{"id":1694,"date":"2026-07-27T03:34:30","date_gmt":"2026-07-27T03:34:30","guid":{"rendered":"https:\/\/convly.ai\/?p=1694"},"modified":"2026-07-27T03:34:30","modified_gmt":"2026-07-27T03:34:30","slug":"siemens-nvidia-agentic-eda-pcb-chip-design","status":"publish","type":"post","link":"https:\/\/convly.ai\/de\/siemens-nvidia-agentic-eda-pcb-chip-design\/","title":{"rendered":"Siemens\u2019 Nvidia-gest\u00fctzter agenter EDA-Ansatz zielt auf Leiterplatten- und Chipdesign ab"},"content":{"rendered":"<p>Siemens st\u00e4rkt sein Portfolio f\u00fcr elektronisches Design (EDA) mit k\u00fcnstlicher Intelligenz von Nvidia sowie entsprechender Hardware \u2013 ein Schritt, der auf \u201eagente\u201c Ingenieurworkflows f\u00fcr Leiterplatten (PCBs) und Halbleiter abzielt. Der Siemens-Nvidia-Agentic-EDA-Zusammenarbeit berichtete Fierce Sensors, wonach Siemens seine EDA-Software-Suite durch Nvidia-KI-Tools und -Hardware f\u00fcr die agentenbasierte Entwicklung von Leiterplatten und Halbleitern erweitert. Die zum Zeitpunkt der Ver\u00f6ffentlichung verf\u00fcgbare Berichterstattung beschr\u00e4nkt sich auf diese Darstellung; konkrete Angaben zu Produkten, Modellgr\u00f6\u00dfen, Benchmark-Werten, Preisen oder Verf\u00fcgbarkeitsdaten liegen daher noch nicht im Detail vor \u2013 doch die strategische Richtung ist deutlich genug, um weit \u00fcber die EDA-Branche hinaus Bedeutung zu entfalten.<\/p>\n<div class=\"convly-tldr\">\n<h3>Wichtigste Erkenntnisse<\/h3>\n<ul>\n<li>Siemens erg\u00e4nzt laut Fierce Sensors sein Portfolio f\u00fcr elektronisches Design (EDA) um Nvidia-KI-Tools und -Hardware.<\/li>\n<li>Das angegebene Ziel ist <strong>agentenbasiertes Engineering<\/strong> \u2013 also KI-Systeme, die komplexe, mehrstufige Designaufgaben eigenst\u00e4ndig planen und ausf\u00fchren, statt lediglich Vorschl\u00e4ge zu unterbreiten.<\/li>\n<li>Der in der Berichterstattung genannte Anwendungsbereich umfasst sowohl Leiterplatten (PCBs) als auch Halbleiter.<\/li>\n<li>In den verf\u00fcgbaren Berichten tauchen keine konkreten Produktbezeichnungen, Modellgr\u00f6\u00dfen, Benchmark-Werte, Preisangaben oder Liefertermine auf; Zahlen, die an anderer Stelle kursieren, sollten daher mit Vorsicht bewertet werden.<\/li>\n<li>F\u00fcr KI-Entwickler liegt die Bedeutung darin, dass ein gro\u00dfer Anbieter industrieller Software KI-Agenten sowie beschleunigte Hardware direkt in einen regulierten, hochkritischen professionellen Workflow integriert.<\/li>\n<\/ul>\n<\/div>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a67f450c79fb\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Umschalten<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a67f450c79fb\"  aria-label=\"Umschalten\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/de\/siemens-nvidia-agentic-eda-pcb-chip-design\/#What_Siemens_and_Nvidia_have_announced_%E2%80%94_and_what_remains_unconfirmed\" >Was Siemens und Nvidia angek\u00fcndigt haben \u2013 und was noch unbest\u00e4tigt bleibt<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/de\/siemens-nvidia-agentic-eda-pcb-chip-design\/#Why_agentic_engineering_is_a_meaningful_shift_for_EDA\" >Warum agentenbasiertes Engineering eine bedeutende Ver\u00e4nderung f\u00fcr die EDA darstellt<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/de\/siemens-nvidia-agentic-eda-pcb-chip-design\/#Assisted_design_versus_agentic_design_how_the_workflow_changes\" >Unterst\u00fctztes Design