Digitaler Zwilling: Einsatzgebiete von der Produktentwicklung über die Logistikplanung bis zur vorausschauenden Wartung.
Digitaler Zwilling

Spiegelbild mit Potenzial

Sie helfen, physische Produkte und Prozesse abzubilden, deren Verhalten vorherzusagen und die Weiterentwicklung zu optimieren: Digitale Zwillinge versprechen viele Möglichkeiten und kommen doch noch kaum zum Einsatz.
Autor: Heinz-Jürgen Köhler
Fotos: dpa Picture-Alliance
Silverstone am letzten Augustsonntag dieses Jahres – der Große Preis von Großbritannien: Sehr eng nimmt der knallorange Formel-1-Wagen aus dem Rennstall McLaren die Kurve, bremst am Scheitelpunkt und beschleunigt dann wieder mit Macht. Was man nicht sieht: Ein digitaler Zwilling begleitet den realen Boliden. Der englische Rennstall hat digitale Abbilder seiner Fahrzeuge entworfen.
Umfangreiche Sensortechnik erfasst eine Vielzahl von Daten während des knapp 90-minütigen Rennens und schickt diese in den Rechner der Unternehmenszentrale ins 130 Kilometer entfernte Woking. Angereichert mit weiteren Daten, etwa über Wetter und Temperatur, entsteht daraus ein digitaler Zwilling des Rennwagens, ein virtuelles Abbild in der realen Rennsituation, das vorausschauende Analysen liefert. In Zusammenarbeit mit der University of Oxford und der Beratungsfirma Deloitte setzt McLaren seit Langem Digitaltechnik ein. „Wir machen das seit 20 Jahren und haben ein digitales Modell des Rennwagens entworfen, einen digitalen Zwilling, aber wir verwenden diesen Begriff nicht“, erklärt Dr. Caroline Hargrove, CTO bei McLaren Applied Technologies, in einem Interview.

Keine klare Definition

2,3 Millionen Ergebnisse fördert die Google-Suche für „Digitaler Zwilling“ zutage, 316 Millionen die für „Digital Twin“. Kurios: Die meisten davon sind deutschsprachig. „Im angelsächsischen Sprachraum ist der Terminus weitgehend ungebräuchlich“, bestätigt Damian Bunyan, Brite und CIO des weltweit operierenden Energiekonzerns Uniper.
„Für einen digitalen Zwilling braucht es einen digitalen Master und einen digitalen Schatten.“
DR. KAI LINDOW, Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik
Dass man eine global einheitliche, verbindliche Definition des digitalen Zwillings bis heute vergeblich sucht, kann schnell zu Missverständnissen führen. „Viele Unternehmer denken, sie hätten einen digitalen Zwilling, weil sie ein digitales Modell ihrer Produkte oder ihrer Produktion erstellt haben“, berichtet Dr.-Ing. Kai Lindow vom Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik. Aber das sei eben noch kein digitaler Zwilling.
Das virtuelle Abbild eines Produkts oder Prozesses, das mit realen Daten gefüttert wird – so lautet die landläufige Definition. „Für einen digitalen Zwilling braucht es einen digitalen Master und einen digitalen Schatten“, präzisiert Lindow. Der Master wären etwa ein digitales Geometriemodell oder ganz allgemein die Stammdaten; die über den Lebenszyklus eines Produkts oder einer Anlage gewonnenen Daten wären der digitale Schatten. „Führt man beides zusammen, hat man den digitalen Zwilling.“ Unterschiedliche Definitionen setzen unterschiedliche Schwerpunkte. Unstrittig ist allerdings, dass der Zwilling eine umfassende Anwendung für das Product Lifecycle Management (PLM) darstellt – mit enormem Potenzial. Etwa dem, völlig neue Geschäftsmodelle zu entwickeln. „Eine wichtige Rolle spielt allerdings hierbei der Umstand, möglichst früh das individuelle Einsatzgebiet für den eigenen digitalen Zwilling herauszuarbeiten und auf die eigenen Fragestellungen zuzuspitzen“, unterstreicht Uwe Weber, Head of Industrial IoT Center bei Detecon, der Beratungstochter von T-Systems. Welche Prozesse stehen im Fokus? Welche Use Cases möchte eine Firma realisieren? Welche Daten sind hierfür relevant? Und wie lassen sich Sensor- und Betriebsdaten mit den Geschäftsprozessen verzahnen?
Mit dem Einsatz digitaler Zwillinge hat der Luxussportwagenbauer Maserati die Konstruktionszeit neuer Automodelle halbiert.
Mit dem Einsatz digitaler Zwillinge hat der Luxussportwagenbauer Maserati die Konstruktionszeit neuer Automodelle halbiert.
Beispiel Building Information Modelling (BIM). Hinter dieser kooperativen Arbeitsmethodik stehen digitale Modelle von Bauwerken, auf deren Grundlage sämtliche für ihren Lebenszyklus relevanten Informationen und Daten konsistent erfasst und verwaltet werden. Mit dem Ziel, sie in einer transparenten Kommunikation zwischen allen Beteiligten für die weitere bzw. fortschreitende Bearbeitung freizugeben. So könnte neben Bauherren, Eigentümern oder Betreibern auch das jeweilige Gebäudemanagement – eine Branche, die allein in Deutschland mehr als 15 Milliarden Euro Umsatz erzielt – einen durchgängigen, geschlossenen Informationsfluss für die nachhaltige und sachgerechte Instandhaltung nutzen. Von der Projektplanung und -entwicklung über die Bauvorbereitung, -umsetzung und -dokumentation bis zum -betrieb. „Konkret würden BIM-gestützte Simulationen und Analysen in Gestalt eines digitalen Gebäudezwillings bereits die Planung und Steuerung des Bauablaufs, die Gewerkekoordination sowie die normengerechte virtuelle Baufortschrittskontrolle enorm erleichtern“, führt Detecon-Experte Uwe Weber weiter aus.
Ob in Gebäuden oder Anlagen, Maschinen oder Geräten – bis 2020 werden mittels 21 Milliarden angeschlossener Sensoren und Schnittstellen digitale Zwillinge für Milliarden von Dingen existieren, prognostiziert das Beratungsunternehmen Gartner. Und der Digitalverband Bitkom schätzt, dass alle digitalen Zwillinge zusammen bis 2025 eine Produktivitätssteigerung in Höhe von 78 Milliarden Euro allein in der deutschen Fertigungsindustrie realisieren werden.

