Condition Level Monitoring: Qualitätssicherung ganzer Elektronikfertigungslinien

Wie lässt sich die Produktionsqualität räumlich verteilter Elektronikfertigungslinien zuverlässig und in Echtzeit überwachen? Mit dieser Fragestellung beschäftigte sich das vom BMFTR geförderte Forschungsprojekt AdaPEdge. Ziel war es, Umgebungs-, Produktions- und Maschinendaten an unterschiedlichen Standorten digital zu erfassen und mithilfe von Künstlicher Intelligenz (KI) auszuwerten. Der Fokus lag dabei nicht auf einzelnen elektronischen Komponenten, sondern auf dem Qualitätsniveau ganzer Fertigungslinien.

Steve Voges, Prozessentwicklungsingenieur, und Karl-Friedrich Becker, Gruppenleiter »Assembly & Encapsulation Technologies« am Fraunhofer IZM, sprachen mit RealIZM über die Entwicklung und den Mehrwert der neuen Bewertungsmetrik »Condition Level Monitoring«.

Von der Ausbeute zum »Condition Level«

»Die Qualität von Fertigungsumgebungen wird häufig anhand von Kennzahlen wie beispielsweise der Ausbeute oder mit Prozessregelkarten für einzelne Prozessschritte rückblickend bewertet«, fasst Karl-Friedrich Becker zusammen. »Das Projekt AdaPEdge verfolgt einen anderen Ansatz: Es setzt auf eine neue Bewertungsmetrik – das sogenannte Condition Level Monitoring.«

Das »Condition Level« beschreibt den aggregierten Qualitätszustand einer Elektronikfertigungslinie. Es entsteht aus dem Abgleich verschiedenster Datenquellen – etwa Umgebungs-, Maschinen-, Prozess- und Qualitätsdaten. Ziel ist es, Abweichungen vom optimalen Zustand frühzeitig zu erkennen und automatisiert Gegenmaßnahmen einzuleiten.

Damit wird das Condition Level zu einem zentralen Steuerungsinstrument – sowohl für den internen Betrieb als auch für die Kommunikation mit Kunden.

Das »Condition Level« ist ein unabhängiger, normierter Bewertungsfaktor für die Resilienz und Robustheit der Fertigung, z.B. um Prüfintervalle zu reduzieren bzw. im Havariefall zu erhöhen | © Fraunhofer IZM

Lernen über Standorte hinweg – ohne Datenhoheit zu verlieren

Ein zentrales Element im Projekt AdaPEdge war das föderale Lernen. Die Grundidee: Unterschiedliche Fertigungsstandorte lernen voneinander, ohne ihre Rohdaten vollständig teilen zu müssen. Jeder Standort wertet seine lokalen Daten selbst aus und gibt nur verdichtete Informationen weiter. Diese werden anschließend zu einem Gesamtmodell zusammengeführt und mithilfe von KI ausgewertet.

Dieses Vorgehen adressiert eine der größten Herausforderungen verteilter Fertigungen: die Datensouveränität. Unternehmen behalten die Kontrolle darüber, welche Daten sie teilen. Gleichzeitig profitieren sie vom Wissen anderer Standorte.

»Föderales Lernen ermöglicht es, reduzierte Datensätze zu kombinieren und vergleichend zu bewerten, ohne detaillierte Rückschlüsse auf einzelne Standorte zuzulassen«, so Steve Voges. »Auf diese Weise lassen sich übergreifende Qualitätsmuster erkennen, ohne sensible Produktionsdaten offenzulegen.«

Sensorik, Edge Computing und Datenfusion

Um das Condition Level zuverlässig bestimmen zu können, ist eine umfassende und kontinuierliche Datenerfassung erforderlich. Im Projekt AdaPEdge wurde hierfür sowohl an der Prototypenfertigungslinie des Fraunhofer IZM als auch an industriellen Fertigungslinien der Siemens AG (Projektkoordinator) und Micro Systems Engineering GmbH (Projektpartner) jeweils eine umfangreiche Sensorinfrastruktur aufgebaut.

An verschiedenen Stationen der verteilten Fertigungslinien kamen speziell für das Projekt entwickelte meshfähige Sensorknoten zum Einsatz. Diese Multisensor-Module erfassen unter anderem Temperatur, Luftfeuchte und Beschleunigung. Die Daten werden drahtlos an ein Edge-Computing-Modul übertragen.