versus agentenbasiertes Design: Wie sich der Workflow ver\u00e4ndert<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/de\/siemens-nvidia-agentic-eda-pcb-chip-design\/#What_it_means_for_AI_developers_and_model_users\" >Was dies f\u00fcr KI-Entwickler und Modellnutzer bedeutet<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/de\/siemens-nvidia-agentic-eda-pcb-chip-design\/#The_compute_question_on-premises_cloud_or_both\" >Die Rechenleistungsfrage: On-Premises, Cloud oder beides<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/de\/siemens-nvidia-agentic-eda-pcb-chip-design\/#What_to_watch_next\" >Was Sie als N\u00e4chstes sehen sollten<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/de\/siemens-nvidia-agentic-eda-pcb-chip-design\/#Frequently_asked_questions\" >H\u00e4ufig gestellte Fragen<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/de\/siemens-nvidia-agentic-eda-pcb-chip-design\/#The_bottom_line\" >Das Fazit<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"What_Siemens_and_Nvidia_have_announced_%E2%80%94_and_what_remains_unconfirmed\"><\/span>Was Siemens und Nvidia angek\u00fcndigt haben \u2013 und was noch unbest\u00e4tigt bleibt<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Der berichtete Sachverhalt ist klar: Siemens erweitert laut Fierce Sensors sein EDA-Angebot um Nvidia-KI-Tools und -Hardware, wobei die agentenbasierte Entwicklung von Leiterplatten und Halbleitern den Anwendungsschwerpunkt bildet. Diese Kombination \u2013 Software-Agenten plus beschleunigte Rechenleistung \u2013 impliziert sowohl eine Modellschicht als auch eine Infrastrukturschicht, die direkt in Designwerkzeuge eingebettet wird, die Ingenieure bereits t\u00e4glich nutzen.<\/p>\n<p>Ebenso wichtig wie das Berichtete ist, was in der verf\u00fcgbaren Berichterstattung nicht best\u00e4tigt wurde. Es liegen keinerlei gesicherte Angaben dazu vor, welche Nvidia-Hardware-Tier-Stufen involviert sind, welche Modellfamilien oder Agenten-Frameworks Siemens einsetzt, ob die Funktionen in der Cloud, on-premises oder in einer Hybridkonfiguration laufen, wie die Lizenzierung gestaltet sein wird oder wann Kunden mit einer allgemeinen Verf\u00fcgbarkeit rechnen k\u00f6nnen. Aussagen \u00fcber Durchsatzsteigerungen, Verk\u00fcrzungen des Entwicklungszyklus oder Auswirkungen auf die Personalauslastung geh\u00f6ren nicht zum Quellenmaterial. Wo dieser Artikel technische Zusammenh\u00e4nge erl\u00e4utert, handelt es sich dabei um klar gekennzeichneten Branchenkontext \u2013 nicht um neu berichtete Fakten.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Why_agentic_engineering_is_a_meaningful_shift_for_EDA\"><\/span>Warum agentenbasiertes Engineering eine bedeutende Ver\u00e4nderung f\u00fcr die EDA darstellt<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Elektronisches Design (EDA) ist die Softwareschicht, die moderne Elektronik \u00fcberhaupt erst erm\u00f6glicht. Sie umfasst Schemazeichnung, Layout, Routing, Signal- und Stromversorgungsintegrit\u00e4tsanalyse, thermische Modellierung, Designregelpr\u00fcfung (DRC), Verifikation sowie die \u00dcbergabedateien f\u00fcr Fertigung oder Montage. Ein einzelner fortschrittlicher Chip oder eine dichte mehrlagige Leiterplatte erfordert eine enorme Zahl miteinander verkn\u00fcpfter Entscheidungen; ein Gro\u00dfteil der Ingenieurszeit geht in Iterationsschleifen: \u00c4nderung vornehmen, Analyse neu durchf\u00fchren, Verst\u00f6\u00dfe pr\u00fcfen, weitere \u00c4nderung vornehmen.