So wird Claude ein noch besserer Elektroingenieur

Diode Computers entwirft und fertigt mit KI kundenspezifische Leiterplatten. Die Toolchain von Diode macht das Design von Leiterplatten zu einem Softwareproblem. Ähnlich wie Softwareentwickler mit Tools wie Claude Code effizienter arbeiten können, wendet Diode dieselben Techniken an, um Elektroingenieuren bei der Entwicklung von Leiterplatten zu helfen, die innerhalb von Stunden fertigungsbereit sind.

Diode entwickelt und pflegt die Sprache Zener, eine domainspezifische Sprache, die auf Starlark zur Beschreibung von Leiterplattenschaltplänen (PCB-Schematics) aufbaut, und pcb, das Zener als Sprache verwendet, um Automatisierungen auf Basis von KiCad bereitzustellen.

Eine wichtige Aufgabe für Elektroingenieure ist die Erstellung von Referenzdesigns: Wenn ein Designer einen bestimmten Chip verwenden möchte, benötigt er Hunderte von Seiten an Dokumentation, um zu verstehen, welche Komponenten der Chip benötigt, um einsatzbereit zu sein. Ein typischer Chip benötigt möglicherweise bis zu einem Dutzend Zusatzteile – Widerstände, Kondensatoren, Induktoren usw. –, und gut strukturierte Informationen darüber, wie sie verdrahtet werden, sind rar.

Elektroingenieure verwenden Claude Code bereits, um Referenzdesigns in Zener aus unstrukturierter Dokumentation automatisch zu generieren, bevor sie geprüft werden. Angesichts der Neuheit der Umgebung, die domainspezifische Tools enthält und fundiertes Fachwissen erfordert, gibt es jedoch Optimierungsbedarf hinsichtlich der agentischer Leistung von Claude bei der Erstellung von Referenzdesigns und in Bezug auf das allgemeine Verständnis von Claude dieser spezifischen Aufgabe im Bereich Elektrotechnik. Bei der automatischen Generierung von Referenzdesigns treten folgende diese Fehlermodi häufig auf:

• Fehlende Informationen aus dem Datenblatt darüber, wie Schaltkreise konfiguriert werden sollen
• Fehlinterpretation von Abbildungen von Referenzschemata
• Falsches Verständnis oder falsche Verwendung von Zener

Wenn wir festellen, dass Claude bei branchenspezifischen Aufgaben, die tiefes fachliches Know-how erfordern, noch Defizite aufweist, können wir mit Experten auf diesem Gebiet zusammenarbeiten, um Claude beizubringen, bei diesen Aufgaben zu besser zu werden. Dieses Wissen ist in den Claude-Modellen verankert, die veröffentlicht werden, sodass alle Nutzer der Claude-Modelle davon profitieren können – sei es in Claude Code, claude.ai oder ihren eigenen Claude-basierten Systemen und Anwendungen.

Eingrenzung des Problems

Wir haben im Rahmen einer gemeinsamen Initiative mit Diode zusammengearbeitet, um die Fähigkeit von Claude zur automatischen Generierung von Referenzdesigns zu verstehen und zu verbessern. Bei dieser agentischen Aufgabe wird Claude gebeten, die Dokumentation eines Chips als Eingabe zu übernehmen und ein vollständiges Referenzdesign dafür in Zener zu erstellen. Damit das klappt, muss Claude viele Seiten Dokumentation lesen, technische Formulierungen und Abbildungen verstehen und einen vollständig konfigurierbaren Schaltplan schreiben, der alle Konfigurationen und Betriebsmodi des Chips vollständig darstellt. In diesem agentischen Setup erhält Claude die Tools zum Lesen und Schreiben von Dateien und zur Ausführung von Bash-Befehlen. Claude hat Zugriff auf den Zener-Compiler, die Dokumentation der Sprache und einige Beispiele, mehr nicht.

Es ist nicht so einfach, zu bestimmen, wann ein Referenzdesign korrekt ist. In der Dokumentation wird oft nicht genau angegeben, welche Komponenten und Parameter für den Betrieb erforderlich sind. Um dieses Problem zu lösen, wird jedes Referenzdesign anhand einer benutzerdefinierten Testbench bewertet: Anstatt absolute Aussagen über das Vorhandensein einzelner Komponenten zu machen (z. B. „ein 20uF-Kondensator zwischen der Stromversorgung und Masse"), kodiert die Testbench übergeordnete Anforderungen (z. B. „eine Kapazität von mindestens 22uF zwischen der Stromversorgung und Masse"). Dadurch wird sichergestellt, dass das Signal, das das Modell erhält, zwar genau, aber nicht zu restriktiv ist.

Auf Basis klar definierter Erfolgskriterien bei dieser Aufgabe konnten wir zusammen mit Diode das Training von Sonnet 4.5 und nachfolgenden Claude-Modellen optimieren, damit Claude noch bessere Referenzdesigns für Leiterplatten generieren kann.

Benchmarking der Ergebnisse

Um die Leistung von Claude bei dieser Aufgabe einem Benchmark zu unterziehen, verwendeten wir einen Testsatz aus generierten Referenzdesigns in einem blinden direkten Vergleich zwischen Claude Opus 4.1, Claude Sonnet 4 und Claude Sonnet 4.5. Es hat sich herausgestellt, dass die Elektroingenieure von Diode in acht von zehn Fällen die Referenzdesigns von Claude Sonnet 4.5 bevorzugten. Im Vergleich zu anderen Modellen erkannte Claude Sonnet 4.5 eher kleine Nuancen in den Dokumentationsmaterialien und konnte den Konventionen und Semantiken der Toolchain besser folgen.

Pläne für die Zukunft

Die Partnerschaft mit Diode kann für jedes Unternehmen in jedem Bereich oder jeder Branche nachgebildet werden, wenn Claude agentisch für Aufgaben mit klaren Erfolgs- und Misserfolgskriterien eingesetzt wird. Anthropic verbessert Claude ständig, um es in den verschiedensten Bereichen und Branchen zum besten virtuellen Mitarbeiter zu machen. Aufgaben und Workflows, die fundiertes Fachwissen erfordern und branchenspezifische Prozesse, Tools und Workflows benötigen, sind ideale Kandidaten für eine enge Zusammenarbeit mit Anthropic.

Wenn Sie an einer Partnerschaft mit Anthropic interessiert sind, um zukünftige Versionen von Claude zu verbessern, füllen Sie bitte dieses Formular aus, und wir werden uns schnellstmöglich mit Ihnen in Verbindung setzen.

Danksagungen

Dieser Artikel wurde in Zusammenarbeit mit Davide Asnaghi und Lenny Khazan von Diode Computers sowie Connor Jennings, David Hershey und Nicholas Marwell von Anthropic verfasst.