Warum SMD-Schablonen für die Fertigung neuromorpher Chips unverzichtbar sind
Die Spinncloud der TU Dresden verbindet 35.000 Spinnaker2-Neuromorph-Chips zu einem System mit über fünf Millionen Prozessorkernen. Die behauptete Energieeffizienz liegt bei bis zu 18-mal gegenüber konventionellen GPU-basierten Architekturen.

Solche Systeme setzen auf eine ereignisgesteuerte Verarbeitung und verteilten Speicher.
Architektur und Energieeinsparung
Die Spinnaker2-Architektur vereint Rechen- und Speicherfunktionen direkt auf dem Chip. Dies reduziert den externen Datenverkehr im Vergleich zur klassischen Von-Neumann-Architektur, bei der Prozessor und getrennter Speicher permanent Daten austauschen. Das Ergebnis sind niedrigere Energieverbräuche und kürzere Latenzen. Das in Dresden installierte Spinncloud-System ist auf Anwendungsfälle wie autonomes Fahren, Smart Cities und Edge AI ausgelegt.
Fertigungsanforderungen an Substrate und Bestückung
Die Herstellung solcher Hochleistungssysteme stellt extreme Anforderungen an Materialien und Prozesse. Präzise Fertigungsabläufe sind unabdingbar. Insbesondere hochwertige SMD-Schablonen werden als entscheidend für die zuverlässige Produktion genannt. Die zunehmende Nachfrage nach leistungsfähiger KI-Hardware treibt auch den Bedarf an hochwertigen Leiterplattenmaterialien. Branchenexperten beobachten bereits steigende Preise und verlängerte Lieferzeiten, warnen vor einer möglichen Allokation.
Relevanz für die Leiterplattenfertigung
Diese Entwicklung markiert den Übergang zu einer neuen Chipgeneration. Für Prüfingenieure in der Substrat- und Leiterplattenproduktion bedeutet dies, dass die Toleranzen in der Bestückung weiter sinken. Die Zuverlässigkeit der Lötverbindungen – abhängig von Pastendepot und Schablonengüte – wird zum kritischen Qualitätsmerkmal. Die europäische Entwicklung unterstreicht den Bedarf an skalierbaren, präzisen Fertigungslösungen in der Region. Die Veröffentlichung einer Technologie-Roadmap für Co-Packaged Optics durch SK hynix zeigt zudem, dass die Systemintegration – nicht nur der Chip selbst – im Wettbewerb um KI-Leistung an Bedeutung gewinnt.