Vielfältige Anwendungsmöglichkeiten

Erstmals beschrieben hat den digitalen Zwilling der Amerikaner Michael Grieves 2002 an der University of Michigan (siehe Seite 14). Doch erst moderne Technologien verhalfen dem Konzept zur Entfaltung seiner Möglichkeiten: Big-Data-Anwendungen, IoT, Cloud und Sensorik. Die NASA war einer der ersten Anwender: Bei der Entwicklung eines Roboters für den Einsatz auf dem Mars kombinierte sie ein Modell mit realen Daten vom Roten Planeten.
Doch längst ist der digitale Zwilling aus den exotischen Sphären der Raumfahrttechnik raus und zumindest als Vision in der Industrie angekommen. Die möglichen Anwendungen sind umfangreich (siehe Kasten am Ende des Artikels).
Ihr volles Potenzial entfaltet die Technologie in der Kombination von Anwendungen, wenn beispielsweise die Daten aus der Produktionsüberwachung als Input für eine virtuelle Inbetriebnahme dienen. Oder wenn die Ursachen bei der Qualitätskontrolle festgestellter Fehler im digitalen Zwilling gefunden und die Parameter für die zukünftige Produktion dann gleich entsprechend modifiziert werden.
Die weitere Vernetzung zwischen diesen Anwendungen könnte in letzter Konsequenz zu einem bidirektionalen System führen, bei dem der digitale Zwilling seinem physischen Bruder Rückmeldungen gibt – und es letztlich zu einem selbststeuernden System kommt. „Technisch ist das durchaus denkbar“, bestätigt Kai Lindow. „Dafür wäre es allerdings erforderlich, das Modell mit künstlicher Intelligenz und Machine Learning anzureichern.“

