Künstliche Intelligenz hat begonnen, „Chips zu entwerfen“. Die drei EDA-Giganten liefern sich einen harten Wettbewerb, und chinesische Hersteller erhalten ein goldenes Zeitfenster.

In letzter Zeit ist das Thema „KI-gestütztes automatisiertes Chipdesign“ besonders populär.

Im vergangenen Monat hat Kimi, ein inländisches Unternehmen für große Sprachmodelle, das vollständige Experiment zum selbstständigen Design von Chips mit dem K3-Modell abgeschlossen und die Tests auf der EDA-Plattform durchgeführt. Der gesamte Prozess lief 48 Stunden lang autonom durch KI, ohne dass kommerzielle lizenzierte Software von Cadence oder Synopsys verwendet wurde. Diese Nachricht erregte schnell die Aufmerksamkeit der Branche: Brauchen Chipdesigns keine Ingenieure mehr? Sind kommerzielle EDA-Software völlig überflüssig?

Bei einer eingehenden Analyse ist die Rede von einer vollständigen Substitution noch sehr weit entfernt, da der von Kimi entworfene Chip etwa dem technischen Niveau vor 20 Jahren entspricht und seine Betriebsfrequenz 20 bis 30 Mal niedriger ist als die moderner fortschrittlicher Chips. Darüber hinaus existieren Open-Source-EDA-Tools seit Jahrzehnten, aber für die praktische Gestaltung werden nach wie vor kommerzielle Systeme benötigt.

Dennoch verändert die KI tatsächlich die Arbeitsweise im Chipdesign grundlegend. Agentische KI dringt bereits in den EDA-Arbeitsablauf ein, einschließlich der Generierung von RTL-Code, der automatischen Erstellung von Testumgebungen sowie dem Aufruf von Simulations-, formellen Verifikations- und Debugging-Tools. Die globalen EDA-Hersteller setzen massiv auf diesen Trend, und KI wird zum Schlüsselfaktor für inländische EDA-Anbieter, um differenzierte Lösungen anzubieten.

Man kann sagen, dass der Wettbewerb um KI-EDA bereits begonnen hat.

Drei Großkonzerne setzen auf agentische KI

Auf der gerade zu Ende gegangenen Konferenz DAC Chips to Systems 2026 präsentierten die drei globalen EDA-Hersteller Synopsys, Cadence und Siemens EDA fast gleichzeitig ihre jeweiligen Layouts für agentische KI, wobei jeder seine eigenen Stärken ausspielte – die Ansätze der drei Unternehmen unterscheiden sich deutlich voneinander.

Zuerst analysieren wir kurz die Haltung der drei Hersteller zur agentischen KI und wie sie im Bereich KI-EDA aufgestellt sind.

Synopsys

Zuerst Synopsys: Das Unternehmen hat einen vollautonomen Agenten für Design und Verifikation (DV) sowie einen autonomen thermischen Simulationsworkflow auf Basis von Ansys Icepak eingeführt und bündelt seine Kräfte in den Dimensionen Tiefe und Breite. In der Tiefe kann sein vollautonomer Design- und Verifikationsagent die Verifikationsziele direkt aus Spezifikationen und Designeingaben extrahieren und einen geschlossenen Regelkreis von der Testplangenerierung über die Abdeckungskonvergenz bis zum Debuggen realisieren. Dieser Durchbruch ist vergleichbar mit dem zuvor von Cadence vorgestellten ChipStack.

Bei der Erweiterung der Breite konzentriert sich Synopsys auf drei Bereiche: Die Umsetzung eines vollständig autonomen CAE-Workflows für GPU-Kühlsimulationen mit Ansys Icepak; einen autonomen Workflow für analoge und gemischte Signale, der die Effizienz bei der Custom-Compiler-Layout-Synthese um das bis zu 3-fache steigert; sowie die Einführung von über 20 GPU-beschleunigten EDA- und Multiphysik-Tools. Darüber hinaus ist Synopsys durch die Portierung von Tools wie Fusion Compiler auf die Microsoft Azure- und Discovery-Plattformen der einzige EDA-Anbieter, der ausgereifte agentische Workflows auf den beiden großen Rechenleistungsplattformen betreiben kann, wodurch das Risiko einer Bindung an einzelne Rechenleistungsanbieter effektiv vermieden wird.

