Das brandaktuelle Thema im Überblick
Ein digitaler Zwilling ist eine virtuelle Nachbildung eines Systems oder einer Einrichtung, die die physikalischen Eigenschaften präzise abbildet. Im Gegensatz zu statischen 3D-Modellen oder regulären Simulationen werden digitale Zwillinge durch Echtzeitdaten des modellierten Objekts selbst, Hilfs-Sensoren (IoT- und Edge-Geräte) und andere Betriebssysteme (z. B. Energie-Management-Plattform) betrieben.
Ein digitaler Zwilling ist auch mehr als ein interaktiver Prototyp oder ein digitaler Proof-of-Concept (PoC), der einmal erstellt wurde, um einen neuen Workflow zu evaluieren. Solche Systeme basieren hauptsächlich auf historischen Daten oder Annahmen, während digitale Zwillinge kontinuierlich den aktuellen Zustand der Vermögenswerte spiegeln.
Obwohl der Begriff „digitaler Zwilling“ neu erscheinen mag, ist er es tatsächlich nicht. In den 1960er Jahren entwickelte die NASA ein „lebendes Modell“, um der Apollo-13-Mission nach einer Explosion eines Sauerstofftanks bei der Rückkehr zu helfen. Seitdem hat die NASA eine Vielzahl anderer „digitaler Zwilling“-Modelle entwickelt, um physikalische Systeme hinsichtlich ihrer Leistung und Haltbarkeit zu testen, bevor die entwickelten Raumfähren in den offenen Raum gestartet wurden.
Die Idee, datengestützte Nachbildungen zu schaffen, um komplexe Betriebsprozesse zu modellieren und die Fernüberwachung durchzuführen, breitete sich bald auf andere Branchen aus. Heute werden digitale Zwillinge aktiv in Sektoren wie Telekommunikation, Energie und Fertigung eingesetzt.
Digitale Zwillinge bieten Führungskräften die Möglichkeit, die Leistung komplexer Vermögenswerte unter möglichst realistischen Bedingungen zu modellieren und Stresstests durchzuführen. Beispielsweise können Materialverhalten evaluiert und optimiert oder die Wärmeentwicklung unter bestimmten Betriebsbedingungen gemessen werden.
Solche Fähigkeiten sind besonders wertvoll in Branchen wie Luft- und Raumfahrt, Verteidigung und Automobilindustrie, in denen tatsächliche Tests teuer (oder sogar gefährlich) sein können. Die Renault-Gruppe zum Beispiel verlässt sich auf digitale Zwillinge, um neue Fahrzeugmodelle zu entwickeln. Das Designteam kann die Karosserie und das Interieur mit hoher Präzision modellieren, um verschiedene Konfigurationen zu testen, und dann digitale Vorschläge über eine sichere Cloud mit der Ingenieursabteilung teilen.
Für bereits implementierte Systeme und Einrichtungen ermöglichen digitale Zwillinge eine bessere vorausschauende Wartung. Anstatt manuelle Bewertungen vorzunehmen (die oft mühsame Außeneinsätze erfordern), können Betreiber den Zustand der Vermögenswerte und Leistungsdaten über ein digitales Dashboard überprüfen, um den optimalen Wartungszeitplan zu bestimmen. Das Ingenieurteam von GE entwickelte beispielsweise einen digitalen Zwilling für die Yaw-Motoren der Haliade 150-6 Windturbine. Der digitale Zwilling macht es überflüssig, die interne Temperatur der Turbine ständig zu überwachen, da diese schwer genau zu erfassen ist. Dadurch können Betreiber evaluieren, wie die Motoren unter verschiedenen Belastungen arbeiten, und ihre Leistung für maximale Effizienz feinabstimmen.
Schließlich helfen digitale Zwillinge auch, optimale Betriebsbedingungen in den Fertigungszentren aufrechtzuerhalten und Chancen für Kosteneinsparungen zu identifizieren. Angesichts des jüngsten Anstiegs der Energiepreise und des wachsenden Drucks zur Reduzierung der Kohlenstoffemissionen könnten große Hersteller von zusätzlicher Beratung zur Ressourcennutzung profitieren. Digitale Zwillinge können helfen, Bereiche der Verschwendung zu identifizieren – sei es suboptimale Konfigurationen von HVAC-Systemen oder vermeidbarer Materialabfall.