Dort erfolgten die Vorverarbeitung und die zeitliche Zuordnung der Daten. Alle Informationen werden mit Zeitstempeln versehen und in einer Datenbank gespeichert, die als Data Lake dient. So lässt sich später nachvollziehen, welche Umgebungsbedingungen zu welchem Zeitpunkt an welcher Maschine vorlagen. Diese Transparenz ist entscheidend, um Ursachen für Qualitätsabweichungen zu identifizieren.

Schematische Darstellung der Sensorinfrastruktur des AdaPedge-Netzwerks am Fraunhofer IZM | © Fraunhofer IZM I Steve Voges

Kostengünstige Sensorik zum Retrofit bestehender Fertigungslinien

»Eine Aufgabenstellung im Projekt war die Entwicklung eines kostengünstigen, nachrüstbaren Sensorsystems,« erläutert Becker. »Die Sensorknoten sind daher bewusst kompakt und universell ausgelegt.«

Die eingesetzte S³EM-Sensor-Mesh-Technologie mit integrierten Edge-Computing-Modulen ermöglicht eine dezentrale Kommunikation sowie Weiterleitung von Messdaten innerhalb des Sensornetzwerks. Das Netzwerk ist modular ausgelegt und unterstützt eine skalierbare Erweiterung durch zusätzliche Sensorknoten.

Ein standardisiertes MQTT-Protokoll gewährleistet eine einfache Einbindung in jede Produktionsumgebung. Das System eignet sich insbesondere zum Retrofitting von bisher wenig digitalisierten Fertigungslinien. Es ermöglicht eine kontinuierliche Prozessüberwachung sowie datenbasierte Qualitätssicherung und -steigerung.

Die Sensorik Bayern GmbH verantwortete die Systemauslegung der Sensorknoten. Das Fraunhofer IZM und die TU Berlin entwickelten ein industrietaugliches Multisensor-Modul sowie die zugehörigen 3D-Antennen: 2,4 GHz RF Design mit drei schaltbaren metallisierten Antennen auf Mold und fünf geschirmte Seiten plus eine Seite mit Schirmungsgraben. Das Antennen-Design ist auf hohe Effizienz in rauen Industrieumgebungen ausgelegt und kombiniert eine neuartige Antennentechnologie mit in das Packaging integrierten Schirmungsansätzen.

Package mit Abschirmung, HF-Antenne und Sensorintegration erste Generation des S³EM (links) und zweite Generation S³EM | © Fraunhofer IZM

Zur Optimierung der elektromagnetischen Verträglichkeit (EMV) wurden bei dem Projektpartner TU Berlin die Schirmungsmechanismen analytisch untersucht. Hierzu wurde ein automatisierter Messplatz zur Bestimmung der Schirmungseffektivität (SE-Faktor) sowie zur Analyse von möglichen Störungen innerhalb der Secure Smart Sub-Edge Module (S³EM) entwickelt und evaluiert.

»Die Secure Smart Sub‑Edge Module sind gegen äußere EMV‑Einflüsse geschirmt. Eine vollständige Verkapselung schützt die Hardware zusätzlich vor möglichen Manipulationen«, erläutert Steve Voges. Darüber hinaus kann ein Crypto‑Chip integriert werden, der eine verschlüsselte Kommunikation und Authentifizierung ermöglicht. Diese Sicherheitsarchitektur wurde bereits im Vorgängerprojekt »SieVei 4.0« erfolgreich umgesetzt.

Schematische Darstellung des Layouts der Teststrukturen für das Shielding | © Fraunhofer IZM I Steve Voges

Fortschritte im Packaging und bei der EMV-Schirmung

Neben der Datenebene spielte auch die Hardware eine zentrale Rolle. Gemeinsam entwickelten das Fraunhofer IZM und die TU Berlin ein Packaging-Konzept für die Sensorknoten mit dem Ziel, die Module bestmöglich gegen elektromagnetische Störungen abzuschirmen.

Im Projektverlauf zeigte sich, dass die Haftung der Metallisierung auf dem Mold Compound bei dem bislang eingesetzten Verfahren am Fraunhofer IZM nicht ausreichend war. »Um die Schirmung des Packages zu verbessern, haben wir den Prozess von einer Sputter-Metallisierung auf eine Direkt-Metallisierung umgestellt«, erläutert Becker.

Die Bewertung der Schichthaftung von Metallisierung auf Mold Compounds wurde zudem im Rahmen einer Masterarbeit wissenschaftlich begleitet. »Im Ergebnis verfügen wir über eine deutlich bessere Metallisierung und ein sehr gutes Bewertungsverfahren. Das ist für uns ein zusätzlicher großartiger Erfolg in diesem Projekt«, fasst Becker zusammen.

