MIT-Ausgründung FabuBlox stellt FabAgent für die Prozessentwicklung in der Halbleiterfertigung vor

FabuBlox hat FabAgent vorgestellt, einen KI-Assistenten, der Halbleiteringenieure dabei unterstützen soll, Fertigungsprozesse zu entwickeln, zu analysieren und zu simulieren, bevor sie im Reinraum ausgeführt werden. Die MIT-Ausgründung verknüpft den Agenten mit strukturierten Prozessdesigns und Anlagenwissen, damit Ingenieure die zahlreichen Abhängigkeiten nachvollziehen können, von denen es abhängt, ob ein Fertigungsablauf funktioniert.

Die zentrale These des Unternehmens lautet, dass Prozessintelligenz nicht nur den Prozess, sondern auch die Fertigungsanlage verstehen muss. Eine Abfolge von Fertigungsschritten muss zu den Anlagen, Materialvorschriften, Rezepten und Betriebsgrenzen der Einrichtung passen, in der sie ausgeführt wird. Durch die Anbindung von FabAgent an FabuBlox Facility OS soll dieser Kontext bei technischen Entscheidungen verfügbar sein.

Von Prozessanweisungen zur sichtbaren Bauteilstruktur

FabAgent ist Teil einer Plattform, die Fertigungswissen bereits strukturiert. Die Suite für Prozessdesign des Unternehmens vereint standardisierte Prozessbeschreibungen, Querschnittsvisualisierung, Simulation von Schichtstapeln, Versionskontrolle und gemeinsam genutzte Repositorien. Ingenieure können ihre Fertigungsabsichten beschreiben und den KI-Assistenten dabei nutzen, Fertigungsabläufe zu erstellen, einzelne Schritte zu konfigurieren und Anlagen sowie Rezepte zu erkunden, während sie die vorgeschlagenen Prozesse weiterhin prüfen.

Die visuelle Ebene verleiht diesen Entscheidungen einen konkreten Bezug zur Bauteilstruktur. FabuBlox zufolge simulieren Raytracing-Algorithmen, wie aufeinanderfolgende Schritte den Schichtstapel des Bauteils verändern, einschließlich der Filmbedeckung und der Seitenwandprofile. Ingenieure können eine Schnittlinie aus einer GDS-Layoutdatei auswählen, um die Fertigungsabfolge mit einem Querschnitt des vorgesehenen Bauteils zu verknüpfen. Wenn sich das Design weiterentwickelt, werden Änderungen am Fertigungsablauf in der Visualisierung nachvollzogen.

Diese Kombination ist nützlich, weil ein Prozessschritt die Ausgangsbedingungen für spätere Schritte verändert. Wird die sich entwickelnde Struktur parallel zu den Anweisungen überprüft, kann ein Team Integrationsprobleme früher erkennen. Wie nützlich die Simulation ist, hängt jedoch weiterhin davon ab, wie genau ihre Parameter die Anlagen- und Prozessbedingungen abbilden. Daher sind Kalibrierung und experimentelle Messungen wichtige Bestandteile des Entwicklungszyklus.

Facility OS liefert dem Agenten Kontext zur Fertigungsanlage

Facility OS bildet die Anlagen und Einschränkungen ab, die für einen Prozess maßgeblich sind. Das strukturierte Anlagenmodell umfasst die Fähigkeiten der Geräte, unterstützte Ressourcen, Materialbeschränkungen, Parameterbereiche, Rezepte und Kalibrierungsdaten. Ingenieure können eine Anlagenbibliothek durchsuchen; KI-gestützter Abgleich soll dabei helfen, Geräte zu finden, die für einen angefragten Vorgang geeignet sind.

Rezepte sind mit bestimmten Geräten und den zugehörigen Charakterisierungsdaten verknüpft. Wenn sich Rezepte weiterentwickeln, hebt die Plattform Änderungen hervor, sodass Ingenieure sie gezielt mit den Prozessabläufen synchronisieren können. So bleibt die Verbindung zwischen einem vorgeschlagenen Prozess und den Einstellungen sowie dem gemessenen Verhalten der dafür vorgesehenen Geräte erhalten.

Auch die Kontrolle von Verunreinigungen ist ein wichtiger Bestandteil dieses Modells. Facility OS verknüpft Materialdefinitionen und Informationen zu Schichtstapeln mit gerätespezifischen Einschränkungen, um Kompatibilitätsentscheidungen bei der Planung zu unterstützen. Ein Agent, der einen Prozess bewertet, kann daher berücksichtigen, ob ein Schritt mit den in der Anlage zulässigen Kombinationen aus Materialien und Geräten vereinbar ist, anstatt jeden Vorgang als isolierte Anweisung zu behandeln.

