Das FA2IR-Projekt wird wichtige Anwendungen von Methoden der Künstlichen Intelligenz (KI) auf Datenbanken in der mikroelektronischen Fehleranalyse (FA) untersuchen. Dazu gehört die Tiefenauswertung von Daten, z. B. das Auffinden und Kennzeichnen von Fehlern in Bildern sowie das Auffinden von Analyseberichten, die diese beschreiben. Die neuartigen Methoden werden zu kürzeren Entwicklungszeiten für neue Produkte, einer schnelleren und präziseren Reaktion auf Ausfälle im Feld sowie zu einer verbesserten Zusammenarbeit zwischen den Partnern der Wertschöpfungskette durch einen offenen Ansatz führen. Ziel dieses Projektes ist es, FA-Datenbanken KI-fähig zu machen und verbesserte FA4.0-KI-basierte Methoden zu entwickeln, z.B. für die Analyse von Bild- und Messdaten, Textklassifikation, etc. Obwohl KI Gegenstand verschiedener FA-bezogener Veröffentlichungen ist, ist der Ansatz dieses Projekts in Bezug auf die Datenbanklandschaft durch die Umsetzung des FAIR-Datenprinzips (Findable, Accessible, Interoperable, Reusable) einzigartig. Wir werden ein universell akzeptiertes Datenformat erforschen und einsetzen, das Unternehmen und Zulieferern einen einfachen Datenaustausch ermöglicht und gleichzeitig den wirksamen Schutz von geistigem Eigentum und vertraulichen Daten gewährleistet. Die neuartigen und verbesserten Datenbanklandschaften werden mit dem in der FA-Ontologie gespeicherten Expertenwissen kombiniert, um die Standardisierung von Daten und die Interoperabilität von Datenbanken zu gewährleisten. In diesem Projekt will PVA TePla AS neuartige Signalverarbeitungstechniken entwickeln, die auf maschinellem Lernen und synthetischer Apertur basieren, um eine 3D-Rekonstruktion von Proben mit Hilfe der akustischen Rastermikroskopie (SAM) durchzuführen. PVA TePla AS ist bestrebt, mit den sich rasant entwickelnden Anforderungen der Fehleranalyse in der Halbleiterindustrie Schritt zu halten, indem scharfe Bilder in beliebiger Tiefe bei kurzer Scanzeit gewonnen werden.