Synopsys verfügt über die tiefste KI-Erfahrung und ist früher als Cadence in den Bereich KI-EDA eingetreten. 2020 wurde das auf Verstärkungslernen basierende DSO.ai eingeführt, gefolgt von Synopsys.ai Copilot, und 2026 wurde AgentEngineer veröffentlicht – sein bahnbrechendes Produkt für agentische Systeme. Synopsys hat ein autonomes KI-Niveau nach dem Vorbild des autonomen Fahrens von L1 bis L5 vorgeschlagen:

Stufe der wissensgestützten Unterstützung (L1): Integration von Wissensdatenbanken auf Basis von großen Sprachmodellen zur Unterstützung von Abfragen und Interaktionen durch Ingenieure;

Stufe der Aufgabenausführung (L2): Entwicklung von auf spezielle Aufgaben zugeschnittenen Agenten zur Bearbeitung bestimmter Aufgaben wie der Behebung von DRC-Verstößen oder der Korrektur von RTL-Verknüpfungsfehlern. Derzeit hat der „Agenten-Ingenieur“ von Synopsys das Niveau von L2 erreicht und kann bestimmte Aufgaben selbstständig erledigen;

Stufe der Zusammenarbeit mehrerer Agenten (L3): Mehrere Aufgabenagenten arbeiten zusammen, z. B. löst ein Agent zur Behebung von DRC-Fehlern Probleme und koordiniert dann mit einem Agenten zur Zeitoptimierung, um das Design anzupassen. Derzeit befindet sich Synopsys im frühen Stadium der Bereitstellung, und einige Kunden haben bereits mit dem Test begonnen;

Stufe der Planung und Koordination (L4): Mehrere Agenten können selbstständig lernen, schlussfolgern und gemeinsam komplexe Designplanungen durchführen;

Stufe des autonomen Betriebs (L5): Ingenieure müssen nur die Designanforderungen festlegen, und die Agenten können selbstständig den gesamten Ablauf für Teilsysteme, Module oder Chips auf Chipebene durchführen.

Die Demo für L4 von Synopsys befindet sich derzeit in der Präsentationsphase, das Gesamtsystem befindet sich auf Stufe L3. Derzeit zeigen sich die KI-Fähigkeiten von Synopsys vor allem in Bereichen wie Skriptgenerierung und Verifikationsunterstützung, beispielsweise wird die Effizienz bei einigen Aufgaben um mehr als das 10-fache gesteigert – die vollständige autonome Durchführung komplexer Designabläufe ist noch nicht realisiert.

Ein weiteres bemerkenswertes Signal stammt vom November 2025: NVIDIA investierte 2 Milliarden US-Dollar in Synopsys, und beide Seiten kooperieren in Bereichen wie agentische KI, digitale Zwillinge und Cloud-EDA. Unter der Unterstützung der Grace-Blackwell-Plattform wird erwartet, dass die Leistung von EDA-Arbeitslasten um das 30-fache gesteigert werden kann.

Cadence

Als Nächstes Cadence: Seine Wettbewerbsstrategie liegt in der Vollständigkeit der Architektur. Wenn Synopsys den Schwerpunkt auf die Tiefe der Designverifikation legt, legt Cadence mehr Wert auf die Abdeckung. Cadence hat den AuraStack AI Super Agent eingeführt, der zusammen mit den früheren Produkten ChipStack, InnoStack und ViraStack Bereiche wie Verifikation, digitale Implementierung, analoges Design sowie PCB- und Gehäusedesign abdeckt und einen KI-gestützten Designablauf vom Chip bis zum System bildet.