<\/p>\n<p>Der Unterschied zwischen \u201eKI-unterst\u00fctztem\u201c und \u201eagentenbasiertem\u201c Design ist hier entscheidend. Unter KI-Unterst\u00fctzung versteht man im Allgemeinen, dass das Tool Vorschl\u00e4ge macht und der Ingenieur handelt. Agentenbasiertes Engineering hingegen bedeutet, dass das System ein Ziel selbstst\u00e4ndig zerlegen, eine Abfolge von Aktionen \u00fcber verschiedene Tools hinweg ausf\u00fchren, die Ergebnisse bewerten und iterativ weiterarbeiten kann \u2013 w\u00e4hrend der Ingenieur die Ergebnisse \u00fcberwacht, nicht jedoch jeden einzelnen Arbeitsschritt.<\/p>\n<p>Genau deshalb ist die Hardwarekomponente der berichteten Initiative keineswegs nebens\u00e4chlich. Agenten, die zahlreiche Analyse-Durchl\u00e4ufe durchf\u00fchren, alternative Layouts erkunden oder Designvarianten bewerten, ben\u00f6tigen deutlich mehr Rechenleistung als eine Chat-Oberfl\u00e4che. Die Kopplung von KI-Werkzeugen mit beschleunigter Hardware ist die praktische Voraussetzung daf\u00fcr, dass Agenten-Loops innerhalb weniger Minuten statt \u00fcber Nacht abgeschlossen werden k\u00f6nnen.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Assisted_design_versus_agentic_design_how_the_workflow_changes\"><\/span>Unterst\u00fctztes Design versus agentenbasiertes Design: Wie sich der Workflow ver\u00e4ndert<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die nachfolgende Tabelle bietet analytischen Kontext \u2013 einen allgemeinen Vergleich, wie sich Design-Workflows unter jedem Ansatz unterscheiden; sie beschreibt nicht konkretes Verhalten spezifischer Siemens- oder Nvidia-Produkte, da solche Details in der verf\u00fcgbaren Berichterstattung nicht genannt werden.<\/p>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Dimension<\/th>\n<th>Konventionelles \/ KI-unterst\u00fctztes EDA<\/th>\n<th>Agentenbasiertes Engineering (als Kategorie)<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Wer steuert die Schleife<\/td>\n<td>Ingenieur initiiert jeden einzelnen Schritt<\/td>\n<td>Agent plant und f\u00fchrt mehrstufige Sequenzen aus<\/td>\n<\/tr>\n<tr>\n<td>Typische Rolle der KI<\/td>\n<td>Autovervollst\u00e4ndigung, Empfehlungen, Hinweise auf Anomalien<\/td>\n<td>Zielzerlegung, Nutzung verschiedener Tools, Iteration, Selbstpr\u00fcfung<\/td>\n<\/tr>\n<tr>\n<td>Rechenprofil<\/td>\n<td>Sto\u00dfartig, \u00fcberwiegend CPU-basierte Solver<\/td>\n<td>Dauerhafte Inferenz parallel zu Solver-Arbeitslasten<\/td>\n<\/tr>\n<tr>\n<td>Rolle des Menschen<\/td>\n<td>Operator und Pr\u00fcfer<\/td>\n<td>Aufsichtsf\u00fchrender, Vorgabe von Randbedingungen und endg\u00fcltiger Genehmiger<\/td>\n<\/tr>\n<tr>\n<td>Haupt-Risiko<\/td>\n<td>Langsame Iterationszyklen<\/td>\n<td>Skalierung einer subtil falschen Entscheidung durch Automatisierung<\/td>\n<\/tr>\n<tr>\n<td>Verifikationsanforderung<\/td>\n<td>Standardm\u00e4\u00dfige Designregelpr\u00fcfung (DRC)<\/td>\n<td>Designregelpr\u00fcfung plus Nachweisbarkeit und Audit der Agenten-Aktionen<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2><span class=\"ez-toc-section\" id=\"What_it_means_for_AI_developers_and_model_users\"><\/span>Was dies f\u00fcr KI-Entwickler und Modellnutzer bedeutet<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die meisten Berichte zu agentenbasierter KI konzentrieren sich nach wie vor auf Softwareentwicklung, Kundenservice und allgemeine