Digitale Zwillinge: Transparenz für den Lebenszyklus physischer Produkte

Digital Twins verbinden die reale mit der virtuellen Welt. Verschiedene Branchen nutzen die Technologie zur Effizienzsteigerung und Produktoptimierung.

Artikel verschenken
In Pocket speichern vorlesen Druckansicht
Digitale Zwillinge: Transparenz für den Lebenszyklus physischer Produkte
Lesezeit: 9 Min.
Von
  • Alexandra Kleijn
Inhaltsverzeichnis

Ob Motor, Pumpe, Triebwerk, Fahrstuhl, Windrad oder Smart Home: Fast alle Maschinen und Geräte lassen sich in Software abbilden. Auch kleineren oder größeren Infrastrukturen kann man einen virtuellen Zwilling an die Seite stellen. Das gilt für Fabriken, Kraftwerke, Bohrinseln und Rechenzentren genauso wie für Telekommunikationsnetze oder für die Verkehrssteuerung und das Abfallmanagement von Gemeinden ("Smart City").

Digital Twins sind ein nächster Schritt in der Evolution von Produktionsprozessen, die mit CAD- und Simulationssoftware, mit 3D-Modellen sowie SCADA- und PLM-Tools in das digitale Zeitalter eintraten. Es sind in der Cloud beheimatete digitale Abbilder physischer Produkte, Prozesse oder Dienste (zusammenfassend: Assets), die mit diesen dauerhaft im Netzwerk verbunden sind. In der Regel existieren sie während der gesamten Lebenszeit des Vorbilds und durchlaufen die gleichen Entwicklungsphasen.

iX-TRACT
  • Ein Digital Twin ist ein digitales Abbild eines real existierenden Objekts oder Produkts.
  • Die Eckpfeiler digitaler Zwillinge sind das Internet of Things, Big Data und Machine Learning.
  • Derzeit finden sich Digital Twins (noch) vor allem in der Fertigungsindustrie.

Möglich wird das digitale Abbild erst durch das Dreigespann IoT, Big Data und maschinelles Lernen. Im Industrial Internet of Things (IIoT) lässt sich nahezu jedes Betriebsmittel mit Sensoren versehen. Die Verarbeitung dieser Sensordaten kann in vielen Fällen bereits "at the Edge", in der Nähe des physischen Objekts, erfolgen. Das schafft Geschwindigkeitsvorteile, spart Bandbreite und verringert die Anforderungen an die Speicherkapazität in der Cloud. Die gesammelten Daten fließen in einen Data Lake, wo sie von Analyse-Tools aus dem Big-Data-Bereich und selbstlernenden Algorithmen ausgewertet und mit Informationen aus anderen Quellen verknüpft werden. Sie finden Zusammenhänge, Trends, Muster und Auffälligkeiten. Künstliche Intelligenz (besonders "Deep Learning") spielt in diesem Rahmen eine immer wichtigere Rolle.