweils verantwortlichen Produktionskontext voraus.
Besonders relevant wird das bei Advanced Packaging. Chiplets, Hybrid Bonding und gestapelte Bauelemente machen Fertigung, Assembly und Test technisch und wirtschaftlich stärker voneinander abhängig. Fällt ein Defekt erst nach dem Zusammenbau auf, kann er den Wert bereits integrierter Komponenten beeinträchtigen. Deshalb gewinnen die Auswahl geeigneter Dies vor der Montage und die Verknüpfung von Testergebnissen mit der Fertigungshistorie an Bedeutung.
Als Teil dieser Strategie nennt Intel Foundry seine Advanced Chiplet Test Services. Dazu zählen prädiktive Die-Klassifikation, intelligentes Die-Pairing, optische Tests und Yield-Analysen. Diese Funktionen sollen Testinformationen früher nutzbar machen, damit Ingenieure teure Folgeschäden in späteren Prozessschritten vermeiden können.
Auch bei KIArtificial IntelligenceKI bezeichnet Verfahren, die Aufgaben durch datengetriebene Modelle automatisieren. setzt Intel Foundry auf Begrenzungen statt auf Vollautomatisierung. Die Forschung zur automatischen Defektklassifikation nutzt einen agentischen Workflow, der Logs, Wissenssuche, Untersuchungen und Recipe-Reviews unterstützt. An kritischen Stellen bleiben Freigaben durch Menschen vorgesehen. Entscheidend ist dabei der Unterschied zwischen einer statistischen Korrelation und einer belastbaren Ursache, die eine Änderung des Prozessrezepts rechtfertigt.
Für Fab-Manager stellt sich damit eine praktische Frage: Welche Empfehlungen dürfen automatisch ausgeführt werden, und welche müssen geprüft werden? Ein brauchbares System soll die Evidenz erhalten, betroffene Tools und Lots benennen, Unsicherheiten dokumentieren und die Freigabe nachvollziehbar festhalten. Andernfalls verlagert sich der Prüfaufwand nur auf Ingenieure, während die Nachvollziehbarkeit sinkt.
Ein weiterer Baustein ist die physikgestützte Thermomodellierung. Intel Foundry berichtet über Forschung, die KIArtificial IntelligenceKI bezeichnet Verfahren, die Aufgaben durch datengetriebene Modelle automatisieren. mit Wärmeübertragungsphysik kombiniert, um Vorhersagen mit weniger Trainingsdaten zu verbessern. Für leistungskritische Bauelemente und heterogene Packages könnte das Design-, Test- und Zuverlässigkeitsentscheidungen unterstützen. Der industrielle Nutzen hängt jedoch von der Validierung über Materialien, Architekturen, Lastprofile und Betriebsbedingungen hinweg ab.
Damit solche Ansätze skalieren, braucht es offene und hardwareunabhängige Infrastruktur. Inkompatible Gerätesilos begrenzen die Sicht auf den Prozess und erschweren die Einführung über mehrere Fabriken hinweg. Intel Foundry verweist in diesem Zusammenhang auf SATAS, ein Industriekonsortium für interoperable Architekturen und Automatisierungsrahmen. Die Botschaft ist klar: Mehr Autonomie beginnt mit belastbaren Daten, gemeinsamen Schnittstellen und sauberer Verantwortlichkeit für jede entscheidende Fertigungsentscheidung.