Leibniz University Hannover University News & Events Online Spotlights
THINGS2DO: EU-Projekt erforscht nachhaltige Halbleiterkomponenten

THINGS2DO: EU-Projekt erforscht nachhaltige Halbleiterkomponenten

Mikroelektronik-Forschung an der Leibniz Universität optimiert Fahrerassistenzsysteme

Eine hohe Rechenleistung, minimale Energieverluste und ein hoher Integrationsgrad: Das sind die Anforderungen an die mikroelektronischen Systeme, die das Institut für Mikroelektronische Systeme (IMS) unter der Leitung von Prof. Dr.-Ing. Holger Blume für das EU- und BMBF-finanzierte Forschungsprojekt THINGS2DO entwickelt. THINGS2DO steht für: „Thin but great Silicon to Design Objects“. Acht Kooperationspartner aus Forschung, Wissenschaft und Industrie entwickeln hier Halbleiterkomponenten in Europa, die es kleinen und mittelständischen Unternehmen sowie Industrie und Forschung künftig erlauben sollen, IP-Komponenten wie zum Beispiel On-chip Schaltungsteile, Bildverarbeitungsprozessoren, Speicher oder Spannungsgeneratoren nach Bedarf zusammenzufügen, zu integrieren und zu fertigen.

„Ziel des Projektes ist es, den Energieverbrauch zu verringern“, berichtet Blume. Weltweit steige die Nachfrage nach Mikroelektronikchips, vor allem im Bereich intelligente Energienetze (Smart Grid), mobile Kommunikation, individuelle Mobilität und Gesundheitsvorsorge. Auch die hochautomatisierte Industriefertigung – Stichwort „Industrie 4.0“ – oder neue mobile Computersysteme, die am Körper tragbaren sogenannten „Wearables“, zählen dazu. „Sie alle benötigen eine Vielzahl von maßgeschneiderten Komponenten, die immer leistungsfähiger, energieeffizienter und zugleich kostengünstiger sein sollen.

Die Wissenschaftlerinnen und Wissenschaftler der Leibniz Universität forschen bereits seit Jahren auf dem Gebiet der mikroelektronischen Architekturen und Systeme. Hauptanwendungsgebiete sind die Biomedizintechnik und elektronische Fahrerassistenzsysteme. Im Rahmen von THINGS2DO wird das IMS in enger Kooperation mit den weiteren Partnern komplexe und extrem rechenleistungsintensive Algorithmen der Fahrerassistenz auf heterogene System-on-Chip-Architekturen abbilden und damit eine neue Qualität der Fahrerunterstützung ermöglichen.