Wenig Einsatz in der Praxis

Wo werden digitale Zwillinge heute schon in der Industrie eingesetzt? „Flächendeckend geschieht das noch nicht“, so Fraunhofer IPK-Abteilungsleiter Lindow. „Ich habe das Gefühl, in den meisten Unternehmen ist das noch Forschungsgegenstand.“ Für einen Feldversuch hat sein Institut mit dem Anbieter eines Sharingservice für Roller zusammengearbeitet. Die Roller wurden mit Sensorik ausgestattet. Damit konnte der Einsatz eines jeden Fahrzeugs dokumentiert werden. Wo wird es entliehen? Wo zurückgegeben? Wie weit wird damit gefahren? Und nach welchem Tarif bezahlt? So lässt sich eine detaillierte Analyse einzelner Nutzer und der gesamten Flotte abbilden, was gegebenenfalls auch eine Anpassung der Preisgestaltung und Batterieladezeiten erlaubt.
Im industriellen Alltag, so Lindow, finde man allenfalls die Anwendung in Teilbereichen. Beispiel Logistik: Bei Airbus helfen digitale Zwillinge, die 12.000 Partner zu koordinieren, welche die drei Millionen Einzelteile liefern, aus denen ein A319 besteht. Beispiel Produktentwicklung: In der Automobilentwicklung testen Ingenieure Belastungsszenarien für einzelne Komponenten oder ganze Fahrzeuge bis hin zum virtuellen Crashtest. Der zur Fiat Holding gehörende italienische Sportwagenbauer Maserati etwa hat so die Entwicklungszeit seiner Fahrzeuge fast halbiert.
„Digitale Zwillinge haben einen Einfluss auf das Geschäftsmodell“, erklärt Kai Lindow. Der erschwere die Einführung. Wenn ein Maschinenhersteller zum Beispiel erkennt, dass seine Kunden die Maschinenleistung und nicht die Maschine selbst kaufen wollen, wird er dann zum reinen Serviceanbieter?
Außerdem müsse der Einführung eines digitalen Zwillings auch eine umfassende Analyse vorausgehen, betont der Experte. „Ich muss mir darüber klar werden, was ich mit dem Zwilling erreichen will und wo der Business Value liegt.“ Ist mein System bereits mit Sensortechnologie ausgestattet? Wie viele Daten brauche ich? Ist eine Echtzeitüberwachung notwendig oder reichen Daten, die zu einzelnen Zeitpunkten erhoben werden? Schließlich sind auch Sensoren sowie die Datenübertragung und -analyse nicht umsonst.
Schauen sollte man schließlich, welche Daten außerhalb der Produktion noch relevant sein könnten. Für ein Unternehmen, das Flugzeugturbinen wartet, könnte es beispielsweise nicht nur sehr interessant sein, zu wissen, wie viele Flugstunden eine Turbine absolviert hat, sondern auch auf welchen Flugstrecken sie unterwegs war. Darüber informieren die Daten des Flugzeugbetreibers nicht, aber die eines Dritten, etwa eines Flight Trackers. „Letzten Endes sind es ganz andere Belastungen, wenn das Flugzeug hauptsächlich über die Sahara oder über den Atlantik geflogen ist“, ergänzt Lindow. Aus dem gleichen Grund testen Automobilhersteller ihre Prototypen gern in buchstäblich wüsten Gegenden – sei es am Polarkreis oder im Death Valley. Mit Blick auf ihre Inanspruchnahme durch Staub, Sand und Co. haben es die Formel-1-Wagen da deutlich leichter – sie fahren stets auf festem Asphalt.
Multi-Tasking
Die fortlaufend aus der Produktion erhobenen Daten ergeben ein umfassendes Bild von dem jeweils aktuellen Zustand der Produktionsanlage im Betrieb.
Die Analyse der Produktionsdaten lässt sich zur Effizienzsteigerung nutzen. Auch kann der Vergleich mit einer ähnlichen Produktionsanlage an einem anderen Standort herangezogen werden.
Über den Abgleich mit historischen Daten oder den Vergleich mit einer ähnlichen Produktionsanlage ist eine Berechnung bevorstehender Ausfälle von Komponenten und Verschleißteilen möglich.
Ein kontinuierliches Monitoring der Produktqualität bietet deutliche Vorteile gegenüber etwa einer stichprobenartigen Kontrolle.
Produktionsumstellungen auf andere Produkte oder kleinere Serien (Stichwort: Customizing) können vorab im digitalen Zwilling durchgespielt werden.
Die Analyse historischer Vergleichsdaten ermöglicht die „Performance Prediction“ einer noch nicht gebauten Anlage.
Eine Optimierung der Supply Chain kann, gerade unter der Bedingung von Just-in-Time- oder Just-in-Sequence-Produktion, deutliche Effizienzsteigerungen realisieren.
Das Product Lifecycle Management besitzt gerade für Investitionsgüter Relevanz. Auch für das Lebensende des Produkts ist es etwa interessant, zu wissen, aus welchen Materialien ein Produkt besteht, um ein Recycling zu ermöglichen.
Virtuelle Simulationen helfen bei der Entwicklung. Außerdem lassen sich erhobene Daten aus der Nutzung eines Produkts zur Weiterentwicklung einer verbesserten Version verwenden (Feedback to Design). 

Weitere Informationen