Digitaler Zwilling

Grundidee und Funktionsweise

Ein digitaler Zwilling ist die digitale Repräsentanz eines materiellen oder immateriellen Objekts aus der realen Welt. Das reale Gegenstück kann bereits existieren oder erst zukünftig entstehen. Der Zwilling besteht aus Modellen des repräsentierten Objekts und kann zusätzlich Simulationen, Algorithmen und Services enthalten. Diese beschreiben oder beeinflussen Eigenschaften und Verhalten oder stellen darauf bezogene Dienste bereit. Digitale Zwillinge ermöglichen dabei einen übergreifenden Datenaustausch.

Das von M. Grieves und J. Vickers entwickelte Digitale-Zwillings-Konzept umfasst drei Hauptteile: das physische Produkt im realen Raum, das virtuelle beziehungsweise digitale Produkt im virtuellen Raum sowie die Daten- und Informationsverbindungen zwischen beiden. Anders als eine rein digitale Abbildung schließt dieses Konzept ausdrücklich die Kommunikation zwischen realem und virtuellem Objekt oder Prozess ein.

Daten, die vom realen zum virtuellen Gegenstück fließen, heißen digitaler Schatten oder digital shadow. Informationen in der Gegenrichtung werden als digitaler Impuls oder digital trigger bezeichnet. Durch den Vergleich beider Seiten lassen sich Abweichungen erkennen. Daraufhin können etwa Anlagenkomponenten nachjustiert, eine vorausschauende Instandhaltung geplant oder bei Prozessen Steuerungsgrößen und Eingabeparameter verändert werden. Im Zuge von Industrie 4.0 gilt dabei zunehmend das virtuelle Objekt als führend, an das sich das reale Objekt anpassen soll. Zur heutigen Definition gehört deshalb auch die Steuerung auf Grundlage von Echtzeitdaten.

Untertypen und Entwicklungsstufen

Es werden drei grundlegende Untertypen unterschieden:

• Der digitale Zwillingsprototyp (DTP) enthält Modellbeschreibungen, die zur Realisierung eines physischen Produkts benötigt werden. Er existiert bereits, bevor das physische Produkt hergestellt wird.
• Die digitale Zwillingsinstanz (DTI) ist der digitale Zwilling eines einzelnen hergestellten Produkts. Sie bleibt für dessen restliche Lebensdauer mit ihrem physischen Gegenstück verbunden.
• Das digitale Zwillingsaggregat (DTA) fasst mehrere DTIs zusammen. Deren Daten und Informationen können für Abfragen über physische Produkte, Prognosen und Lernprozesse genutzt werden.

Welche Informationen ein digitaler Zwilling enthält, richtet sich nach dem jeweiligen Anwendungsfall. Er ist ein logisches Konstrukt; die zugehörigen Daten müssen daher nicht an einem einzigen Ort gespeichert sein, sondern können in anderen Anwendungen liegen.

Nach Funktionsumfang lassen sich weitere Archetypen unterscheiden. Ein Basic Digital Twin ist eine digitale Repräsentation mit internem Speicher und Datenverarbeitung. Ein Enriched Digital Twin bindet zusätzlich benachbarte, eingehende Datenströme ein. Ein Autonomous Control Twin ist ein autonomes cyber-physisches System mit einer Mensch-Maschine-Schnittstelle, beispielsweise einem Dashboard, über die Menschen eingreifen können. Ein Enhanced Autonomous Control Twin übermittelt außerdem Daten an nachgeordnete Systeme. Der Exhaustive Twin ist ein autonomes, interoperables System, das eingehende Daten verarbeitet, ausgehende Daten sendet und den Nutzern vollständige Eingriffsmöglichkeiten gewährt.