Zum Beispiel hat LG Electronics eine 3D-Nachbildung seines gesamten Logistiksystems für eine seiner Fabriken in Korea erstellt. Angetrieben von Edge Computing, Deep Learning und Machine Learning ermöglicht der digitale Zwilling die Modellierung von Produktionsprozessanalysen in der virtuellen Realität, kann Defektprobleme vorhersagen, die in den nächsten 10 Minuten auftreten werden, und liefert die genauen Teile und Materialien zur Montage jedes Geräts. In einem Jahr Betrieb half der digitale Zwilling, die Rücklaufquoten defekter Produkte um 70 % und den Energieverbrauch um 30 % zu senken.
Insgesamt bieten digitale Zwillinge in der Fertigung eine Vielzahl quantifizierbarer Vorteile: von optimierten Entwicklungszeiten (zwischen 20 % und 50 %) bis hin zu bis zu 25 % niedrigeren CO2-Emissionen. Diese Gewinne können jedoch durch die Verschmelzung von digitalen Zwillingen und künstlicher Intelligenz (KI) weiter verstärkt werden.
Einfach ausgedrückt ist ein digitaler Zwilling eine Ansammlung von verschiedenen, miteinander verknüpften Datenpunkten, die den aktuellen Zustand eines Systems oder Prozesses widerspiegeln. Die frühen Implementierungen verlassen sich oft auf statistische Datenanalysemethoden, um deskriptive und diagnostische Analysen zu liefern. Durch die Einbettung fortschrittlicherer Machine-Learning- und Deep-Learning-Algorithmen (die die KI ausmachen) können Führungskräfte noch reichhaltigere Einblicke aus prädiktiven Analysen gewinnen und die Leistung von Vermögenswerten mithilfe datengestützter Handlungsanweisungen optimieren.
P&G hat beispielsweise bereits mehrere digitale Zwillingsmodelle in seinen Fabriken in Ägypten, Indien, Japan und den USA im Einsatz. Jetzt strebt das Unternehmen an, mit Hilfe von KI weitere Verbesserungen in der Fertigungseffizienz zu erzielen. Das Unternehmen plant, Daten von über 1000 Produktionsstandorten weltweit zu digitalisieren und zu integrieren sowie die Echtzeit-Betriebsübersicht mit Microsoft Azure Angeboten für IoT, KI und Edge Computing zu verbessern.
Das ultimative Ziel: KI für Produktionsentscheidungen auf allen Ebenen zu nutzen, „um Ergebnisse vorherzusagen und zunehmend Handlungen durch Automatisierung vorzuschreiben“, so Vittorio Cretella, CIO von P&G. Dank verfügbarer Modellierungs- und Simulationswerkzeuge hat P&G bereits die Durchlaufzeit für einige neue Produkte von Monaten auf Wochen verkürzt. Jetzt wollen sie Echtzeit-Produktqualitätsprüfungen direkt an der Produktionslinie durchführen, vorausschauende Wartung von Geräten ermöglichen und den Energie- und Wasserverbrauch in all ihren Werken optimieren.
Obwohl die oben genannten Pläne ehrgeizig erscheinen mögen, erlaubt der aktuelle Stand der KI-Technologien in Kombination mit industriellem IoT (IIoT) und 5G-Konnektivität bereits solche fortschrittlichen Automatisierungsszenarien in der Fertigung. Im Folgenden sind mehrere andere Betriebsszenarien aufgeführt, die durch KI-gestützte digitale Zwillinge ermöglicht werden.
Digitale Zwillinge ermöglichen es Herstellern, riesige Datenmengen von in Betrieb befindlichen Vermögenswerten zu erfassen und zu verarbeiten: sei es ein einzelnes Bauteil wie ein Schaltkreis-Dashboard oder das gesamte vernetzte Fahrzeug. Durch die Anwendung verschiedener Machine-Learning-Modellierungstechniken auf die verfügbaren Daten können Hersteller neue Chancen zur Produktverbesserung identifizieren.
