Die Entwicklung der More than Moore (MtM)-Technologie treibt die Miniaturisierung von Halbleiterbauelementen und die Integration verschiedener Funktionalitäten weiter voran. Dieser MtM-getriebene Trend unterstreicht zunehmend die Notwendigkeit von 3D-Integrationstechniken, um eine überlegene Miniaturisierung und verbesserte Leistung zu erreichen. Die rasanten Fortschritte in der 3D-Integrationstechnik haben jedoch neue Herausforderungen im Bereich der Fehleranalyse (FA) mit sich gebracht. Um diese Herausforderungen zu meistern, müssen zerstörungsfreie Methoden eingesetzt werden, die hochauflösende Erkenntnisse liefern und gleichzeitig kosteneffizient und zeitsparend sind. Das Akustische Rastermikroskop (SAM) erweist sich als ein entscheidendes Werkzeug für die zerstörungsfreie, kosteneffiziente und zeitkritische Fehleranalyse. In diesem Zusammenhang sind die Abbildungsauflösung und die Eindringtiefe des konventionellen SAM traditionell durch die Frequenz des verwendeten Wandlers begrenzt. In dieser Arbeit wird ein modifizierter SAM-Interferometrie-Aufbau auf die Fehlererkennung in der 3D-Integrationstechnologie zugeschnitten, wobei der Schwerpunkt auf die Charakterisierung von Through Silicon Vias (TSVs) liegt. Dieser Ansatz zeigt sich unabhängiger von der Wandler-Frequenz. Es werden spezielle akustische Linsenkonfigurationen für die kontrollierte Anregung von akustischen Oberflächenwellen (SAWs) eingesetzt. Die Interferenzmuster, die sich aus der Wechselwirkung von den SAWs und akustischen Volumenwellen ergeben, enthalten wertvolle Informationen über die Qualität der TSVs. Künstliche Intelligenz wird zur Lokalisierung und Klassifizierung der erhaltenen Interferenzmuster verwendet und lässt sich effektiv für die Fehleranalyse der TSVs einsetzten. Die verschiedenen SAM-Interferenzmuster an den TSVs werden in dieser Arbeit eingehend mittels akustischer Simulation untersucht und mit Hilfe des Rasterelektronenmikroskops (SEM) validiert. Im Wesentlichen trägt diese Arbeit zur Weiterentwicklung der 3D-Integrationstechnologie bei, indem sie innovative Ansätze zur zerstörungsfreien Fehleranalyse, zur automatischen Fehlerlokalisierung und zur umfassenden Charakterisierung von TSVs vorstellt. Darüber hinaus konzentriert sie sich auf die Vertiefung des Verständnisses des Verhaltens von SAWs und ihrer Rolle im Zusammenhang mit der Qualitätserkennung in modernen Halbleitertechnologien.