Maschinen, Gebäude und Verkehrsnetze erzeugen laufend Informationen über ihren Zustand. Digitale Zwillinge verbinden ausgewählte Daten aus der realen Welt mit einem virtuellen Modell. Damit lassen sich Zustände beobachten, Veränderungen untersuchen und mögliche Folgen von Entscheidungen abschätzen.
Ein digitaler Zwilling ist dabei keine vollständige Kopie der Wirklichkeit. Er bildet die Eigenschaften ab, die für eine bestimmte Aufgabe relevant sind. Ein Modell für die Wartung einer Maschine benötigt andere Informationen als eines für die Energieplanung eines Gebäudes. Sein Nutzen hängt deshalb nicht von einer besonders eindrucksvollen Darstellung ab, sondern davon, welche Frage es zuverlässig beantworten kann.
Was ein digitaler Zwilling eigentlich ist
Im Kern handelt es sich um eine digitale Repräsentation eines realen Objekts, Prozesses oder Systems, die mit Informationen über dieses Gegenstück verbunden ist. Das können Messwerte, Betriebszustände, Wartungsdaten oder andere relevante Beobachtungen sein.
Eine durchgehend einheitliche Definition gibt es über alle Fachgebiete hinweg nicht. In der Industrie werden beispielsweise häufig die laufende Aktualisierung und die Rückkopplung zum realen System betont. Andere Anwendungen verwenden den Begriff für umfassendere Verbindungen aus Beobachtungen, Modellen und Szenarioanalysen. Deshalb lohnt sich bei konkreten Angeboten die Frage, was tatsächlich gekoppelt, aktualisiert und überprüft wird.
Ein einfaches Anschauungsbeispiel ist eine Windenergieanlage: Ein Modell kann Informationen über Wind, Rotordrehzahl, Temperatur und Schwingungen zusammenführen. Es hilft dann zu untersuchen, ob ein beobachteter Zustand zum erwarteten Verhalten passt. Daraus folgt aber nicht automatisch, dass jedes verschlissene Bauteil frühzeitig erkannt wird.
Digitales Modell, Simulation und digitaler Zwilling unterscheiden
| Begriff | Was damit gemeint ist | Beispiel |
|---|---|---|
| Digitales Modell | Eine digitale Beschreibung ausgewählter Eigenschaften. Eine laufende Verbindung zum realen Objekt ist nicht zwingend vorhanden. | Ein 3D-Modell einer Maschine mit Abmessungen und Bauteilen. |
| Simulation | Eine Berechnung, wie sich ein System unter festgelegten Annahmen verhalten könnte. | Die berechnete Erwärmung eines Motors bei einer angenommenen Last. |
| Digitaler Zwilling | Eine Repräsentation mit Bezug zu einem konkreten realen Gegenstück und dessen Daten; der Funktionsumfang hängt vom Anwendungsfall ab. | Ein Maschinenmodell, das mit Betriebsdaten aktualisiert wird und Zustandsvergleiche ermöglicht. |
Simulationen können Bestandteil eines digitalen Zwillings sein. Umgekehrt ist nicht jede Simulation ein digitaler Zwilling. Auch eine Messwertanzeige allein erklärt noch nicht, welche Modellierung oder Prognose tatsächlich dahintersteht.
Weshalb Industrie und Infrastruktur auf virtuelle Tests setzen
Produktionsanlagen, Verkehrsnetze und Energieanlagen bestehen aus miteinander verbundenen Komponenten. Änderungen an einer Stelle können Auswirkungen an anderer Stelle haben. Virtuelle Tests helfen, solche Zusammenhänge vor einer praktischen Änderung zu untersuchen.
Ein Betreiber kann beispielsweise verschiedene Produktionsabläufe vergleichen oder prüfen, wie sich eine geänderte Heizstrategie rechnerisch auswirkt. Das Ergebnis ist eine Entscheidungshilfe unter bestimmten Annahmen. Es ersetzt weder notwendige Prüfungen am realen System noch den Nachweis, dass das Modell für die untersuchte Situation geeignet ist.
