Digital Twin - Digitaler Zwilling

Ein Digital Twin ist eine digitale Repräsentation eines konkreten physischen oder organisatorischen Bezugssystems, deren Informationen für definierte Beobachtungs-, Analyse- oder Entscheidungszwecke genutzt werden. Welche Eigenschaften abgebildet werden, bestimmt der Anwendungsfall; eine vollständige Kopie ist weder technisch realistisch noch stets sinnvoll.

Wie funktioniert Digital Twin?

Bei einer Maschine können Zustände aus Sensoren und Wartungsdaten einfließen. Bei einer Organisation sind Prozesse, Rollen, IT-Anwendungen und Kennzahlen mögliche Modellbestandteile. Entscheidend sind die nachvollziehbare Zuordnung zum Bezugsobjekt, ein geeigneter Aktualisierungsmechanismus und eine klar beschriebene Nutzung.

Abgrenzung und Grenzen

Der Begriff sagt allein nichts darüber aus, ob Daten in Echtzeit übertragen, Prognosen berechnet oder Eingriffe zurückgespielt werden. Ein statisches CAD-Modell ist nicht automatisch ein funktionsfähiger Digital Twin. Aussagen über einen organisatorischen Zwilling benötigen daher eine genaue Beschreibung von Modellumfang, Datenflüssen und Analysefunktionen.

Beispiel aus der Unternehmenspraxis

Ein Betreiber kann Wartungszustände und Anlagenstruktur im Modell kombinieren, um Abweichungen zu beurteilen. Für Unternehmensführung kann ein organisationsbezogener Zwilling Abhängigkeiten zwischen einer Prozessänderung und betroffenen Rollen sichtbar machen.

Worauf Unternehmen achten sollten

Technische Definitionen und Reifegrade unterscheiden sich nach Branche und Standard. Der englische Begriff ist verwandt mit „Digitaler Zwilling“; beide Einträge erläutern denselben Grundgedanken mit unterschiedlichem Anwendungsschwerpunkt.

Welche Bestandteile ein Digital Twin benötigt

Am Anfang steht die eindeutige Identifikation des betrachteten Systems: Welche Maschine, welche Anlage, welche Prozessinstanz oder welche organisatorische Einheit soll repräsentiert werden? Darauf aufbauend werden Eigenschaften, Beziehungen, Datenquellen und erforderliche Aktualisierungsintervalle festgelegt. Sensorwerte sind bei physischen Anlagen naheliegend; bei organisatorischen Systemen können Ereignisprotokolle, Prozessverantwortlichkeiten, Kostenstellen oder Anwendungsbeziehungen wichtiger sein. Das Modell muss weder alle Eigenschaften noch alle Daten erfassen. Entscheidend ist, dass die Auswahl der Informationen auf die beabsichtigten Analysen ausgerichtet und die Herkunft jedes wesentlichen Datenpunkts nachvollziehbar ist.

Vom digitalen Abbild zur belastbaren Analyse

Für den praktischen Betrieb werden Daten den Elementen des Modells zugeordnet, zeitlich synchronisiert und plausibilisiert. Ein Vergleich von modelliertem Soll-Zustand und beobachtetem Ist-Zustand kann Auffälligkeiten zeigen; eine Simulation benötigt dagegen zusätzlich eine Beschreibung des Systemverhaltens. Für Entscheidungen müssen die Modellannahmen, die verwendeten Datenstände und die erwartete Genauigkeit sichtbar bleiben. Je nach Einsatzfeld kann der Digital Twin Informationen nur darstellen, Prognosen unterstützen oder definierte Eingriffe vorbereiten. Diese Funktionen sollten getrennt spezifiziert und getestet werden, statt aus dem Begriff Digital Twin abgeleitet zu werden.

Typische Einsatzgrenzen und organisatorische Verantwortung

Weder eine fotorealistische Darstellung noch eine hohe Datenfrequenz garantieren einen brauchbaren digitalen Zwilling. Verzögerte Schnittstellen, fehlerhafte Identifikatoren, geänderte Anlagenkonfigurationen und nicht dokumentierte Sonderfälle können die Aussagekraft einschränken. Bei einer Organisation kommen zusätzliche Schwierigkeiten hinzu: Verantwortlichkeiten verändern sich, Regeln werden informell umgangen und nicht jeder Entscheidungsgrund ist maschinell erfasst. Deshalb braucht das Modell klare Verantwortliche für Daten, Änderungen und fachliche Freigaben. Eine Anwendung, die automatisch in den Betrieb eingreift, erfordert darüber hinaus gesonderte Sicherheits- und Kontrollmechanismen.