Wissensarbeit. Ein Vorsto\u00df in die EDA stellt jedoch eine andere Herausforderung dar, weil das Ergebnis physisch ist: Ein Halluzinationsfehler bei einem Funktionsaufruf in einer Webanwendung ist ein Bug; eine fehlerhafte Entscheidung, die in eine gefertigte Leiterplatte oder einen Chip-Tape-out eingeht, f\u00fchrt hingegen zu Ausschuss, Verz\u00f6gerungen und Kosten. Anbieter, die Agenten in diesen Bereich bringen, unterstellen damit implizit, dass Verifikation, Restriktionen und Sicherheitsvorkehrungen bereits so ausgereift sind, dass sie Modellfehler wirksam eind\u00e4mmen k\u00f6nnen.<\/p>\n<p>F\u00fcr Entwickler, die agentenbasierte Systeme in anderen Bereichen bauen, ergeben sich drei \u00fcbertragbare Fragen: Erstens, welche Verifikationsschicht kommt zum Einsatz? Die EDA hat hier einen Vorteil, den die meisten anderen Dom\u00e4nen nicht besitzen: formale Designregeln und Simulationen, die die Arbeit eines Agenten mechanisch \u00fcberpr\u00fcfen k\u00f6nnen. Zweitens, welcher Audit-Trail steht zur Verf\u00fcgung? Ingenieurteams arbeiten unter Pr\u00fcfungs- und Zertifizierungsregimen, die verlangen, zu wissen, wer \u2013 oder was \u2013 eine \u00c4nderung vorgenommen hat und warum. Drittens, wo befindet sich die Rechenleistung? Design-Daten z\u00e4hlen zu dem sensibelsten geistigen Eigentum eines Unternehmens \u2013 was stark in Richtung kontrollierter, lokal gesteuerter Bereitstellung dr\u00e4ngt.<\/p>\n<p>Wenn Sie \u00e4hnliche Architektur-Entscheidungen abw\u00e4gen, ist unser <a href=\"https:\/\/convly.ai\/de\/models\/\">KI-Modell-Datenbank<\/a> ein n\u00fctzlicher Ausgangspunkt, um Modellf\u00e4higkeiten und Kontextverarbeitung zu vergleichen, und unser Leitfaden zu <a href=\"https:\/\/convly.ai\/de\/best-ai-coding-agents-2026\/\">KI-Coding-Agents<\/a> erl\u00e4utert, wie Agenten-Frameworks im engsten benachbarten Anwendungsgebiet bewertet werden.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_compute_question_on-premises_cloud_or_both\"><\/span>Die Rechenleistungsfrage: On-Premises, Cloud oder beides<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die Berichterstattung nennt die Hardware als Teil des Pakets \u2013 dies wirft eine Infrastrukturfrage auf, mit der sich jede Ingenieurorganisation konfrontiert sieht, die diese Art von Tools einf\u00fchrt. Halbleiter- und Leiterplattendesign-Dateien unterliegen in der Regel strengen Vertraulichkeitsvereinbarungen, h\u00e4ufig vertraglichen Bindungen gegen\u00fcber Fabs und Kunden. Dies beg\u00fcnstigt in der Regel den Einsatz in lokalen Rechenzentren oder privaten Cloud-Umgebungen gegen\u00fcber allgemeinen API-Endpunkten \u2013 selbst dann, wenn letztere pro Token kosteng\u00fcnstiger w\u00e4ren.<\/p>\n<p>Der Kompromiss besteht zwischen Investitions- und Betriebskosten; ohne Modellierung der tats\u00e4chlichen Auslastung ist er jedoch selten offensichtlich. Teams, die diese Aufteilung bewerten, k\u00f6nnen die Wirtschaftlichkeit gemeinsam mit unserem <a href=\"https:\/\/convly.ai\/de\/self-hosting-vs-api-calculator\/\">Self-Hosting vs. API-Rechner<\/a>, sowie lokale Inferenzanforderungen anhand des <a href=\"https:\/\/convly.ai\/de\/llm-vram-calculator\/\">kostenloser VRAM-Rechner<\/a>analysieren. F\u00fcr einen umfassenderen \u00dcberblick \u00fcber den aktuellen Stand der Beschleuniger-Optionen siehe unsere \u00dcbersicht zum <a href=\"https:\/\/convly.ai\/de\/best-gpus-for-ai-2026\/\">beste GPUs f\u00fcr KI-Anwendungen<\/a>.