| Bereich | Mögliche Aufgabe | Wichtige Grenze |
|---|---|---|
| Industrie | Maschinenzustände vergleichen und Wartungsbedarf untersuchen. | Abweichungen müssen von harmlosen Änderungen der Betriebsbedingungen unterschieden werden. |
| Energie | Lastverläufe und Betriebsstrategien analysieren. | Ergebnisse hängen von Verbrauchs-, Wetter- und Anlagenannahmen ab. |
| Städte | Verkehrs- oder Infrastrukturvarianten vergleichen. | Nicht alle Verhaltensänderungen und Wechselwirkungen lassen sich vollständig abbilden. |
| Medizin | Patientenspezifische Modelle für klar abgegrenzte Fragestellungen untersuchen. | Die Eignung muss für den konkreten medizinischen Zweck nachgewiesen werden. |
Aktuelle Daten als Fundament digitaler Zwillinge
Sensorik und vernetzte Geräte können Informationen zu Temperatur, Druck, Bewegung, Position oder Energieverbrauch liefern. Hinzu kommen etwa Stammdaten, Wartungsprotokolle und Informationen aus betrieblichen Systemen. Diese Daten müssen dem richtigen Objekt und Zeitpunkt zugeordnet werden.
Wie schnell eine Aktualisierung erfolgen muss, hängt von der Aufgabe ab. Für die Überwachung eines schnell veränderlichen Maschinenzustands können kurze Intervalle entscheidend sein. Für andere Planungsfragen reichen größere Abstände. „Echtzeit“ ist deshalb keine allgemeine Qualitätsgarantie: Wichtig ist, ob Aktualität und Verzögerung zur jeweiligen Entscheidung passen.
Ebenso wichtig ist der Umgang mit fehlenden Daten. Ein letzter bekannter Messwert darf nicht unbemerkt wie eine aktuelle Beobachtung erscheinen. Zeitstempel, Hinweise auf Datenlücken und nachvollziehbare Ersatzannahmen helfen, die Aussagekraft des Modells einzuschätzen.
Künstliche Intelligenz und adaptive Simulationen
Künstliche Intelligenz kann dabei helfen, Muster in Betriebsdaten zu erkennen, ungewöhnliche Zustände zu markieren oder aufwendige Berechnungen zu ergänzen. Sie ist aber keine Voraussetzung für jeden digitalen Zwilling. Auch physikalische Modelle, statistische Verfahren und festgelegte Regeln können wesentliche Aufgaben übernehmen.
Ein lernendes Verfahren ist außerdem nicht automatisch zuverlässiger. Wenn es mit anderen Betriebsbedingungen konfrontiert wird als während seiner Entwicklung, können seine Ergebnisse schlechter werden. Deshalb müssen Einsatzbereich, Vergleichsdaten und Fehlergrenzen bekannt sein.
Die praktische Frage lautet nicht nur: „Welche KI steckt darin?“ Wichtiger ist: „Woran lässt sich erkennen, dass die Ergebnisse für diese Aufgabe ausreichend zuverlässig sind?“
Industrie 4.0: Wartung an einem konkreten Beispiel verstehen
Das folgende Beispiel ist eine vereinfachte Veranschaulichung und kein Bericht über eine bestimmte Anlage. Ein Betrieb überwacht eine Pumpe. Erfasst werden unter anderem Drehzahl, Förderdruck, Temperatur und Schwingungen. Das Modell beschreibt, welche Werte unter vergleichbaren Bedingungen zu erwarten sind.
- Betriebszustand bestimmen: Die Auswertung berücksichtigt, ob die Pumpe gerade startet, gleichmäßig läuft oder ihre Leistung verändert.
- Messung mit Erwartung vergleichen: Eine erhöhte Schwingung wird im Zusammenhang mit Drehzahl und Last betrachtet.
- Andere Ursachen prüfen: Auch ein lockerer Sensor oder veränderte Betriebsbedingungen können eine Abweichung erklären.
- Maßnahme ableiten: Ein bestätigter Verdacht kann eine zusätzliche Prüfung oder Wartung auslösen.
- Ergebnis zurückführen: Der tatsächliche Befund hilft zu beurteilen, ob die Warnung zutreffend war.
Eine Warnung ist zunächst ein Hinweis, keine abgeschlossene Diagnose. Der Nutzen zeigt sich daran, ob relevante Probleme rechtzeitig erkannt werden und wie viele unnötige Prüfungen durch Fehlalarme entstehen. Die Aussage „verhindert Ausfälle“ wäre ohne entsprechende Nachweise zu weitgehend.
Digitale Zwillinge ganzer Städte
Städtische Modelle können Verkehrsdaten, Gebäudeinformationen, Umweltmessungen und weitere Daten zusammenführen. Für eine konkrete Planung wird daraus meist ein begrenzter Ausschnitt untersucht, etwa ein Straßenzug, ein Quartier oder ein Versorgungsnetz.
