Defekte in CPUs erkennen: Intel mit spannenden Einblicken - ein gewaltiger Aufwand
Intel hat auf der IEDM 2025 Einblicke in die Funktionstests der eigenen Prozessoren gegeben. Damit Server-CPUs möglichst selten ausfallen, wird ein hoher Aufwand betrieben. Und jede Generation verhält sich anders.
Auf der Halbleitermesse IEDM dreht es sich zwar normalerweise in erster Linie um die Fertigung von Chips, immer wieder finden aber auch angrenzende Themen Beachtung. Genauso ist es auch dieses Jahr: Anstelle eines Updates zur eigenen Fertigung hat Intel dieses Mal einen Bericht zur Fehlererkennung in Prozessoren parat. Und dieser zeigt: Dahinter steckt eine Menge Arbeit. Zwar setzt Intel - wie andere Chipschmieden - auf Korrektur- und Detektionsmechanismen direkt in den Schaltwerken. Diese können aber nicht alle Probleme erkennen oder beheben. Dadurch kann es zu sogenannten Silent Data Errors (SDEs) kommen, die wiederum die Programmausführung beeinträchtigen.
Viele Tests, kein Schema
Um genau das zu vermeiden, nutzt Intel ein selbst entwickeltes Programm namens Data Center Diagnostics Tools (DCDiag), das auf Xeon-Prozessoren ausgeführt wird und dort Defekte identifizieren soll. Diese werden unter anderem durch Fertigungsfehler verursacht, aber beispielsweise auch durch Strahlung oder elektrische Randerscheinungen. Sie sind dadurch auch zeitabhängig. Gemessen wird deshalb in FIT (Failures in Time, Ausfälle pro Milliarde Stunden).
Quelle: Intel
Durchschnittliche Fehlerauftrittszeit bei verschiedenen Ausfallraten. In Cloud-Systemen mit Hunderttausenden CPUs werden selbst sehr seltene Fehler zu einem häufigen Problem.
Quelle: Intel
Ursachen und Ausprägungen von Fehlern in Prozessoren. Im besten Fall geht alles gut oder wird durch eine Fehlerkorrektur aufgefangen. Aber das ist nicht immer der Fall.
Wenn man einmal vom Raptor-Lake-Desaster absieht, gelang es Intel bislang gut, die Anzahl der Ausfälle niedrig zu halten. In Kombination mit immer größeren Rechenzentren wird der Testaufwand aber immer größer. Denn eine größere Anzahl an verbauten Prozessoren erhöht natürlich auch die Wahrscheinlichkeit eines Ausfalls im Gesamtsystem - und Cloud-Systeme wachsen stetig weiter. Ein "vollständiger" Funktionstest ist dabei nicht realistisch, denn schon eine einzige 64-Bit-Zahl deckt 18 Trillionen Möglichkeiten ab. Deshalb sucht Intel passende Anwendungen heraus, um mit möglichst wenig Tests die maximale Anzahl an Fehlern zu entdecken.
Messdaten über fünf Xeon-Generationen zeigen dabei, dass das keine leichte Aufgabe ist. Zwar reichen schon fünf Prozent der Gesamttests, um 50 Prozent der fehlerbehafteten CPUs herauszufiltern. Für eine Erkennungsrate von 90 Prozent steigt die Anzahl notwendiger Tests aber bereits auf das Zehnfache. Die Erkennungsrate flacht also immer weiter ab, und dementsprechend viele Durchläufe sind notwendig. Welche Tests dabei besonders gut geeignet sind, ist jedes Mal unterschiedlich. Laut Intel gibt es hier kein Schema, jede Architektur verhält sich anders. Die Ingenieure in den Testabteilungen müssen sich also jede Chipvariante einzeln vorknöpfen und anhand von Messdaten eigene Testdurchläufe erstellen, um den notwendigen Testaufwand zu reduzieren.
Quelle: Intel
Anteil erkannter Defekte pro durchgeführten Testläufen in Intels DCDiag-Software. Um die letzten Prozent zu entdecken, sind sehr viele Durchläufe notwendig.
Ebenso interessant: Intel 4004 zum 54. Jubiläum: Riesiger Nachbau kommt ins Museum
Intels Analyse bezieht sich explizit nur auf Prozessoren, nicht auf SoCs oder GPUs. Ob zumindest dort ein brauchbares Schema zum Erstellen neuer Testroutinen existiert, ist momentan also noch unsicher. Möglicherweise sind zumindest die etwas weniger komplexen GPU-Shader hier dankbarer. Klar ist aber in jedem Fall: Es steckt ein gigantischer Aufwand dahinter, dass moderne Halbleiter mit vielen Milliarden Transistoren so problemfrei laufen, wie sie es heutzutage tun.