<\/p>\n<p>Ein branchenweites Muster, das es zu beachten gilt: Hardware-Beschleuniger, die an Ingenieurabteilungen verkauft werden, verhalten sich anders als solche, die an KI-Forschungslabore gehen. Die Auslastung h\u00e4ngt von Projektzyklen ab, die Beschaffung erfolgt \u00fcber Ingenieurbudgets statt Forschungsbudgets, und die Software muss sich in jahrzehntealte bestehende Tool-Workflows integrieren lassen. Meist ist diese Integrationslast \u2013 und nicht die reine Modellleistung \u2013 entscheidend daf\u00fcr, ob eine Bereitstellung erfolgreich ist.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_to_watch_next\"><\/span>Was Sie als N\u00e4chstes sehen sollten<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Mehrere Aspekte w\u00fcrden die Bedeutung dieses Schritts deutlich erhellen. Erstens: Produktdetails \u2013 welche Teile des Siemens-EDA-Portfolios erhalten agentenbasierte Funktionen und an welcher Stelle des Designprozesses greifen sie ein? Zweitens: Das Bereitstellungsmodell \u2013 ob Kunden die Tools vollst\u00e4ndig in ihrer eigenen Umgebung betreiben k\u00f6nnen. Drittens: Der Verifikationsansatz, denn die Glaubw\u00fcrdigkeit eines agentenbasierten Designs beruht nahezu ausschlie\u00dflich darauf, wie die Ausgaben der Agenten vor Erreichen der Fertigung \u00fcberpr\u00fcft werden.<\/p>\n<p>Schlie\u00dflich sollten Sie auf Kundennachweise statt auf Herstellerdemonstrationen achten. EDA-K\u00e4ufer sind aus gutem Grund konservativ, und die Einf\u00fchrung neuer Technologien in diesem Markt wird \u00fcblicherweise anhand von Designzyklen \u2013 nicht Quartalen \u2013 gemessen. Solange namhafte Kunden keine Ergebnisse aus produktivem Einsatz beschreiben, bleibt die ehrliche Einsch\u00e4tzung: Dies ist eine glaubw\u00fcrdige Richtung mit noch unbest\u00e4tigten Ergebnissen.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_asked_questions\"><\/span>H\u00e4ufig gestellte Fragen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Was ist die agentenbasierte EDA-Zusammenarbeit zwischen Siemens und NVIDIA?<\/strong> Laut Fierce Sensors st\u00e4rkt Siemens sein Portfolio f\u00fcr elektronische Designautomatisierung (EDA) durch NVIDIA-KI-Tools und -Hardware, um agentenbasierte Konstruktion von Leiterplatten und Halbleitern zu erm\u00f6glichen. Weitere Einzelheiten wurden in der vorliegenden Berichterstattung nicht genannt.<\/p>\n<p><strong>Was bedeutet \u201aagentenbasierte Konstruktion\u2018 in diesem Zusammenhang?<\/strong> Im Allgemeinen bezeichnet dieser Begriff KI-Systeme, die unter Aufsicht eines Ingenieurs mehrstufige Designaufgaben planen und ausf\u00fchren k\u00f6nnen \u2013 etwa Analysen durchf\u00fchren, Ergebnisse bewerten und iterativ weiterarbeiten \u2013 und nicht nur Vorschl\u00e4ge unterbreiten, die ein Mensch manuell umsetzen muss.<\/p>\n<p><strong>Hat Siemens Preise oder Verf\u00fcgbarkeitsdaten bekannt gegeben?<\/strong> Nein \u2013 zumindest nicht in der hier vorliegenden Berichterstattung. Weder Preise noch Lizenzbedingungen oder Markteinf\u00fchrungsdaten wurden best\u00e4tigt; s\u00e4mtliche anderswo kursierenden Angaben sind daher als unverifiziert zu betrachten.<\/p>\n<p><strong>Warum spielt NVIDIA-Hardware in einer EDA-Ank\u00fcndigung eine Rolle?