Neues AWS KI‑Hardwareunternehmen lehrt KI, in Physik zu denken

Mit dem Boom bei KI richtet sich die gesamte Aufmerksamkeit der Investoren auf Computerhardware auf ultra‑fortschrittliche Chips, GPUs und Speicher.

Um diese Komponenten jedoch in Maschinen und Konsumgütern – von Waschmaschinen über Autos bis hin zu Industrierobotern – zu verbinden, werden Leiterplatten (PCBs) benötigt. Sie sind die flachen Platinen, die elektronische Bauteile physisch unterstützen und elektrisch verbinden.

Quelle: Quilter AI

Die Herstellung von PCBs ist nicht trivial, aber sie ist eine gut verstandene und hoch skalierte, ausgereifte Lieferkette, wobei die eigentliche Fertigung zunehmend vollständig automatisiert wird. Das Design neuer PCBs hingegen ist alles andere als einfach und stellt tatsächlich einen der letzten manuellen Schritte in der Elektronikentwicklung dar.

Ein Fachmann zeichnet den Plan von Hand, platziert Hunderte oder Tausende von Bauteilen und routet die Kupferleitungen, die sie über mehrere Schichten hinweg verbinden. Für eine Platine mittlerer Komplexität dauert das Layout vier bis acht Wochen. Anspruchsvolle Systeme wie Automobilelektronik oder Computer benötigen drei Monate oder länger.

Dies könnte sich sehr schnell ändern, da ein neues Startup namens Quilter AI nun KI einsetzt, um diesen Prozess zu automatisieren. Es kann einen ein- bis monatelangen Vorgang in nur wenige Tage verwandeln und so viele Arbeitsstunden für PCB‑Designer einsparen.

Warum ist PCB-Design so schwierig?

PCBs sind sehr komplexe 3‑D‑Physiksysteme, die mehrere Einschränkungen für ein gutes Design ausbalancieren müssen:

• Platz-/mechanische Grenzen: die Bauteile müssen nicht nur zusammen angeordnet werden, sondern auch in einen sehr engen Raum passen.
• Elektrisches Rauschen: das Fließen von Strom verursacht mögliche Leistungslecks, unbeabsichtigte Signalübertragung und elektromagnetische Interferenzen (EMI), was die Vorhersage unerwünschter elektrischer Effekte erfordert.
• Thermisches Management: Hochleistungs‑Bauteile sollten nicht zu viele Hotspots erzeugen; ein Kupfer‑Kühlkörper muss hinzugefügt werden, um die Wärme abzuführen, und Luftströme von Lüftern dürfen nicht blockiert werden.
• Herstellungsgrenzen: Beschränkungen hinsichtlich der Chemikalien und Werkzeuge in der Fertigung bedeuten, dass das Design bestimmte Gestaltungen wie Kupferleitungen, die in spitzen Winkeln zusammentreffen, oder zu dünne Lötmasken vermeiden muss; zudem müssen realisierbare Bohrungsdurchmesser berücksichtigt werden usw.

Das Lösen vieler dieser Probleme kann ein anderes verschlimmern, was bedeutet, dass PCB‑Design ein Balanceakt ist, um alle technischen Ziele zu erreichen und gleichzeitig innerhalb der Kosten-, Stromverbrauch‑, Leistungs‑ und Größenanforderungen einer jeweiligen Platine zu bleiben.

Infolgedessen waren bisher die meisten automatisierten Assistenzwerkzeuge für PCB‑Designs zwar nützlich, benötigten jedoch einen starken menschlichen Eingriff, um mögliche Probleme zu erkennen. Darüber hinaus erfordern empfindliche Schaltungen spezialisierte, nicht‑standardisierte Layouts.

Quelle: Cadence

Quilter AI Übersicht

Quilter Geschichte

Quilter wurde von Sergiy Nesterenko gegründet, nachdem er fünf Jahre bei SpaceX als Senior Radiation Effects Engineer tätig war, wo er Elektronik für Falcon 9 und Falcon Heavy entwickelte, und zuvor als Forscher in Kalifornien.

„Ich habe an der Berkeley drei Hauptfächer – Mathematik, Physik und Chemie – studiert, nicht weil ich mich spezialisieren wollte, sondern weil ich die Grundlagen beherrschen wollte. Das macht das Erlernen aller anderen Dinge einfacher.“

Das Unternehmensteam besteht aus Ingenieuren von SpaceX, Apple (AAPL ), NASA, Johns Hopkins APL und MIT. Es hat außerdem Fachleute für Electronic Design Automation (EDA) von den PCB‑Automatisierungsfirmen Cadence und Synopsys eingestellt.

Das Unternehmen sammelte 2023 10 Mio. $ in seiner Series‑A und weitere 25 Mio. $ im Jahr 2025, ein Jahr nach dem Start der offenen Beta seiner Software. Im August 2025 führte das Unternehmen seine Free‑Tier ein, bei der die Kosten der Lösung nutzungsbasiert sind und damit vom oft teuren Software‑Abonnementmodell, das die Branche dominiert, abweichen.