Früher hatte Cadence Schwächen im Bereich der Multiphysik, AuraStack schließt diese Lücke. Laut offiziellen Angaben steigert AuraStack die Leistung der Multiphysikanalyse in Bezug auf Signalintegrität, Stromversorgungsintegrität, elektromagnetische und thermische Simulationen um das 20-fache und beschleunigt den Designworkflow um das 15-fache. Derzeit setzen Ingenieure von NVIDIA es bereits bei der Entwicklung ihrer eigenen KI-Infrastruktur ein. Bis zur vollständigen Integration der Design- und Ingenieursoftware von Hexagon ist Cadence auf Ebene der physischen Abnahme jedoch nach wie vor stark auf die zugrundeliegende physikalische Bibliothek und die Hardwarebeschleunigung von NVIDIA angewiesen.

Cadence ist am fortschrittlichsten beim Aufbau eines durchgängigen agentischen Systems. Durch die Übernahme von ChipStack wurde der ChipStack AI Super Agent schnell eingeführt, mit dem Ziel, die Produktivität des Frontend-Designs um das 10-fache zu steigern. Die größte Innovation von Cadence ist das Mental Model, das Designabsichten und Kontext durch strukturierte Wissensrepräsentation aufzeichnet und das Risiko von Halluzinationen bei großen Modellen reduziert.

Cadence unterteilt den KI-Designprozess in drei Ebenen: Die oberste Ebene ist die agentische KI, die mittlere Ebene sind Ground-Truth-Tools und die unterste Ebene ist Rechenleistung und Daten. Diese Architektur bestimmt auch, dass die KI-Tools von Cadence keine isolierten Produkte sind. Tools wie ChipStack, ViraStack und InnoStack helfen Kunden einerseits, einige manuelle Abläufe zu automatisieren, andererseits steigern sie die Nutzung von Basistools wie Xcelium und Jasper. Zwischen dem durch KI geschaffenen zusätzlichen adressierbaren Gesamtmarkt und dem Verbrauch grundlegender EDA-Tools entsteht eine additive Beziehung.

Derzeit wird Cadence bereits von Kunden wie NVIDIA, Qualcomm und Broadcom anerkannt. Seine Agenten decken sich jedoch hauptsächlich auf Design- und Verifikationsbereiche, Abläufe wie Fertigungsvorbereitung, Test und Ausbeuteoptimierung sind noch nicht abgedeckt.

Siemens EDA

Schließlich Siemens EDA: Das Unternehmen vertritt eine ganz andere Ansicht: Autonome KI ist nicht das endgültige Ziel, „vertrauenswürdige Autonomie“ ist es. Der Kernlogik seines Fuse EDA AI Agent-Systems liegt in der „Selbstverifikation“, d. h. der Agent vertraut während des Betriebs nicht blind den Ausgaben großer Modelle, sondern überprüft seine Entscheidungen ständig mithilfe deterministischer, auf physikalischen Gesetzen basierender traditioneller EDA-Abnahme-Engines.

In der praktischen Anwendung hat der Solido Layout Analyzer dem Team für nichtflüchtige Speicher von STMicroelectronics (ST) geholfen, wochenlange Debug-Zeit einzusparen. Gleichzeitig erweitert Siemens durch die Kombination mit Intelligence Center X die Fähigkeiten zur Agentensteuerung von der reinen EDA-Gestaltung auf Fertigungs- und Lieferkettenmanagement und zeigt eine einzigartige systemweite Abdeckung. Diese Vorgehensweise, bei der eine Physik-Engine die KI-Entscheidungen „bestätigt“, mildert die Bedenken von Hardware-Ingenieuren gegenüber KI-Halluzinationen in hohem Maße.

Siemens EDA ist am offensten und setzt auf die Zusammenarbeit verschiedener Tools. Der Kernvorteil seines eingeführten Fuse EDA AI Agent liegt in seiner Offenheit.

Fuse verwendet das MCP-Protokoll, das verschiedene EDA-Tools verbinden und die Zusammenarbeit von Toolketten verschiedener Hersteller ermöglichen kann. Dies ist attraktiv für Chiphersteller, die gleichzeitig Tools von Synopsys, Cadence und Siemens verwenden.

Siemens EDA schlägt eine dreistufige Entwicklung für KI-Agenten vor:

Stufe 1: Auf spezielle Aufgaben zugeschnittene Agenten, z. B. für Protokollanalyse und Verdrahtungsunterstützung;

Stufe 2: Autonome Agenten, die einige Prüfungen und Optimierungen durchführen können;

Stufe 3: Kollektive Intelligenz, bei der ein Ingenieur eine große Anzahl von Agenten für das gemeinsame Design verwaltet.

