Das FA2IR-Projekt wird wichtige Anwendungen von Methoden der Künstlichen Intelligenz (KI) auf Datenbanken in der mikroelektronischen Fehleranalyse (FA) untersuchen. Dazu gehört die tiefgreifende Auswertung 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 Methoden aus dem Vorgängerprojekt FA4.0 zu entwickeln, z.B. für die Analyse von Bild- und Messdaten, Textklassifikation, etc. Einzigartig in Bezug auf die Datenbanklandschaft ist die Umsetzung des FAIR-Datenprinzips (Findable, Accessible, Interoperable, Reusable). Im Teilvorhaben der Universität Stuttgart wird eine strukturierte Datenbank mit ontologischen Beziehungen geschaffen, um eine KI-gestützte Datenfusion und korrelative Datenanalyse zu ermöglichen. Die Spezifikation von Anforderungen an eine KI-fähige Dateninfrastruktur, zusammen mit der Entwicklung einer standardisierten FA-Ontologie und den dazugehörigen standardisierten JSON-Metadatenfeldern, zielt darauf ab, intelligente automatisierte Datenverarbeitung und Schlussfolgerungen zu ermöglichen und einen einheitlichen, erweiterten und wiederholbaren Arbeitsablauf sicherzustellen. Darüber hinaus ermöglicht es die gemeinsame Nutzung von Informationen durch die Interoperabilität von Datenbanken, die konsistente Datenintegration und den Austausch zwischen vielen, verteilten oder heterogenen Datenquellen. Die Universität Stuttgart wird die in FA2IR entwickelten ML-Konzepte in einen beschleunigten Lebensdauerteststand mit Zustandsüberwachung für moderne Leistungshalbleiterbauelemente integrieren und anwenden.