Reaktion auf Anomalien in Echtzeit

Der eigentliche Mehrwert des Condition Level Monitorings zeigt sich im laufenden Betrieb. Sinkt das Condition Level unter definierte Schwellwerte, reagiert das System automatisch. Es löst Alarme aus, visualisiert den Zustand der Fertigungslinie und stellt den Operatoren eine fundierte Entscheidungsgrundlage zur Verfügung.

Die Rolle der KI im Projekt

Die KI-gestützte Auswertung der gesammelten Fertigungsdaten zur Bewertung des Condition Levels wurde von der Universität Bielefeld verantwortet. Dort erfolgte die Auswahl und Anpassung der KI, die für den Einsatz auf Edge-Computing-Modulen direkt in der Fertigung geeignet ist – ohne den Bedarf an High-Performance-Computing. Für die Realisierung eines kostengünstigen, nachrüstbaren Sensorsystems war eine ressourcenschonende KI erforderlich, die die Daten vorverdichtet und vorbewertet.

Darüber hinaus kam KI zum Einsatz, um neue Datenquellen entlang der Fertigungslinien zu erschließen. »Wir haben untersucht, welche Parameter im Mold-Prozess bislang nicht erfasst werden«, beschreibt Voges. Mittels einer Kamera und KI-gestützter Auswertung wurden die Geometrien des dosierten Mold Compounds als 3D-Bild erfasst. »Diese zusätzlichen Informationsquellen ermöglichen uns eine noch präzisere Prozessbewertung.«

Anschlussprojekt und Ausblick

Die im Projekt AdaPEdge entwickelten Ansätze fließen in weitere Forschungsvorhaben ein. Im Projekt CHOPS werden beispielsweise Entwurfs- und Packaging-Flows für elektronisch‑photonische Systeme digital beschrieben und als Assembly Design Kit (ADK) in Open-Source-Designsoftware wie KiCad integriert. Grundlage ist der Ansatz der System‑Technology‑Co‑Optimization (STCO), bei dem Design und Technologie von Anfang an gemeinsam gedacht werden. Geplant ist unter anderem, ein offenes PDK für PIC bereitzustellen und Advanced Packaging (3D‑AVT und Fan-out Wafer Level Packaging (FOWLP)) im OS‑Entwurfswerkzeug abzubilden. Entwickler*innen von photonischer Aufbau‑ und Verbindungstechnik könnten so bereits in der Designphase prüfen, ob ein Produkt fertigungsgerecht ist. Ein KI-gestützter Design-Rule-Check unterstützt dabei, Fehler frühzeitig zu vermeiden und die Brücke zwischen Chip, Package und System zu schlagen.

Veranstaltungshinweis

Chipdesign Germany Forum 2026 | Dresden

Am 6. und 7. Mai 2026 lädt das zweite Chipdesign Germany Forum nach Dresden ein. Im Fokus stehen der fachliche Austausch zu aktuellen Entwicklungen im Chipdesign, Einblicke in laufende Projektarbeiten sowie Fragen der strategischen Weiterentwicklung der deutschen und europäischen Mikroelektronik im Kontext der Hightech‑Agenda und des EU Chips Acts.

In dem vom Berliner Senat geförderten Projekt »FANOPa« hat das Fraunhofer IZM eine Fan-out Wafer Level Packaging-Plattform für HF-Anwendungen entwickelt. Es wurden grundlegende Untersuchungen zum FOWLP-Prozess durchgeführt, um die Verschiebung von Chips während des Verkapselungsprozesses auf Basis historischer Prozess- und Materialdaten zu bestimmen. Dank der entwickelten Prozessmodelle sind kaum bis keine explorative(n) Versuche mehr notwendig.

»Mit dem Projekt AdaPEdge konnten wir aufzeigen, wie sich KI, Sensorik und föderales Lernen sinnvoll kombinieren lassen, um Qualität in verteilten Fertigungen ganzheitlich zu bewerten«, fasst Voges zusammen. »Das Condition Level Monitoring ermöglicht nicht nur Transparenz, sondern auch schnelle, automatisierte Reaktionen auf Abweichungen. Damit leistet das Projekt einen wichtigen Beitrag zu einer resilienten, datengetriebenen Elektronikfertigung im Sinne von Industrie 4.0.«

AdaPEdge: Edge-Computing-Module für eine resiliente Elektronikfertigung mit adaptiver Prozessoptimierung