„Wenn Sie eine Platine zu Quilter hochladen, entspricht die Anzahl der nicht gerouteten Pins zum Zeitpunkt des Uploads Ihrer Design‑Pin‑Anzahl. Sie zahlen nur für das, was Quilter kompilieren muss, nichts weiter. Wenn Sie Teile der Platine vor dem Hochladen vor‑routen (RF‑Netze, Fan‑Outs, Hochspannungsbereiche), werden diese gerouteten Pins nicht gezählt. Quilter routet um Ihre bereits vorhandene Arbeit herum und berechnet nur die Pins, die es verarbeiten muss.“

Quilter bietet zudem keine proprietären Formate und keine Bindung, was die Einarbeitung von PCB‑Designern sowie die Integration in bestehende Workflows und Fertigungswerkzeuge erleichtert.

Quelle: Quilter AI

Physik in KI einbringen

Im Großen und Ganzen wurde KI bisher hauptsächlich für Text‑ und Bildgenerierung, einschließlich Computer‑Code, eingesetzt. Sie hat jedoch oft Schwierigkeiten mit der realen Physik, weshalb ein neuer Schwerpunkt der KI‑Entwicklung physische KI ist, insbesondere für Robotikanwendungen (folgen Sie dem Link für unseren vollständigen Bericht zu diesem Thema).

Quilter hat einen Ansatz gewählt, der Reinforcement Learning, Machine Learning und neuronale Netze kombiniert, um ihrer KI ein besseres Verständnis dafür zu vermitteln, wie reale Physik Einschränkungen im PCB‑Design erzeugt.

Quelle: Quilter AI

Infolgedessen ist die KI von Quilter nicht darauf ausgelegt, bestehende Platinen zu imitieren, ohne zu „verstehen“, warum sie so gebaut wurden, und ohne von Menschen zu lernen. Dieser Ansatz, ähnlich der grundlegenden Funktionsweise der meisten LLMs, würde häufig zu ernsthaften Problemen führen, wenn mehrere Einschränkungen gleichzeitig gelten.

„Quilter erzeugt vollständige Layouts mithilfe von KI, die auf realer Physik und Fertigungsbeschränkungen trainiert ist, nicht auf menschlichen Beispielen. Das ermöglicht Ingenieuren, Designräume zu erkunden, die durch menschliche Intuition verschlossen sind, und Lösungen zu finden, die ohne physik‑first‑Berechnung unentdeckt geblieben wären.“

Stattdessen muss die KI die Physik des elektrischen Stroms, des Elektromagnetismus und des physischen Raums, den die Bauteile einnehmen, verstehen und das PCB entsprechend entwerfen.

Jeder Subkomponenten‑Agent von Quilter AI platziert Bauteile, routet Leitungen, bewertet die Physik und lernt, welche Entscheidungen bessere Ergebnisse liefern. Millionen von Iterationen verfeinern Platzierungs‑ und Routing‑Strategien, balancieren Einschränkungen ohne menschliche Voreingenommenheit und erzeugen unkonventionelle Routing‑Methoden und Platzierungsstrategien.

„Wir versuchen nicht, Menschen zu imitieren. Wir wollen sie übertreffen, indem wir ihre Einschränkungen vollständig umgehen.“

Das bedeutet, dass gleichzeitig Dutzende von Layouts generiert werden, die jeweils nach Herstellbarkeit und Abdeckung der Einschränkungen bewertet werden. Design‑Teams können mit diesem Tool 100‑mal mehr Design‑Varianten ohne Verzögerung oder Kompromisse erkunden. Nutzer können zudem schnell testen, wie klein oder dicht eine Platine realistisch sein kann, indem sie mehrere Varianten parallel hochladen.

„Quilter entwickelt die erste autonome PCB‑Design‑Engine. Es ist kein Autorouter, kein Co‑Pilot und kein LLM. Es ist ein physik‑first‑KI‑System, das von den Naturgesetzen selbst lernt, nicht von menschlichen Abkürzungen.“

Menschliche Entscheidungen befähigen

Quilter AI kann einfache Platinen‑Designs in nur 15 Minuten fertigstellen. Bei komplexeren Designs mit Tausenden von Pins läuft das System jedoch über Nacht.

Für jede Einreichung untersucht Quilter parallel mehrere Platzierungs‑ und Routing‑Kandidaten über verschiedene Stack‑Ups hinweg und bietet Ingenieuren eine Reihe von Optionen zur Bewertung. Sie können die Ergebnisse dann in ihr natives ECAD‑Tool herunterladen, überprüfen und verfeinern sowie bei Bedarf erneut einreichen.

Quilter betreibt seine kommerzielle Plattform „app.quilter.ai“ aus der US‑West‑Region von AWS und plant eine Expansion nach US‑East und schließlich nach Europa. Das ermöglicht dem Unternehmen, seine Operationen kraftvoll und einfach zu skalieren, indem es auf die Cloud‑Computing‑Kapazität von Amazon (AMZN ) zurückgreift. Es ist zudem möglich, eine selbstgehostete AWS‑Umgebung zu betreiben, sodass sensible Daten das Unternehmens‑Infrastruktur‑Netzwerk nie verlassen.