Industrie, Produktion und Transport

In der industriellen Wertschöpfung können digitale Zwillinge einen Wettbewerbsvorteil schaffen. Seit Anfang der 2010er-Jahre verstärkt das Internet der Dinge diese Bedeutung, weil es digital gesteuerte, vernetzte Produkte mit integrierten Dienstleistungen ermöglicht. Digitale Zwillinge können Produkte, Produktionsanlagen, Prozesse oder Dienstleistungen darstellen. Als Designmodelle können sie schon vor ihren realen Gegenstücken bestehen; nach der Herstellung dienen sie unter anderem zur Analyse von Betriebsdaten.

Ihr Nutzen liegt besonders darin, physische Prototypen einzusparen und Verhalten, Funktionalität und Qualität eines realen Produkts zu simulieren. Dies ist über den gesamten Lebenszyklus von Produkten und Anlagen möglich: von Design und Erstellung über den Betrieb bis zur Wiederverwertung. Modelle können verschiedene Abstraktionsstufen einer Systemarchitektur durchlaufen und beispielsweise als Verhaltens-, 3D- oder Funktionsmodell mechanische, elektronische und weitere Merkmale abbilden. MBSE bezeichnet dabei die modellbasierte Entwicklung von Systemen.

Mehrere Zwillinge und weitere produktbezogene Informationen können zu einem digitalen Faden oder digital thread verknüpft werden. Er begleitet den gesamten Produktlebenszyklus und erlaubt eine Optimierung über verschiedene Wertschöpfungsprozesse hinweg. Dafür müssen Abhängigkeiten zwischen System- und Produktarchitekturen, Varianten, Geschäftsmodellen und Dienstleistungen strukturiert behandelt werden. Für digitale Zwillinge in der Produktion existieren allerdings viele, teils inkompatible oder widersprüchliche Definitionen, die sich etwa nach Wartungszweck oder Produktionsbereich unterscheiden.

Digitale Zwillinge werden außerdem mit Steuerungs- und Regelungstechnik verbunden. Sie kommen in Produktionssteuerung, Logistik und Beschaffung sowie bei der auftragsbezogenen Fertigungssteuerung von Mercedes-Benz zum Einsatz. In Transportwirtschaft und Lagerwesen entwickeln Unternehmen wie DHL und UPS Anwendungen für Track and Trace sowie für die intelligente Steuerung von Lagerhäusern und Hafenanlagen. SAP und Oracle ergänzen ihre ERP-Systeme um Lösungen für eine Digital Supply Chain im Supply Chain Management.

Medizinische Anwendungen

In der personalisierten Medizin dient ein digitaler Zwilling als individuelles Abbild eines Patienten. Ein etablierter Ansatz erzeugt dieses Abbild durch bildgebende Verfahren wie die Magnetresonanztomografie (MRT). Ärzte können dadurch die konkrete Situation eines Patienten schon vor einer Behandlung untersuchen. Bei Operationen lassen sich patientenindividuelle Teile wie künstliche Gelenke vorfertigen und genauer einsetzen, was das Operationsergebnis und den Genesungsverlauf verbessern kann. In der computerassistierten Chirurgie unterstützen solche Modelle außerdem die präzise Steuerung von Operationsrobotern.

Ein anderer Ansatz kombiniert Vitalparameter, multimodale Patientendaten, Genomsequenzierung und präzise Phänotypisierung, also die genaue Erfassung beobachtbarer Merkmale. Das daraus erzeugte virtuelle Abbild kann beispielsweise die individuelle Auswahl von Arzneimitteln unterstützen und so einen besseren Behandlungseffekt ermöglichen.