Rolls-Royce hat eine digitale Zwillingsplattform geschaffen, um Daten von allen produzierten Flugzeugtriebwerken zu aggregieren. Mithilfe historischer Vermögensdaten erstellte das Team einen optimierten Wartungsplan, der darauf ausgelegt ist, die Lebensdauer jedes Triebwerks zu maximieren. Dadurch wurde bei einigen seiner Triebwerke eine Reduzierung der Wartungsintervalle um bis zu 50 % erreicht. Es wird auch vorgeschlagen, wie metallische Abfälle von Teilen ordnungsgemäß entsorgt werden können, wenn sie das Ende ihrer Lebensdauer erreichen.
Darüber hinaus hilft das Unternehmen seinen Kunden auch dabei, bessere Ergebnisse zu erzielen. Seit 2014 hat Rolls-Royce einem seiner Fluggesellschaftskunden geholfen, über 200 Millionen Kilogramm Kohlendioxid zu sparen, indem es Flugroutenoptimierungen vorschlug, basierend auf den Daten seines digitalen Zwillings.
Tietoevry Create (ehemals Infopulse) hingegen half einem internationalen Bergbaukonsortium, das Volumen an Produktionsfehlern mit einer prädiktiven Analyselösung zu reduzieren. Das maßgeschneiderte Modell kann die Wahrscheinlichkeit von Plattenfehlern basierend auf den Produktparametern (Stahlgüte und -dicke) mit hoher Genauigkeit schätzen. Mit weniger Fehlern kann das Unternehmen potenziell zusätzlich 250-300 Stahlplatten pro Monat produzieren und von optimierten Betriebskosten profitieren.
Digitale Zwillinge können auch helfen, die Abläufe vor Ort in der Logistik zu optimieren. Digitale Zwillinge können die Bewegung von Versandcontainern oder Lieferfahrzeugen modellieren, um Ankunftszeiten besser zu schätzen, Lieferwege zu optimieren und eine ordnungsgemäße Handhabung von Waren im Transit sicherzustellen (z. B. optimale Temperaturbedingungen für die Kühl-Logistik).
DHL arbeitet an einer digitalen Zwillingsplattform zur Nachbildung der gesamten Lieferkette seiner Kunden. Mit Hilfe dieses Werkzeugs können Manager verschiedene Erfüllungsszenarien simulieren. Beispielsweise, wie sich die Schaffung zusätzlicher Lagerstandorte auf die Emissionswerte oder das Kohlenstoffreduktionspotenzial auswirken könnte, wenn die gleiche Bestellung per Seefracht anstelle von Luftfracht verschickt wird. Eine Alpha-Version wurde im Juni 2023 in Valencia, Spanien, präsentiert, und eine Beta-Version ist für 2024 geplant.
Lufthansa hingegen evaluiert verschiedene digitale Zwillingsszenarien zur Optimierung der Frachtbetriebe, insbesondere um eine bessere Überwachung und Vorhersage von Verzögerungen zur Verbesserung der Lieferzeiten zu gewährleisten. NAPA, ein Anbieter von maritimer Software, hat eine digitale Zwillingslösung zur Optimierung von Seewegen entwickelt. Der Zwilling aggregiert Daten direkt aus den Bordsystemen des Schiffes, wie z.B. ECDIS (elektronische Seekarten) und dem automatischen Identifikationssystem (AIS), sowie externe Daten wie Wettervorhersagen und die aktuelle Liste von Sperrgebieten. Jeder digitale Zwilling kombiniert Echtzeitdaten mit Modellen der Schiffsarchitektur, Daten aus vergangenen Reisen und Hafeninformationen zu einem dynamischen Modell für das gesamte Schiff. Er kann sowohl für Leistungsanalysen als auch für Berichterstattung und zukünftige Routenoptimierung verwendet werden.
Flottenmanager können Routen anpassen, um den Kohlenstoff-Fußabdruck des Schiffes zu optimieren, indem sie beispielsweise Echtzeit-Umweltinformationen zu den Auswirkungen von Wind oder Wellen nutzen.
