In seiner vollständigen Definition deckt der digitale Zwilling den gesamten Lebenszyklus eines Produkts oder Objekts ab. Das heißt, er startet mit dem Definieren von Anforderungen, geht weiter über die Simulation und Produktion bis zur Nutzung, und endet mit dem Rückbauen oder Entsorgen. Je mehr Parameter den digitalen Zwilling beschreiben und je zeitnaher und umfangreicher die relevanten Daten sind, desto schärfer wird sein Abbild zum realen Objekt. Daten sind überhaupt das zentrale Stichwort: Sie sind das Lebenselixier des Zwillings, ohne sie existiert er nicht. Gefüttert wird der digitale Zwilling in der Industrie 4.0 mit Daten, die zum Beispiel über Sensoren erhoben wurden und die konkreten Produktionsparameter oder seine aktuelle Nutzung in die virtuelle Welt übertragen. Dies erfolgt idealerweise über seine gesamte Laufzeit und häufig hat der Zwilling mehrere Ausprägungen von Daten – aus der Konstruktion, der Produktion und aus der Nutzung. Damit „weiß“ der Zwilling auf allen Etappen im Lebenszyklus immer, wie sein physisches Gegenstück sein soll und ist.

Unternehmen können zum Beispiel das Produkt während des gesamten Entwicklungsprozesses testen und die simulierten Tests später mit realen Nutzungsszenarien abgleichen. Die Entwicklung der Produkte passt sich so an die echten Anforderungen an, und nicht mehr an abstrakte Szenarien. Das bedeutet, dass die Produkte an den Stellen verbessert werden, wo es Sinn macht.

Der digitale Zwilling hört nicht in der Fabrik auf

Die Reise des digitalen Zwillings endet nicht mit der Auslieferung des Produkts. Jetzt erst beginnt eine der erkenntnisreichsten Phasen für jeden Produktentwickler, den Zugriff auf die entsprechenden Daten vorausgesetzt: Wie bewährt sich das Produkt im realen Betrieb? Sensordaten geben Aufschluss über das Nutzungsverhalten, notwendige Instandhaltungen oder Vorlieben der Nutzer, zeigen aber auch Nachhol- und Modifizierungsbedarf auf. Diese Daten aus dem laufenden Betrieb sind wichtig, um Annahmen, die für das Produktdesign getroffen wurden, zu verifizieren oder wenn möglich bereits während der Laufzeit zu korrigieren. Insbesondere Software-basierte Eigenschaften können häufig noch während der Laufzeit eines Produkts angepasst werden. Damit liefern die Daten wichtige Impulse für Verbesserungen bei zukünftigen Produktgenerationen. Die Reise des digitalen Zwillings in der Industrie 4.0 als virtueller Begleiter an der Seite des physischen Produkts endet erst mit der Entsorgung und kann dort wertvolle Informationen etwa zum Recycling von Komponenten liefern.

Gekommen, um zu bleiben

Neu ist der Ansatz des digitalen Zwillings nicht, allerdings gibt es wesentliche technologische Veränderungen, die die Durchdringung des Konzepts aktuell stark voranbringen. Zum einen können Daten weltweit so kostengünstig wie noch nie mit Sensoren erhoben und auf cloudbasierten IoT-Plattformen gesammelt werden. Das ermöglicht auch weniger wertvollen Produkten eine preiswerte Daten-Instrumentierung. Aus den erhobenen Daten nutzbares Wissen zu generiegenerieren, wird dabei zum entscheidenden Differenzierungsmerkmal. Angetrieben durch die drastisch gesunkenen Kosten für analytische Algorithmen und Künstliche Intelligenz, können diese Fähigkeiten dank nutzungsbasierten Cloud-Ressourcen mittlerweile auch für kleine Anwendungsfälle wirtschaftlich sein. Dass sich mithilfe von Daten Produkte verbessern oder sogar zusätzliche Geschäftsmodelle etablieren lassen, unterstützt den Erfolg des digitalen Zwillings in der Industrie 4.0 umso mehr. Dazu zählen etwa Auswertungen in Bezug auf Störungen oder Stillstände, den Zustand von Maschinen und Komponenten – Erkenntnisse mit direktem Einfluss auf wesentliche Differenzierungsmerkmale im Markt.

Startpunkt sind die Anwendungsbereiche

Bei dem aktuellen Hype darf aber nicht vergessen werden: Entscheidend sind die Anwendungsfälle, die ein durchgängiges digitales Abbild erfordern und damit das Konzept des digitalen Zwillings antreiben. Das können grundsätzlich viele Beweggründe sein – von der Verbesserung des Service über die Reduzierung von Entwicklungskosten bis zu neuen datenbasierten Geschäftsmodellen. Es macht wenig Sinn, viele verfügbare Daten einfach zu sammeln und zu glauben, dass sich ein Mehrwert schon finden wird. Wahrscheinlich ist: Ohne klare Zielsetzung wird der digitale Zwilling in der Industrie 4.0 ein wertloses Datengrab.
Technisch wird vielfach unterschätzt, dass es nicht darum geht, leicht zu beschaffende Daten zu sammeln, sondern die richtigen, erforderlichen Daten sowie die Abhängigkeiten und Verbindungen, die zwischen den Daten bestehen. Teilweise sind die Zugänge zu diesen Daten sehr aufwändig bzw. das Verständnis der Zusammenhänge nur unzureichend. Darüber hinaus wird häufig in der Produktion und im Betrieb des Produktes unterschätzt, dass die Informationen im digitalen Zwilling zeitlich synchron und möglichst zeitnah gesammelt werden sollten, da ansonsten Ursache- Wirkungs-Ketten nur schwer zu ermitteln sind.

Analysen belegen Wirkungspotenzial

Für Unternehmen empfiehlt sich bei der eigenen Einführung eines digitalen Zwillings, einen oder wenige Anwendungsfälle zu entwickeln, die idealerweise einen hohen Mehrwert für die Organisation oder die Kunden liefern. Abgeleitet von diesen Zielsetzungen kann eine Gap-Analyse erfolgen, die die Bereiche aufzeigt, die Verbesserungen benötigen. Häufig stellt man in diesen Phasen fest, dass der Zugang zu wichtigen datenhaltenden Systemen sehr schwierig ist, oder eine zu große Vielfalt an Schnittstellen auftritt, die mit realistischem Aufwand kaum handzuhaben ist. Daraus leiten sich Initiativen ab, die solche Herausforderungen angehen, beispielsweise durch den Einsatz von Integrationswerkzeugen oder auch den Austausch von Instrumentierungen oder die Nutzung von offenen Standards.

Die grundsätzliche Veränderung besteht darin, dass die vorhandenen Kompetenzen nicht mehr in einer vertikalen Sicht, sondern in eine übergreifende horizontale Betrachtungsweise eingebracht werden, die neue Optimierungspotenziale ermöglicht. Das bedeutet, dass der Umbruch durch den digitalen Zwilling nicht eine rein technologische Betrachtung ist, sondern auch signifikante organisatorische Auswirkungen haben kann.