Derzeit befindet sich Siemens EDA noch im Übergang von der ersten zur zweiten Stufe.

Die drei Großkonzerne sind auf NVIDIA angewiesen

Bemerkenswert ist, dass die Lösungen der drei Großkonzerne alle auf die Unterstützung von NVIDIA angewiesen sind. NVIDIA bietet nicht nur die Inferenzschicht (Nemotron 3 Ultra), die Verwaltungsschicht (OpenShell) und die Löser (CUDA-X), sondern dringt mit dem selbst entwickelten Vera-CPU direkt in EDA-Verifikationsservercluster (Farm) mit hohem Durchsatz vor, die in der Vergangenheit stark auf traditionelle CPUs angewiesen waren.

Noch bemerkenswerter ist, dass Chiphersteller derzeit sehr darauf bedacht sind, ihre Produktivität mithilfe von KI zu steigern. In der Vergangenheit war die Chipindustrie bei neuen Tools sehr konservativ, heute beteiligen sich die beiden Großkonzerne NVIDIA und AMD, die unter dem größten Engpass bei der Designkapazität leiden, als Kernkunden tief an der Entwicklung von EDA-Agenten und treiben diese voran.

Zusammenfassend lässt sich sagen: Aus allen Signalen der DAC geht hervor, dass die agentische EDA von der Konzeptforschung in die Phase des industriellen Wettbewerbs eingetreten ist.

Startups erforschen verschiedene Wege

Auf der DAC 2026 erforschen neben den drei großen Herstellern auch Startups verschiedene Wege im Bereich KI-EDA:

Erstens: KI-Agenten-Orchestrierungsplattformen, die vorhandene EDA-Tools steuern, um Designabläufe automatisch auszuführen. Beispielsweise möchte Agentrys eine Agentenplattform schaffen, die verschiedene EDA-Tools und Unternehmensskripte verbindet.

Zweitens: Der Weg der Feinabstimmung domänenspezifischer großer Modelle, bei dem spezielle Modelle mit Chipdesign-Daten trainiert werden. Das von ChipAgents eingeführte Renoir-Modell wurde durch Feinabstimmung auf Basis von Open-Source-Großmodellen erstellt und zielt darauf ab, Vorteile bei Kosten und privaten Bereitstellungen zu erzielen.

Drittens: Der Weg der selbst entwickelten vertikalen Basismodelle, die einen „Chipdesign-Gehirn“ schaffen wollen, das Schaltungslogik und physikalische Einschränkungen wirklich versteht. Cognichip erforscht diesen Weg und hofft, die Einschränkungen allgemeiner Großmodelle im Bereich des physikalischen Designs zu überwinden.

Inländische Hersteller folgen ebenfalls dem Trend

In den letzten Jahren sind viele inländische EDA-Hersteller entstanden, die dem KI-EDA-Trend sehr positiv gegenüberstehen.

Auf der Konferenz DAC 2026 hat Xpeedic gemeinsam mit Lenovo die neuesten Ergebnisse für EDA-Agenten vorgestellt und ist damit das einzige praktische Umsetzungsunternehmen für inländische EDA auf dieser Konferenz. Xpeedics Haltung zu KI-EDA ähnelt der von Synopsys, und es hat ebenfalls einen Entwicklungsweg für KI-EDA von L0 bis L5 vorgeschlagen:

Stufe L0 bis L2: Steigerung der Effizienz bei Simulation, Modellierung und Design durch maschinelles Lernen, generative KI und Wissensassistenten;

Stufe L3: Einführung von agentischem EDA, bei dem ein Hauptagent für Aufgabenzerlegung, Ablauforchestrierung und Zustandsverwaltung verantwortlich ist;

Stufe L4: Umsetzung der Zusammenarbeit mehrerer Agenten zur Unterstützung von Chiplet-, systemweitem Design und Multiphysik-Optimierung;

Stufe L5: Erforschung eines geschlossenen Designkreislaufs mit autonomer Optimierung