Computer Vision-Algorithmen können Informationen aus Bildern, Videos und anderen visuellen Eingaben ableiten, um Objekte zu scannen, Leistungsanomalien zu erkennen oder verschiedene physikalische Parameter zu digitalisieren (z. B. aktuelle Maßstäbe). Mit anderen Worten: Solche Modelle können eine zusätzliche Datenebene für digitale Zwillinge bereitstellen und Echtzeitinspektionen von Vermögenswerten oder Prozessen ermöglichen.
Anstatt Waren an der Produktionslinie visuell auf Mängel zu prüfen, können automatische Systeme eingerichtet werden, die eine höhere Genauigkeit bieten als das menschliche Auge. Tietoevry Create (ehemals Infopulse) beispielsweise half bei der Entwicklung eines Systems zur Fernüberwachung von Gasturbinen, das Daten von über 250 IoT-Sensoren erfasst und operationalisiert. Es liefert dem Kunden hochpräzise Analysen und eine Echtzeitanomalieerkennung mit einer Genauigkeitsrate von 93 %.
Im vergangenen Jahr implementierten HPE und NVIDIA KI-basierte Videoanalysen zur Qualitätskontrolle in ihrem europäischen Fertigungswerk. Der manuelle Inspektionsprozess konnte mit über 1.000 möglichen Serverkonfigurationen auf der Produktionslinie nicht Schritt halten. Das Team setzte eine Edge-to-Cloud-Architektur vor Ort um, um ein benutzerdefiniertes Deep-Learning-Modell für digitale Qualitätsprüfungen zu trainieren. Mit dem neuen System wurden die sofort erkennbaren Qualitätsprobleme um 25 % reduziert, während die Inspektionsgeschwindigkeit pro Server um 96 Sekunden verbessert wurde.
Obwohl diverse Unternehmen bereits erfolgreiche Pilotprojekte durchgeführt haben und einige auch groß angelegte, produktiv genutzte KI-Systeme betreiben, befindet sich die Einführung digitaler Zwillinge noch in einem frühen Stadium, ebenso wie die industrielle KI. Das wird sich jedoch ändern. Bis 2027 wird erwartet, dass die Akzeptanzrate digitaler Zwillinge in der Fertigung um das Zehnfache steigt. Darüber hinaus experimentieren 57 % der Führungskräfte in der Fertigung mit einer Reihe von kleineren KI-Pilotprojekten, während weitere 28 % erfolgreiche Pilotprojekte umsetzen, so eine Umfrage des Manufacturing Leadership Council aus dem Jahr 2023.
Generative KI hat ebenfalls noch keinen starken Einfluss auf die Fertigungsindustrie ausgeübt, doch das dürfte bald sich bald ändern. Große Sprachmodelle (LLMs), die Teil der Generative-AI-Technologielandschaft sind, können helfen, conversational Interfaces für digitale Zwillinge zu schaffen, was den Zugang zu betrieblichen Einblicken noch verfügbarer macht. Anstatt benutzerdefinierte Berichte zu erstellen, könnten Fabrikbetriebe direkt Generative-AI-Assistenten fragen, um die neuesten Daten zur Leistung der Vermögenswerte bereitzustellen oder die optimale Wartungssequenz für überwachte Geräte vorzuschlagen.
Wie Todd Edmunds, globaler CTO für Fertigung bei Dell Technologies, in einem Interview treffend zusammenfasste: „Wo viele Organisationen in Daten ertrinken, benötigen digitale Zwillinge und Generative AI alle Daten, die sie bekommen können, und sie können darauf trainiert werden, zu wissen, was sie damit tun sollen. Generative AI wird digitalen Zwillingen helfen, bessere Ergebnisse zu produzieren, und digitale Zwillinge werden uns helfen, sie zu simulieren, zu visualisieren und bereitzustellen.“
Die Reise zu schlankeren, umweltfreundlicheren und autonomeren Betriebsabläufen im Fertigungssektor hat gerade erst begonnen – und Tietoevry Create (ehemals Infopulse) freut sich, Teil dieses Wandels zu sein.