<\/strong> Agenten-Loops, die wiederholt Inferenzberechnungen neben traditionellen Solver-Arbeitslasten ausf\u00fchren, sind rechenintensiv. Die Kombination von KI-Tools mit beschleunigter Hardware ist der praktikable Weg, um diese Iterationszyklen so schnell zu halten, dass sie innerhalb eines realen Designworkflows nutzbringend sind.<\/p>\n<p><strong>Betrifft dies auch Ingenieure, die keine Siemens-Tools nutzen?<\/strong> Indirekt ja. Es ist ein Signal daf\u00fcr, dass agentenbasierte KI zunehmend in sicherheits- und kostenkritische professionelle Workflows eindringt \u2013 was die Anforderungen an Verifikation, Nachvollziehbarkeit und Kontrolle \u00fcber die Bereitstellung im gesamten Tooling-Markt erh\u00f6ht.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_bottom_line\"><\/span>Das Fazit<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die agentenbasierte EDA-Initiative von Siemens und NVIDIA ist \u2013 basierend auf den bisher ver\u00f6ffentlichten Fakten \u2013 zun\u00e4chst eine Absichtserkl\u00e4rung: Agenten und beschleunigte Rechenleistung sollen in die Werkzeuge integriert werden, mit denen Leiterplatten und Halbleiter entworfen werden. Die Details, die eine fundierte Bewertung ihres Einflusses erm\u00f6glichen w\u00fcrden \u2013 konkret: Produkte, Bereitstellungsmodelle, Verifikationsans\u00e4tze und Verf\u00fcgbarkeit \u2013 sind bislang nicht \u00f6ffentlich zug\u00e4nglich; dieser Artikel verzichtet bewusst darauf, diese L\u00fccken durch Spekulationen zu f\u00fcllen.<\/p>\n<p>Fest steht jedoch, dass EDA ein au\u00dfergew\u00f6hnlich geeignetes Testfeld f\u00fcr agentenbasierte KI darstellt, da es maschinen\u00fcberpr\u00fcfbare Regeln und Simulationen bietet, die Fehler eines Agenten erkennen k\u00f6nnen, bevor sie in Silizium oder Kupfer umgesetzt werden. Wenn agentenbasierte Konstruktion irgendwo zuerst funktioniert, dann ist ein Bereich mit eingebauter formaler Verifikation ein durchaus plausibler Kandidat. Die offene Frage lautet jedoch, ob diese Sicherheitsvorkehrungen im Produktionsma\u00dfstab halten \u2013 und diese Frage wird von Kunden beantwortet werden, nicht durch Ank\u00fcndigungen.<\/p>\n<p><em>Quellen: news.google.com. Berichtet am 27. Juli 2026.<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>Siemens is folding Nvidia AI software and hardware into its electronic design automation portfolio to support agentic engineering workflows for printed circuit boards and semiconductors, according to Fierce Sensors. Here is what the move signals for engineers and AI developers.<\/p>","protected":false},"author":1,"featured_media":1695,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[245],"tags":[971,874,1011,778,1012,945,1010],"class_list":["post-1694","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-chips","tag-agentic-ai","tag-ai-hardware","tag-eda","tag-nvidia","tag-pcb-design","tag-semiconductors","tag-siemens"],"_links":{"self":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts\/1694","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/comments?post=1694"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts\/1694\/revisions"}],"predecessor-version":[{"id":1696,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts\/1694\/revisions\/1696"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/media\/1695"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/media?parent=1694"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/categories?post=1694"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/tags?post=1694"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}