Das Unternehmen beschreibt außerdem Arbeitsabläufe zur Prüfung eingehender Fertigungsanfragen und zur Kostenschätzung anhand konfigurierter Prozessschritte und der Anlagenpreise. Diese Funktionen übertragen dasselbe strukturierte Wissen auf die Koordinierungsaufgaben rund um die Fertigung.

Ein Unternehmen, geprägt von der Fertigungserfahrung am MIT

Die Wurzeln von FabuBlox liegen in den Problemen beim Wissensaustausch, mit denen die Gründer am MIT konfrontiert waren. Eine Biografie der Microsystems Technology Laboratories am MIT besagt, dass Jan Tiepelt und seine Mitgründer die Plattform 2023 ins Leben riefen, um den gemeinsamen Aufbau einer Datenbank für die MIT.nano- und MTL-Community zu unterstützen. Tiepelt promovierte im Mai 2024 am MIT in Elektrotechnik, nachdem er zu Degradationsprozessen in blauen OLEDs geforscht hatte.

Die Microsystems Technology Laboratories des MIT führen FabuBlox unter den Start-ups auf, die aus ihrer Community hervorgegangen sind. Der Investor Pillar VC nennt als Gründungsteam die MIT-Promovierten Jan Tiepelt und Josh Perozek sowie die Ingenieure Jack Muller und Eyal Perry.

Laut einer MIT-Mitteilung vom Januar 2025 nahm das Unternehmen am START.nano-Programm von MIT.nano teil. Das Programm unterstützt technologieintensive Gründungsvorhaben durch vergünstigten Zugang zu Einrichtungen, technische Beratung und Kontakte zum Innovationsnetzwerk des Instituts. In der damaligen Beschreibung von FabuBlox hob das MIT die Benutzeroberfläche für das Prozessdesign und GitHub-ähnliche Repositorien zur Organisation von Fertigungswissen hervor.

Diese Vorgeschichte hilft, die aktuelle Produktausrichtung zu erklären. Versionierte Prozessabläufe, gemeinsam genutzte Repositorien und strukturierte Anlagendaten geben einem KI-Assistenten einen technischen Kontext, mit dem er arbeiten kann, und halten zugleich fest, wie sich ein Design entwickelt hat.

Aus Waferdaten lernen – mit autonomen Fertigungsanlagen als Ziel

Die dritte Plattformkomponente von FabuBlox, Fab Run Studio, verknüpft Prozessablaufversionen und Rezepte mit physischen Wafern, Ausführungsprotokollen und Messtechnik. Das Unternehmen bezeichnet die Komponente als frühe Betaversion. Zu den beschriebenen Arbeitsabläufen gehören das Nachverfolgen verzweigter Waferpfade und Parameteraufteilungen, der Vergleich von Ergebnissen sowie der Einsatz von Waferkarten und statistischer Prozessregelung, um Abweichungen zu erkennen.

Die vorgesehene Rückkopplungsschleife verknüpft ein beobachtetes Ergebnis mit dem Wafer, dem Prozesspfad, dem Rezept und dem Werkzeug, durch die es zustande kam. FabAgent kann Ingenieuren dann dabei helfen, einen überarbeiteten Prozessablauf, eine aktualisierte Kalibrierung oder das nächste Experiment in Betracht zu ziehen. Diese Zusammenhänge gemeinsam abzubilden, ist besonders in der Forschung und in der Fertigung mit hoher Produktvielfalt relevant, wo sich ein Prozess häufig ändern kann.

Auch die gesamte Branche investiert in kürzere Lernzyklen, wie die gemeinschaftliche Forschung und Entwicklung an Halbleiterprozessen zeigt, bei der Material-, Anlagen- und Integrationsteams enger zusammenarbeiten. FabuBlox widmet sich der Software- und Wissensmanagementseite dieser Herausforderung.

Die langfristige Vision des Unternehmens geht noch weiter: Spezialisierte Agenten für Bereiche wie Lithografie, Abscheidung und Ätzen sollen aus physischen Ergebnissen lernen und dabei helfen, Experimente und Prozessänderungen zu koordinieren. Fab-spezifische Weltmodelle und eine zunehmend autonome Fertigung sind weiterhin Entwicklungsziele. Facility OS beschreibt Echtzeitdaten von Anlagen und vorausschauende Wartung ebenfalls als Teil seiner künftigen Ausrichtung.

Für Ingenieure, die FabAgent derzeit prüfen, liegt der unmittelbare Nutzen in einem Assistenten, der mit der Struktur eines Prozesses und den Einschränkungen einer Fertigungsanlage vertraut ist. Als Nächstes gilt es, diese Schlussfolgerungen mit nachvollziehbaren Versuchsergebnissen zu verknüpfen, damit jeder Fertigungslauf zu besseren technischen Entscheidungen beitragen kann.