Wie lange dauert es, einen fortschrittlichen Chip zu entwickeln? Die Antwort lautet in der Regel drei bis fünf Jahre. Allein die Designphase verschlingt zwei Jahre. Und diese zwei Jahre sind keine Wartezeit, sondern intensive Zusammenarbeit von Hunderten oder Tausenden von Ingenieuren – ein einziger Verifikationsfehler kann das gesamte Fließband zum Stillstand bringen.
Genau dieses Problem will Cognichip lösen. Das 2024 gegründete Startup hat gerade 60 Millionen US-Dollar in einer neuen Finanzierungsrunde eingesammelt, die das Unternehmen vor der Runde auf insgesamt 93 Millionen US-Dollar bewertet. Führender Investor ist Seligman Ventures, und in den Vorstand eingetreten ist auch der amtierende Intel-CEO Lip-Bu Tan.
Nicht GPT, um RTL-Code für Sie zu schreiben
Cognichips Ansatz unterscheidet sich von den meisten Methoden, die große Modelle in IDEs integrieren. Sie verwenden kein universelles LLM zur Verarbeitung von Hardwarebeschreibungssprachen, sondern haben ein eigenes, speziell auf Chip-Design-Daten trainiertes Deep-Learning-Modell von Grund auf entwickelt.
Dieser Unterschied ist entscheidend. Die Fähigkeit universeller Modelle, Chip-Design-Spezifikationen zu verstehen, ist äußerst begrenzt – Timing-Constraints, Leistungsbudgets, Prozessbibliotheksregeln … diese Dinge lassen sich nicht allein durch das Sammeln von Internettexten erlernen. Cognichip hat mit mehreren Chip-Unternehmen Verträge abgeschlossen, um proprietäre Designdaten zu erhalten, synthetische Datenpipelines eingeführt und eine isolierte Trainingsumgebung aufgebaut, in der Chip-Hersteller ihre Modelle mit eigenen privaten Daten verfeinern können, ohne Datenlecks befürchten zu müssen.
Sie nutzten auch die offene RISC-V-Architektur für Demonstrationszwecke – um Elektrotechnik-Studenten zu zeigen, dass eine KI einen vollständigen Designablauf durchlaufen kann.
CEO Faraj Aalaei erklärte ihr Ziel: "Diese Systeme sind jetzt intelligent genug. Sie sagen ihnen einfach, welches Ergebnis Sie wünschen, und sie können tatsächlich guten Code produzieren."
Die Zahlen: 75 % und 50 %
Nach offiziellen Angaben des Unternehmens können die Chip-Entwicklungskosten um mehr als 75 % gesenkt und die Entwicklungszeit um mehr als die Hälfte verkürzt werden.
Diese beiden Zahlen sind in der Halbleiterbranche atemberaubend. Die derzeit vorherrschenden EDA-Tools (Electronic Design Automation) sind zwar ausgereift, aber der grundlegende Ablauf folgt noch immer dem vor Jahrzehnten etablierten Paradigma: manuelles Schreiben von RTL, Synthese, Platzierung und Verdrahtung, Timing-Analyse, Tape-out-Verifikation – jeder Schritt erfordert spezialisierte Ingenieure. Der visionäre Raum für KI-Eingriffe besteht nicht darin, einen einzelnen Schritt zu ersetzen, sondern den gesamten Iterationszyklus zu komprimieren – den Ingenieur vom Code-Schreiber zum Ergebnis-Abnnehmer zu machen.
Allerdings handelt es sich bei diesen Zahlen um unternehmenseigene Behauptungen, die noch keine öffentliche Validierung in einer großvolumigen Produktionsumgebung erfahren haben. Umesh Padval, Managing Partner von Seligman, sagte, dies sei der größte Kapitalzufluss, den er in 40 Jahren Investitionen in KI-Infrastruktur gesehen habe – aber das zeige auch, wie heiß diese Spur derzeit sei, und man dürfe die Finanzierungssumme nicht als technische Bestätigung werten.
Auf dieser Spur stehen bereits einige Schwergewichte
Cognichip ist nicht allein. Ebenfalls in den ersten Monaten des Jahres 2026 schloss der Wettbewerber ChipAgents eine Serie-A-Runde über 74 Millionen US-Dollar ab, und Ricursive sammelte 300 Millionen US-Dollar in einer Serie-A-Runde ein. Allein in den ersten vier Monaten des Jahres 2026 flossen damit über 400 Millionen US-Dollar in die KI-Chip-Design-Spur.
Auch die etablierten EDA-Giganten Synopsys und Cadence Design Systems sind nicht untätig. Ihre kombinierte Marktkapitalisierung übersteigt 100 Milliarden US-Dollar, und beide arbeiten intensiv an KI-gestützten Designfunktionen. Der Druck auf die Startups ist nicht gering.
Der Eintritt von Lip-Bu Tan in den Vorstand von Cognichip verdient besondere Erwähnung. Intel selbst ist eines der größten Chip-Unternehmen der Welt, und dass der CEO persönlich ein KI-Chip-Design-Startup unterstützt, ist ein Signal, das über Geld hinausgeht. Er bringt das tiefste Verständnis des Chip-Design-Prozesses mit sowie potenzielle Kooperationsabsichten von Intel in diese Richtung.
KI hilft sich selbst, ein Gehirn zu bauen
Das Faszinierendste an dieser Spur ist ihre Rekursivität: KI-Modelle benötigen selbst Chips für Training und Inferenz, und nun beginnen Menschen, KI zu nutzen, um genau diese Chips zu entwerfen. Wenn es tatsächlich gelingt, den Designzyklus drastisch zu verkürzen, wird die Iterationsgeschwindigkeit der nächsten KI-Beschleunigergeneration nicht mehr nur durch die Anzahl der Ingenieure begrenzt, sondern auch durch die Fähigkeiten der KI-Design-Tools selbst.
Dies ist ein positiver Kreislauf und die grundlegende Logik hinter den massiven Investitionen.
Die eigentliche Bewährungsprobe für Cognichip ist nun: Kann es einen Anwendungsfall vorweisen, bei dem ein großes Unternehmen bereit ist, es in einem echten Tape-out-Projekt einzusetzen? 93 Millionen US-Dollar reichen für eine Weile.
Quellenangabe: CocoLoop, Cognichip wants AI to design the chips that power AI, and just raised $60M to try (TechCrunch)