Bei einer geplanten Straßensperre könnten Verantwortliche verschiedene Umleitungsvarianten vergleichen. Das Modell liefert Ergebnisse unter Annahmen über Verkehrsaufkommen und Routenwahl. Baustellen an anderer Stelle oder ein verändertes Verhalten der Verkehrsteilnehmer können das tatsächliche Ergebnis beeinflussen.
Eine anschauliche 3D-Stadt ist deshalb noch kein Nachweis für belastbare Verkehrsprognosen. Entscheidend ist, welche Daten und Berechnungen die konkrete Fragestellung unterstützen.
Medizinische Zwillinge und personalisierte Gesundheit
In Forschung und medizinischer Entwicklung werden patientenspezifische Modelle untersucht, beispielsweise zur Darstellung bestimmter Organfunktionen oder zur Unterstützung klar abgegrenzter Planungsaufgaben. Ein digitales Modell eines Herzens ist jedoch keine vollständige digitale Kopie eines Menschen.
Die mögliche Aussagekraft hängt davon ab, welche individuellen Daten einfließen und für welchen Zweck das Modell geprüft wurde. Die Eignung für eine bestimmte Fragestellung bedeutet nicht automatisch, dass sich damit auch andere Behandlungen oder Krankheitsverläufe zuverlässig vorhersagen lassen.
Solche Modelle können fachliche Entscheidungen unterstützen. Sie sind keine Grundlage für eigenständige Diagnosen oder Therapieänderungen durch Patienten. Datenschutz und der kontrollierte Zugriff auf Gesundheitsdaten sind dabei besonders wichtig.
Datenqualität und Modellprüfung als entscheidende Faktoren
Digitale Zwillinge sind nur dann hilfreich, wenn Daten und Modell zur Aufgabe passen. Fehlerhafte Sensoren, vertauschte Einheiten oder falsch zugeordnete Zeitpunkte können Ergebnisse verfälschen. Auch fehlerfreie Messungen helfen wenig, wenn ein entscheidender Zusammenhang im Modell fehlt.
Eine nachvollziehbare Prüfung verwendet Daten oder Beobachtungen, die nicht ausschließlich zur Anpassung des Modells dienten. Dabei wird untersucht, wie gut die Ergebnisse unter den vorgesehenen Betriebsbedingungen mit der Realität übereinstimmen. Ein Modell kann für einen Zweck ausreichend genau und für einen anderen ungeeignet sein.
Nach Umbauten, Softwareänderungen oder einem veränderten Einsatz muss seine Eignung erneut beurteilt werden. Ein einmal geprüftes Modell bleibt nicht automatisch dauerhaft gültig.
Energie, Gebäude und nachhaltige Infrastruktur
Bei Gebäuden können Informationen über Räume, technische Anlagen, Außentemperatur, Belegung und Energieverbrauch zusammengeführt werden. Damit lassen sich beispielsweise unterschiedliche Heiz- oder Lüftungsstrategien untersuchen. Ein vorhandenes Gebäudemodell allein bestätigt allerdings noch keine laufende Verbindung zu Betriebsdaten.
Ein vereinfachtes Rechenbeispiel: Eine Heizstrategie benötigt in einer Modellrechnung 100 kWh pro Tag, eine alternative Strategie 92 kWh. Das entspricht rechnerisch 8 kWh beziehungsweise 8 Prozent weniger. Die Werte sind frei gewählt und keine zugesagte Einsparung.
Ob eine reale Änderung tatsächlich Energie spart, muss unter vergleichbaren Bedingungen geprüft werden. Wetter, Belegung und Raumkomfort dürfen dabei nicht übersehen werden. Ein geringerer Verbrauch durch unzureichend beheizte Räume wäre keine gleichwertige Verbesserung.
Der digitale Zwilling kann Vorschläge für die Gebäuderegelung liefern. Ob Änderungen automatisch übernommen werden oder eine Freigabe benötigen, ist eine separate Frage der Systemauslegung.
Autonome Systeme und virtuelle Testwelten
Fahrzeuge, Drohnen und Roboter können in virtuellen Umgebungen mit unterschiedlichen Situationen konfrontiert werden. Dazu gehören veränderte Sichtbedingungen, ungewöhnliche Bewegungen oder simulierte Sensorausfälle. Solche Tests lassen sich gezielt wiederholen und variieren.