Auswahl eines wirtschaftlich sinnvollen Anwendungsfalls

Ein Einstieg gelingt eher über eine klar begrenzte Entscheidung als über die Forderung, ein ganzes Unternehmen vollständig digital zu spiegeln. Sinnvoll ist beispielsweise die Frage, welche Auswirkungen eine Anlagenstörung auf Liefertermine hat oder welche IT-Anwendungen von einer geplanten Prozessänderung betroffen wären. Für diese Fragen lassen sich Informationsbedarf, Modellgrenzen, erwartete Ergebnisse und messbare Qualitätskriterien definieren. Anschließend wird geprüft, welche Daten bereits vorhanden sind, welche zusätzliche Pflege erforderlich ist und ob der Erkenntnisgewinn den Aufwand rechtfertigt. Erst nach einer erfolgreichen Erprobung sollten weitere Bereiche hinzukommen.

Häufige Fragen

Muss ein Digital Twin Echtzeitdaten verwenden?

Nein. Die notwendige Aktualität hängt von der Entscheidung ab. Für eine Maschinenüberwachung können Sekunden entscheidend sein; bei einer Organisationsanalyse reichen unter Umständen tägliche oder anlassbezogene Aktualisierungen.

Ist ein Digital Twin dasselbe wie eine Simulation?

Nein. Eine Simulation berechnet Verhalten auf Grundlage eines Modells. Ein Digital Twin kann Simulationen nutzen, sein Zweck kann aber ebenso in der Zustandsüberwachung, Analyse oder Nachverfolgung von Änderungen liegen.

Praktische Prüffragen

Welches reale System ist eindeutig identifiziert? Ein Modell darf Zustände nicht allein über frei formulierte Namen zuordnen, wenn mehrere Anlagen oder organisatorische Einheiten gleich bezeichnet werden.
Welche Daten werden wofür benötigt? Prüfen Sie Messgrößen, Quellen und erforderliche Aktualität je Entscheidung, statt sämtliche technisch verfügbaren Informationen unterschiedslos zusammenzuführen.
Wie wird der Zwilling gegen das Original geprüft? Abweichungen zwischen Modell und beobachtetem Zustand sollten erkannt, dokumentiert und von fachlich Zuständigen bewertet werden.
Sind Simulation, Monitoring und Rücksteuerung getrennt spezifiziert? Jede Funktion benötigt eigene Qualitätstests; besonders automatische Eingriffe brauchen zusätzlich abgesicherte Freigabe- und Abbruchbedingungen.
Wer pflegt die Repräsentation bei Änderungen? Neue Anlagenkonfigurationen, Prozessregeln oder Verantwortlichkeiten müssen nach einem definierten Verfahren im Modell nachvollzogen werden.

Datenarchitektur und Aktualisierung eines Digital Twin

Für eine betriebliche Umsetzung muss geklärt werden, welche Eigenschaften der Realität sich verändern und mit welcher Verzögerung diese Veränderungen im Modell verfügbar sein sollen. Ein digitaler Zwilling einer Produktionsanlage benötigt beispielsweise eine verlässliche Zuordnung zwischen Maschinenkennung, Sensordaten und Wartungszustand. Ein organisationsbezogenes Modell arbeitet dagegen eher mit Prozessinstanzen, Rollen, Kennzahlen und IT-Abhängigkeiten. Datenintegration bedeutet dabei mehr als die technische Übertragung: Maßeinheiten, Versionsstände und fachliche Begriffe müssen zueinander passen. Wenn sich eine Anlage umbauen oder eine Freigaberegel verändern lässt, muss erkennbar bleiben, für welchen Zustand die jeweilige Analyse gilt. Bei kritischen Entscheidungen sind auch fehlende Werte, ausgefallene Schnittstellen und unplausible Daten ausdrücklich zu kennzeichnen.

Einführungsstrategie mit überprüfbarem Geschäftsnutzen

Ein sinnvoller Pilot konzentriert sich auf eine konkrete Entscheidung, für die bislang Informationen aufwendig zusammengetragen werden müssen. Beispielsweise soll geklärt werden, welche Liefertermine durch den Ausfall einer bestimmten Maschine gefährdet sind. Dafür wird nicht jede technische Eigenschaft des Betriebs benötigt, sondern ein abgestimmtes Teilmodell aus Anlagen, Aufträgen und Abhängigkeiten. Die Projektverantwortlichen legen vor der Umsetzung fest, welche Fragen beantwortet werden müssen, welche Datenquellen verfügbar sind und wie die Qualität geprüft wird. Im Test werden Modellantworten mit realen Fällen verglichen. Erst dann wird entschieden, ob eine Erweiterung auf zusätzliche Prozesse, Standorte oder eine Simulationsfunktion wirtschaftlich sinnvoll ist. Der Nutzen ist also anhand beobachtbarer Entscheidungsverbesserungen zu bewerten, nicht anhand der Zahl erfasster Datenpunkte.

Fachliche Quellen

NIST – Digital Twin, Begriffsbestimmung. Die Quelle erläutert die fachliche Grundlage; Beispiele und Umsetzungshinweise sind redaktionelle Einordnungen.

Ergänzende Fachquelle: ISO/IEC 30173:2023 – Digital Twin, Begriffe und Konzepte.