Blog

Das *umBlog – Wissenswertes aus der Welt der Daten, Tech-Trends, Termine und Einblicke in unsere unglaubliche Company.

Was ist ein digitaler Zwilling?

Verfasst am 14.06.2019 von Axel Hoffmann

Was ist ein digitaler Zwilling? Bild @ pexels.com

Sie ermöglichen, physische Produkte und Prozesse virtuell abzubilden, ihr Verhalten zu überwachen und vorherzusagen und ihre Weiterentwicklung zu optimieren: Digitale Zwillinge eröffnen Anwendungsszenarien, die mit statischen Dokumentationen nicht möglich sind, und sind der Schlüssel zu den Vorteilen von Industrie 4.0 und Industrial Internet of Things. Eine Definition.

Ein digitaler Zwilling ist ein virtuelles Modell des Zustands eines Produkts oder eines Prozesses. Er verbindet die reale mit der virtuellen Welt. Zunächst galt er als realitätsnahes mathematisches Modell, das das Verhalten dieser Produkte oder Prozesse so genau wie möglich widerspiegelt. Inzwischen hat sich diese Definition um simulierte und sichtbare dynamische 3D-Modelle erweitert. Im Automotive-Bereich zum Beispiel von spezifischen Fahrzeugen und ihrer Komponenten. Diese werden auch „Vehicle Shadows" genannt.

Wie funktioniert der digitale Zwilling?

Die Erstellung eines digitalen Zwillings erfordert drei wesentliche Elemente: Ein reales abzubildendes Objekt, einen virtuellen Darstellungsraum und kontextspezifische Informationen bzw. Daten zu den Umgebungsbedingungen.

Der digitale Zwillinge verwendet reale (Echtzeit-)Daten von installierten Sensoren, die zum Beispiel die Arbeitsbedingungen oder Position des abzubildenden Objekts repräsentieren. Er dient als Grundlage, um mit Hilfe von Machine-Learning-Modellen Muster in diesen Daten zu erkennen, umfangreiche Analysen durchzuführen und Simulationen zu erstellen.

Komplexe Anwendungen basieren oft auf einem modularen Konzept, bei dem sich der gesamte digitale Zwilling aus vielen einzelnen Zwillingen zusammensetzt. So besteht der Digitale Zwilling oder Vehicle Shadow eines Fahrzeugs aus wiederum einzelnen Zwillingen des Motors, der Karosserie, des Fahrwerks, der Reifen und so fort. (Im Detail setzt sich auch der Motor noch einmal aus Digitalen Zwillingen einzelner Komponenten zusammen.) Da hierbei große Datenmengen aus unterschiedlichen Quellen und in unterschiedlichen Qualitäten anfallen, kommen auch Datenpool-Anwendungen und Big-Data-Technologien zum Einsatz.

In der konkreten Anwendung geht es dann tief in die Details. Während der Nutzungsphase erfassen etwa Sensoren die Daten eines Fahrzeugs oder Fahrers und melden diese an den digitalen Zwilling zurück. Hier werden sie zusammengeführt und mittels des Machine-Learning-Modells abgeglichen und ausgewertet. Auf dieser Basis werden individuelle und detaillierte Analysen möglich, um den Fahrer frühzeitig zu informieren und zum Beispiel Wartungsintervalle empfehlen oder individuelle Komfortservices anbieten und ausführen zu können, ohne dass der Fahrer aktiv werden muss.

Welche Vorteile bietet der digitale Zwilling?

Digitale Zwillinge und ihre zahlreichen Einsatzmöglichkeiten gibt es nicht nur im Automotive-Bereich. Von ihrem Prinzip – dem Einsatz von Machine-Learning-Modellen für die datenbasierte Entwicklung und Optimierung von Produkten und Prozessen – kann die ganze produzierende Industrie profitieren:

Konzepte lassen sich im Vorfeld validieren und Prozesse oder Produkte in virtuellen Umgebungen ausgiebig testen. Die Gefahr von Fehlern oder Störungen in realen Prozessen reduziert sich, Qualität und Effizienz in der Produktion und im Betrieb werden gesteigert. Darüber hinaus sinken Entwicklungs- und Einführungszeiten, während die Flexibilität deutlich steigt.

Beispiel Produktionstechnik und Maschinenbau: Werden physische Prototypen in der Produktentwicklung bis dato meist spät erstellt, finden digitale Zwillinge über den kompletten Lebenszyklus eines Produkts Verwendung. Sie ermöglichen die Berücksichtigung und Umsetzung komplexer Produktanforderungen ohne real erstellte oder veränderte Prototypen.

Beispiel Windparks: Ist der digitale Zwilling einer Windkraftanlage vorhanden, können Machine-Learning-Modelle Muster in den Sensordaten erkennen. Der Abgleich von Daten aus Historie und aus dem laufenden Betrieb liefert wichtige Erkenntnisse über mögliche Schwachstellen und ermöglicht so die vorausschauende Instandhaltung (Predictive Maintenance).

Wie geht es weiter mit dem digitalen Zwilling?

Der digitale Zwilling zählt für Gartner zu den zehn wichtigsten strategischen IT-Trends dieses Jahres. Der Marktforscher schätzt, dass 2021 bereits die Hälfte der Industrieunternehmen mit virtuellen Avataren arbeiten und dadurch eine Produktivitätssteigerung von bis zu zehn Prozent erzielen werden.

Das könnte dich auch interessieren:
Was ist Predictive Analytics? 
Was ist Predictive Maintenance? 
Data Lake oder Data Warehouse? 

Aktuelle Blogeinträge

Social Media

Kontakt

The unbelievable Machine
Company GmbH
Grolmanstr. 40
D-10623 Berlin

+49-30-889 26 56-0 +49-30-889 26 56-11 info@unbelievable-machine.com

Kostenloses Whitepaper

Data Thinking:
Erfolgsrezept für den digitalen Wandel

Zum Whitepaper