Eine virtuelle Testwelt ist aber nicht allein deshalb ein digitaler Zwilling. Dafür kommt es auf ihre Verbindung zu realen Gegenstücken und Daten sowie auf die verwendete Definition an. Ergebnisse aus der Simulation müssen außerdem darauf geprüft werden, wie gut sie auf reale Bedingungen übertragbar sind.
Virtuelle Tests ergänzen daher die Erprobung, ersetzen aber nicht pauschal alle erforderlichen realen Prüfungen und Sicherheitsnachweise.
Klimasimulationen und globale Systeme
Bei Umwelt- und Klimafragen werden Beobachtungsdaten mit umfangreichen Modellen verknüpft. Ein konkretes Beispiel ist die europäische Initiative Destination Earth. Sie entwickelt unter anderem digitale Zwillinge für die Anpassung an den Klimawandel und für wetterbedingte Extremereignisse.
Solche Systeme dienen dazu, Entwicklungen und mögliche Auswirkungen unter festgelegten Bedingungen zu untersuchen. Höhere räumliche Auflösung bedeutet dabei nicht, dass jedes lokale Ereignis exakt vorhergesagt werden kann. Szenarien, Prognosen und tatsächlich eingetretene Entwicklungen müssen auseinandergehalten werden.
Edge Computing und dezentrale Verarbeitung
Bei manchen Anwendungen ist es sinnvoll, Daten nahe an der Anlage oder am Sensor auszuwerten. Dieses Prinzip wird als Edge Computing bezeichnet. Es kann Übertragungswege verkürzen und den Umfang der an zentrale Systeme gesendeten Daten reduzieren.
Das ist jedoch nicht für jede Aufgabe notwendig und garantiert weder geringere Gesamtkosten noch weniger Energieverbrauch. Lokale Rechner müssen betrieben, aktualisiert und abgesichert werden. Häufig ist eine Aufteilung sinnvoll: zeitkritische Auswertungen vor Ort, umfangreichere Analysen auf zentralen Systemen.
Wirtschaftlicher Nutzen, Sicherheit und digitale Abhängigkeiten
Ein digitaler Zwilling verursacht Aufwand für Datenanbindung, Modellentwicklung, Prüfung und laufende Pflege. Deshalb sollte vor der Umsetzung eine konkrete Entscheidung feststehen, die damit verbessert werden soll. Für eine einfache Zustandsanzeige kann eine weniger aufwendige Lösung ausreichen.
Bei der Bewertung zählen nicht nur mögliche Einsparungen. Auch Fehlalarme, zusätzlicher Arbeitsaufwand, Ausfallzeiten der Datenverbindung und die Kosten für Modellaktualisierungen gehören in die Betrachtung.
Sicherheitsfragen werden besonders wichtig, wenn Empfehlungen oder Steuerbefehle in reale Abläufe einfließen. Manipulierte Messwerte und unberechtigte Zugriffe können dann über das Modell hinaus Auswirkungen haben. Leserechte und Steuerrechte sollten deshalb bewusst getrennt und Änderungen nachvollziehbar dokumentiert werden.
Für den Ausfall einer Datenquelle oder Verbindung muss festgelegt sein, welche Aussagen noch möglich sind und welche Funktionen eingeschränkt werden. Ein unabhängiges Schutzsystem darf nicht unbemerkt durch eine Modellprognose ersetzt werden.
Woran du einen brauchbaren digitalen Zwilling erkennst
- Klare Aufgabe: Es ist benannt, welche konkrete Entscheidung oder Prüfung unterstützt werden soll.
- Nachvollziehbare Daten: Herkunft, Aktualität und bekannte Lücken sind erkennbar.
- Geprüfter Einsatzbereich: Die Zuverlässigkeit wurde für die vorgesehenen Bedingungen untersucht.
- Sichtbare Grenzen: Unsicherheiten und nicht abgebildete Zusammenhänge werden nicht hinter einer anschaulichen Darstellung versteckt.
- Kontrollierte Rückkopplung: Es ist klar, wer Empfehlungen bewertet und ob das System selbst Änderungen auslösen darf.
- Laufende Pflege: Zuständigkeiten für Modelländerungen, Sicherheit und erneute Prüfungen sind festgelegt.
Digitale Zwillinge können helfen, komplexe Systeme besser zu beobachten und Entscheidungen vor ihrer Umsetzung zu untersuchen. Ihr Wert liegt nicht darin, die Wirklichkeit vollständig zu kopieren. Er liegt darin, für eine klar beschriebene Aufgabe ein ausreichend verlässliches Modell mit passenden Daten bereitzustellen.