Digital Twin

Ein digitaler Zwilling ist ein virtuelles Modell eines physischen Betriebsmittels, Prozesses oder Systems, das durch einen kontinuierlichen Datenstrom mit seinem realen Gegenstück synchronisiert bleibt und Entscheidungen an dieses zurückmeldet. Die physische Seite kann eine einzelne Pumpe, eine Produktionslinie, ein Windpark oder ein Stadtviertel sein. Die virtuelle Seite vereint dessen Geometrie, den aktuellen Sensorzustand und Verhaltensmodelle, sodass Bediener das Objekt überwachen, „Was-wäre-wenn“-Änderungen in einer Simulation testen und Ausfälle vor ihrem Eintreten vorhersagen können. Michael Grieves führte das Konzept 2002 an der University of Michigan als Modell für das Produktlebenszyklusmanagement ein. Um 2010 gab ihm John Vickers von der NASA den Namen „digitaler Zwilling“. Die 2021 veröffentlichte Normenreihe ISO 23247 definiert einen Rahmen für digitale Zwillinge in der Fertigung.

Digitales Modell, digitaler Schatten und digitaler Zwilling#

Der Begriff wird oft für jedes 3D-Modell oder Dashboard verwendet. Deshalb unterscheiden Forscher drei Stufen danach, wie Daten zwischen dem physischen und dem virtuellen Objekt fließen. Eine Übersichtsarbeit von Kritzinger und Kollegen aus dem Jahr 2018 bezeichnet ein manuell aktualisiertes virtuelles Modell als digitales Modell, ein Modell mit automatisch eingehenden Live-Daten, bei dem Änderungen am physischen Betriebsmittel aber nur durch Menschen erfolgen, als digitalen Schatten und ein Modell mit automatischem Datenfluss in beide Richtungen als digitalen Zwilling.

Eine Simulation untersucht im Vergleich dazu Was-wäre-wenn-Szenarien ohne Live-Verbindung zu einem bestimmten Betriebsmittel. Ein digitaler Zwilling führt solche Simulationen ausgehend vom aktuellen Zustand des Betriebsmittels aus. Verfahren zur 3D-Rekonstruktion wie Photogrammetrie, neuronale Strahlungsfelder und Gaussian Splatting liefern die Geometrie und das Erscheinungsbild des Zwillings.

So funktioniert ein digitaler Zwilling#

Ein funktionsfähiger Zwilling verbindet mehrere Ebenen. Sensoren des industriellen IoT, speicherprogrammierbare Steuerungen und Kameras messen den physischen Zustand. Protokolle wie OPC UA und MQTT übertragen diese Messwerte an eine Datenplattform. Verhaltensmodelle reichen von physikbasierten Simulationen wie Finite-Elemente- und Strömungsdynamikmodellen bis hin zu Ersatzmodellen aus dem maschinellen Lernen, die mit Simulationsläufen oder historischen Daten trainiert wurden und innerhalb von Millisekunden Ergebnisse liefern. Analysen des synchronisierten Zustands umfassen die Anomalieerkennung, die Vorhersage der verbleibenden Nutzungsdauer und die Zeitreihenanalyse des Durchsatzes. Ihre Ergebnisse fließen als angepasste Sollwerte, Wartungsaufträge oder neue Produktionspläne zurück.

Computer Vision macht gewöhnliche Kameras zu Sensoren für digitale Zwillinge. Die Objekterkennung zählt Teile, Paletten und Fahrzeuge. Die Mehrfachobjektverfolgung verfolgt sie auf einem Betriebsgelände. Die Posenschätzung erfasst die Bewegungen von Beschäftigten für ergonomische Untersuchungen, und die Segmentierung misst Füllstände oder Materialhaufen. Der Track-Modus von Ultralytics YOLO26 weist jedem erkannten Objekt über Videobilder hinweg eine beständige ID zu. So kann ein Zwilling den Datensatz eines Gabelstaplers oder einer Palette mit der aktuellen Position aktualisieren, statt in jedem Bild neue Objekte anzulegen. Daten fließen auch in die Gegenrichtung: Gerenderte Szenen eines Zwillings erzeugen annotierte synthetische Daten für das Training dieser Bildverarbeitungsmodelle. Die Domänenrandomisierung von Texturen und Beleuchtung hilft ihnen, sich auf echte Kameras übertragen zu lassen.

Anwendungen in der Praxis#

• Fertigung: Zwillinge von Fabriken ermöglichen es Ingenieuren, Produktionslinien neu anzuordnen, Roboterpfade umzuprogrammieren und Arbeitslasten virtuell auszubalancieren, bevor sie die reale Linie verändern. Zwillinge von Maschinen planen die Wartung anhand von Schwingungs-, Temperatur- und Stromdaten.
• Logistik und Lagerhaltung: Zwillinge von Lagern kombinieren die kamerabasierte Verfolgung von Waren und Fahrzeugen mit Auftragsdaten, um Layouts, Einlagerungsstrategien und Roboterflotten zu testen.
• Energie und Luft- und Raumfahrt: Zwillinge von Strahltriebwerken und Windkraftanlagen verbinden physikalische Modelle mit Sensordaten der einzelnen Einheiten, um den Verschleiß einzelner Komponenten abzuschätzen und Inspektionen entsprechend zu planen.
• Intelligente Städte: Stadtzwillinge modellieren Gebäude, Verkehr und Versorgungseinrichtungen. Fahrzeugzählungen von Verkehrskameras kalibrieren ihre Verkehrssimulationen. Virtual Singapore, ein 2014 gestartetes nationales Programm mit einem Budget von 73 Millionen S$, bildet den gesamten Stadtstaat in 3D für Untersuchungen zur Stadtplanung ab.