![Vergleich zwischen einem mathematischen, einem KI- und einem hybriden Modellierungsansatz.](https://perfect-machines.com/wp-content/uploads/2021/12/Bild-3_Vergleich-zwischen-einem-mat_20211111155844.jpeg)
Der technologische Fortschritt ist von zunehmend autonomen Lösungen geprägt, die eingefahrene Unternehmensprozesse zu verbessern helfen. Doch damit wächst die Zahl unabhängig agierender Einheiten, die komplexer, interaktiver und integrativer werden. Diese Einheiten lassen sich schwer kontrollieren, was etwa Betrieb und Wartung, aber auch die Wirtschaftlichkeit, Sicherheit und Nachhaltigkeit betrifft. Diese Herausforderungen adressiert das Konzept des digitalen Zwillings. Er erfasst Merkmale seiner realen Gegenstücke und spiegelt Eigenschaften und Funktionalitäten wider, damit sich Objekte leichter handhaben lassen. Das gilt für den Zwilling einzelner Produkte bis hin zur Modellierung von Maschinen und Anlagen oder einer ganzen Fabrik.
![Erfahrungen und erworbenes Wissen können über einen Informationsaustausch zwischen den einzelnen digitalen Zwillingen, der durch einen gemeinsamen Data Lake ermöglicht wird, flottenübergreifend genutzt werden.](https://perfect-machines.com/wp-content/uploads/2021/12/Bild-2_Struktur-eines-Ensembles-von_20211111155842.jpeg)
Perspektivwechsel zulassen
Viele IoT- und IIoT-Szenarien lassen sich mit anderen Ansätzen ebenfalls lösen, etwa durch maschinelles Lernen. Der digitale Zwilling kann als Perspektivwechsel verstanden werden. Sein Potenzial kann er vor allem in komplexeren Anwendungsfällen entfalten, wie sie etwa in der Automobilindustrie vorkommen. Je nach Anforderung stehen verschiedene Ansätze mit unterschiedlichen Vor- und Nachteilen zur Verfügung. Gelingt es, digitale Zwillinge und ihre Ensembles – also Gruppen von untereinander kommunizierenden digitalen Zwillingen – zu generalisieren, zu modularisieren und zu standardisieren, lässt sich das Konzept in Zukunft auf viele Branchen und Anwendungsfälle adaptieren.
Der Zwilling des Fahrzeugs
In der Automobilindustrie deckt der Zwilling idealerweise den gesamten Lebenszyklus eines Fahrzeugs ab – von der Produktion einzelner Autos und deren Verkauf bis zum Aftersales und zur Entsorgung bzw. zum Recycling. Der digitale Zwilling enthält zum einen statische Daten zum Fahrzeug – also Angaben zur Software, Elektronik und Mechanik oder zum physikalischen Verhalten. Dazu werden während des Lebenszyklus dynamische Daten gesammelt, wie sie die Fahrzeug-Sensoren liefern. Dieser Ansatz ist nicht nur auf ganze Fahrzeuge anwendbar, sondern kann auch auf für einzelne Komponenten und Baugruppen ausgerollt werden. Es entsteht ein virtuelles Bild eines Objektes, das Planung und Vergleich unterschiedlicher Szenarien ermöglicht. Durch die verarbeiteten Daten sollen Entwicklungsschritte und Fahrzeugbetrieb simuliert und validiert werden, um beispielsweise Fehler früh zu erkennen. Wie individuell und komplex das Fahrzeug ist, spielt für den Zwilling keine Rolle, solange die verfügbare Datenmenge groß genug ist und mit den Merkmalen des realen Objekts korreliert. Je begrenzter die Datenmenge, desto abstrakter wird das virtuelle Modell. Für viele Aufgaben reicht ein gröberes Modell jedoch aus, das einfacher und kostengünstiger zu entwickeln ist.
Genauere Modelle
Um Änderungen am Auto digital abbilden und noch genauere digitale Zwillinge erstellen zu können, gilt es mittels Sensoren und Schnittstellen stetig Informationen auszutauschen. Das Fahrzeug sendet dabei Daten in Echtzeit zum digitalen Zwilling. Diese werden mit aktuellen und historischen Informationen bekannter Objekte abgeglichen. Einzelne Erfahrungswerte können so flottenübergreifend genutzt und zur Verbesserung bzw. Erweiterung zukünftiger Autos genutzt werden. Je mehr Instanzen eines abgebildeten Objekts existieren, desto exakter kann ein digitaler Zwilling implementiert werden. Ein weiteres Beispiel für den digitalen Zwillings in der Automobilindustrie ist die Batterie in Elektroautos. Mit einem digitalen Abbild lässt sich der gesamte Lebenszyklus und die Ladehistorie parallel zur realen Nutzung beobachten. In der Folge können z.B. Empfehlungen für die Nutzung, das Batterie- und Lademanagement entwickelt sowie Hinweise auf das optimale Timing für Reparatur und Wartung abgeleitet werden.