Die Tatsache, dass Quilter nicht auf den Daten seiner Kunden oder anderen bestehenden Platinen trainiert, ist ebenfalls ein Plus in einem Sektor, in dem der Schutz geistigen Eigentums, etwa in der Luft‑ und Raumfahrt oder Verteidigung, von größter Bedeutung ist.

Der Workflow verwandelt Ingenieure von manuellen Leiter‑Zeichnern in Orchestratoren, die mehrere Platinen‑Varianten parallel ausführen können, wodurch ein vierteljährlicher Design‑Zyklus in eine wöchentliche Schleife aus Experimenten und Lernen umgewandelt wird.

„Eine Welt mit Quilter ist eine Welt, in der Platinen so zahlreich und iterativ sind wie Software‑Builds und ein neues Paradigma ermöglichen, das wir Hardware‑Rich Development™ nennen. Quilter verleiht Top‑PCB‑Designern die Superkraft, Wochen in Tage zu verwandeln. Es ist ein vollständiger Paradigmenwechsel. Wenn Sie schneller iterieren, können Sie Ihre Wettbewerber übertreffen.“

Der Prozess bietet Vorteile für alle Fachleute, die mit PCBs arbeiten, mit schnelleren Durchlaufzeiten, neuen Designs und einfacher Integration in bestehende CAD‑Werkzeuge.

Quelle: Quilter AI

Kürzlich hat Quilter sein bislang ambitioniertestes Projekt durchgeführt, Project Speedrun, bei dem ein 843‑Komponenten‑Linux‑Computer (zwei Platinen, 5.141 Pins, High‑Speed‑DDR4, eMMC, PCIe, CSI/DSI, GigE) entworfen wurde. Normalerweise würde dies 400–450 Stunden manuellen Layouts erfordern. Quilter reduzierte das auf 38,5 Stunden menschlicher Arbeit, der Rest wurde autonom erledigt.

„Quilter übernahm die wiederholenden Designarbeiten, während der Ingenieur die Kontrolle behielt. Die Automatisierung erledigte Platzierung, Routing und Physik‑Checks, sodass er sich auf die Firmware‑Vorbereitung, Dokumentation und Verfeinerung der Einschränkungen konzentrieren konnte.“

Investieren in physische KI

NVIDIA

Aus seiner Herkunft als GPU‑Hardware‑Hersteller für Videospiele und andere Grafik‑Renderaufgaben hat sich NVIDIA (NVDA ) zu einem riesigen KI‑Hardware‑Unternehmen entwickelt, dessen Aktie die weltweit größte Marktkapitalisierung aufweist.

NVIDIA erkannte das Potenzial von KI früh, lange bevor irgendjemand, abgesehen von spezialisierten Forschern, sich für neuronale Netze interessierte. Das war damals ein riskanter Schritt in einen unbewiesenen, kaum existierenden Sektor, oder wie Jensen Huang sagte:

„Wir investieren in null‑Milliarden‑Dollar‑Märkte.“

In den Jahren 2016 & 2017 veröffentlichte NVIDIA die Pascal‑ und Volta‑Architekturen, jeweils den ersten GPU‑basierten KI‑Accelerator, wobei Volta die Tensor‑Cores einführte, die Deep‑Learning‑Aufgaben bis 2024 um das bis zu 12‑fache beschleunigten.

Investoren waren etwas besorgt, dass NVIDIA bald keine neuen Märkte mehr haben könnte, um seine hohen Bewertungskennzahlen zu rechtfertigen. Auf der CES 2026 (Consumer Electronics Show) kündigte NVIDIA einen neuen Fokus auf physische KI an.

Dafür veröffentlichte NVIDIA Cosmos (ATOM ), eine Plattform zur Beschleunigung der Entwicklung physischer KI für autonome Fahrzeuge (AVs), Roboter und Video‑Analytics‑KI‑Agenten; Isaac GR00T N1.6, ein Vision‑Language‑Action‑Modell, das speziell für humanoide Roboter entwickelt wurde; und OSMO, eine „Orchestrator“-Software, die eigens für physische KI konzipiert ist.

Der physische Einsatz von KI in Robotern, selbstfahrenden Autos und anderen autonomen Systemen wird NVIDIA zahlreiche neue Märkte für den Verkauf seiner Hardware erschließen. Und es scheint, dass KI ebenfalls ein Enabler beim Design physischer Hardware sein wird, wodurch das Potenzial für die wachsende Nachfrage nach KI‑Rechenkapazität weiter gesteigert wird.

Neueste NVIDIA (NVDA) Aktiennachrichten und Entwicklungen

Diese Elemente werden NVIDIA viele neue Märkte bieten, um seine Hardware zu verkaufen. Und es scheint, dass KI ebenfalls ein Enabler beim Design physischer Hardware sein wird, was das Potenzial für die wachsende Nachfrage nach KI‑Rechenkapazität weiter erhöht. Neueste NVIDIA (NVDA) Aktiennachrichten und Entwicklungen