Hatten Sie schon einen CPU-Defekt? Welches Modell war es? Nutzen Sie die Kommentarfunktion und teilen Sie uns Ihre Meinung mit. Zum Kommentieren müssten Sie auf PCGH.de oder im Extreme-Forum eingeloggt sein. Sollten Sie noch keinen Account haben, könnten Sie über eine Registrierung nachdenken, die viele Vorteile mit sich bringt. Beachten Sie beim Kommentieren aber bitte die gültigen Forenregeln.
Quelle: Intel (IEDM 2025)
Also seitdem die CPU Heatspreader haben hatte ich hier noch keinen Defekt, nichtmal beim delidding oder Flüssigmetallorgien oder übertakten. Also entweder hatte ich ein wahnsinns Glück, oder die Teile sind stabiler als ihr Ruf.
Das schlimmste war ein Athlon 1400, bei dem mir eine Ecke vom DIE abgebrochen ist. Die CPU wollt nachher nicht mehr mit FSB133 laufen. Aber mit FSB100 hat er noch jahrelang in einem CS-Server durchgehalten.
1.) CPU verkantet beim Einbau, PINs komplett verbogen, beim zurück biegen sind dann einzelne Pins gebrochen
War bei allen AMDs bis AM4 mit PGA ein Problem, bei Intel schon seit Urteiten nicht, haben früh auf LGA umgestellt.
2.) Falsches Mountingkit, zuviel Anpressdruck, zack gebrochen. War auch bei vielen CPUs früher üblich, dass kein Heatspreader auf dem eigentlichen Chip saß.
3.) Hitzetod, mich wundert gerade, dass dein Celeron das überlebt hat, hätte spontan behauptet die hatten damals auch noch keinen Schutzmechanismus.
4.) Voltage war und ist immer ein Problem, wobei man heute schon kreativ werden muss um einen schnellen Tod herbeizuführen, aber es gibt BIOS Versionen die nicht für Kinder geeignet sind.
Früher konnte man über Jumper lustige Dinge machen, gab mal einen Sockel der mit zwei unterschiedlichen Spannungen versorgt werden konnte und Boards bei denen man das mit Jumper stecken musste.
Das waren die Tode meiner Laufbahn, defekte sind aber massiv zurückgegangen, die Anzahl der Systeme aber eben auch. Gab Zeiten in denen ich 10 Systeme in der Woche gebaut hab, durchaus teure Systeme waren dabei, 5stellig war damals High End, heute beschweren wir uns bei 5k für nen PC
Kommt auch nicht so gut wenn so CPUs falsch verpackt werden, mein erster 5700X3D flog unter der Rechnung & bisschen Luftpolster frei durchs Paket & hatte dadurch direkt beim auspacken schon einige Pins verbogen -> Bilder gemacht & direkt zurück geschickt, vorher noch ne Schicht von nem frischen Schwamm unprofessionell abgeschnitten & damit die Pins gepolstert, Zettel reingelegt "damit nicht noch mehr unnötig Kaputt geht"
Ja Heatspreader gabs bei Athlon XP und P3 noch nicht das Stimmt wohl
Intels Sockel 370 CPUs hatten schon einen Schutz, aber der bestand eben nur aus einer recht simplen Notabschaltung bei 125 Grad, was dann bei mir auch der Fall war, der Kühler mit dem der ebay Rechner kam war ein kleiner Alu-Block der kaum größer als die CPU selbst war, entsprechend Mini war auch der Lüfter, damit war halt auch nur ein sehr begrenzter Effekt durch Passivkühlung vorhanden.
So eine Notabschaltung machen die CPUs auch durchaus 3-5 mal mit, aber wenn man sich nicht um die Probleme kümmert is eben nach 20-30 mal irgendwann auch mal der Ofen aus & die CPU definitiv Tot, ging ner Freundin mit Ihrem Laptop so. Thermal Throttling gab es erst ab dem Pentium 4.
Die Voltage sollte man wenn man nicht übertakten will höchstens nach unten selbst regulieren, bringt ja dann auch Vorteile wie etwas weniger Stromverbrauch und Abwärme mit sich, und ja ich hab bei nem Sockel A Via Mainboard auch mal was an den jumpern geändert weil ich dachte man kann aus dem Sempron 3000+ so noch was rausholen, Board & CPU habens überlebt, aber einige Kondensatoren sind seitdem etwas aufgebläht ^^
Ein "vollständiger" Funktionstest ist dabei nicht realistisch, denn schon eine einzige 64-Bit-Zahl deckt 18 Trillionen Möglichkeiten ab.