Ein konkretes Beispiel ist die mathematische Modellierung der Glukose-Insulin-Dynamik bei Typ-1-Diabetes. Claudio Cobelli von der Universität Padua und Boris Kovatchev von der University of Virginia entwickelten den UVA/Padua-Typ-1-Diabetes-Simulator mit 300 „In-silico-Probanden“, also Modellparametersätzen. 2008 erkannte die US-amerikanische Food and Drug Administration (FDA) den Simulator als Ersatz für Tierversuche bei der Prüfung von Closed-Loop-Strategien und Regelalgorithmen an. Seitdem erschienen mehr als 500 Studien, und mehrere automatisierte Insulinabgabesysteme, sogenannte AID-Systeme oder künstliche Bauchspeicheldrüsen, wurden eingeführt. Mit dem Simulator wurde auch gezeigt, dass eine intraperitoneale Insulinverabreichung die manuelle Insulinabgabe vor Mahlzeiten überflüssig machen kann; diese wird als „Hybridkontrolle“ bezeichnet.

Gebäude, Städte und Umwelt

Urbane digitale Zwillinge führen verschiedene Datenquellen einer Stadt zusammen. Häufig beruhen sie auf Geoinformationssystemen (GIS), urbanen Datenplattformen, digitalen 3D-Stadtmodellen und Sensordaten. Als Teil von Smart-City-Konzepten sollen sie integrierte, nachhaltige Stadtentwicklung und Simulationen in der Stadtplanung unterstützen. Barcelona und Zürich erwarten davon beispielsweise eine effizientere Instandhaltung der Infrastruktur und eine engere Verbindung von Bürgerbeteiligung mit evidenzbasierten Verwaltungsmaßnahmen. Wissenschaftlich wird jedoch das wahrscheinlich nicht erfüllbare Versprechen kritisiert, ein urbanes System vollständig digital abzubilden. Daher befürworten verschiedene Forschende „multiple Modelle“ und „verschiedene Arten von Zwillingen“.

In der Immobilien- und Bauwirtschaft sollen digitale Zwillinge den gesamten Lebenszyklus eines Gebäudes effizienter machen. Sie unterstützen Planung, Visualisierung, Überwachung des Bauablaufs, Koordination, Sicherheits- und Risikomanagement, Lieferketten, Betrieb und Wartung. Mögliche Auswirkungen sind geringere Kosten und Bauzeiten, bessere Ausführungsqualität und Arbeitssicherheit sowie niedrigere Emissionen. Die Einführung befindet sich wegen bauspezifischer Bedingungen und komplexer Projekte noch in einer frühen Phase. Building Information Modeling (BIM), bei dem digitale Gebäudemodelle während Planung und Ausführung mit realen Daten ergänzt werden, gilt häufig als Vorstufe oder Bestandteil. In erweiterten Ansätzen werden BIM, Simulationen und Echtzeitdaten für Prognosen und die gezielte Steuerung von Bauprozessen verbunden. Die Umsetzung umfasst Datenerfassung, Aufbereitung und Übertragung, digitale Modellierung sowie die Verwendung der Ergebnisse zur Entscheidungsunterstützung.

In der Gebäudeautomation kann ein digitaler Zwilling Regelstrategien für thermische Speicher und Wärmepumpen bereits vor der Inbetriebnahme entwickeln und prüfen. Er bildet das thermodynamische Verhalten des Gesamtsystems nach und testet etwa Speicherprioritäten, Schaltlogiken oder Netzsperrzeiten unter realistischen Bedingungen. Spätere Messdaten fließen als digitaler Schatten zurück und ermöglichen eine fortlaufende Nachjustierung. Bei Solaranlagen werden unter anderem Ertrag, Modultemperaturen und Wechselrichterzustände überwacht. Abweichungen vom erwarteten Verhalten können früh erkannt und für Predictive Maintenance genutzt werden; bei größeren kombinierten Anlagen lässt sich auch der gesamte Energiefluss eines Gebäudes optimieren.

In Umweltforschung und Politikberatung integrieren digitale Zwillinge komplexe Daten aus mehreren wissenschaftlichen Disziplinen. Modelle können in Workshops und Dialogveranstaltungen helfen, mögliche Szenarien verständlich zu machen und politische Optionen zu prüfen. Damit unterstützen sie evidenzbasierte Wechselwirkungen zwischen Wissenschaft und Politik.