Digitale Zwillinge in der Logistik

Chancen und Hürden bei der Implementierung

ZeitschriftIndustry 4.0 Science
Ausgabe41. Jahrgang, 2025, Ausgabe 3, Seite 34-40
Open Accesshttps://doi.org/10.30844/I4SD.25.3.34
Literatur Teilen Zitieren Download

Abstract

Digitale Zwillinge bieten großes Potenzial zur Effizienzsteigerung in der Logistik. Diese Digital Supply Chain Twins (DSCT) ermöglichen datengetriebene Entscheidungen und optimieren Prozesse auf Standort- und Netzwerkebene. Eine Untersuchung mittels Expertenworkshop zeigt, dass Unternehmen zwar Interesse an DSCT haben, aber Herausforderungen wie Datenqualität, akteursübergreifender Datenaustausch und Interoperabilität deren breite Implementierung hemmen. Während erste Pilotprojekte existieren, bleibt die Marktdurchdringung gering. Erfolgreiche Implementierung erfordert standardisierte Schnittstellen und vertragliche Rahmenbedingungen für den Datenaustausch. Im Ergebnis können DSCT langfristig Logistiknetzwerke resilienter und nachhaltiger gestalten.

Keywords

Artikel

Digitale Zwillingssysteme in der Logistik

Lieferunterbrechungen, steigende Komplexität und strenge Nachhaltigkeitsanforderungen erhöhen den äußeren Druck auf Unternehmen und stellen globale Lieferketten vor wachsende Herausforderungen [1, 2, 3]. Die Digitalisierung bietet als Treiber des industriellen Wandels enorme Potenziale zur Steigerung der Wettbewerbsfähigkeit. Insbesondere in der Logistik, als Schlüsselfunktion zur Erfüllung von Kundenaufträgen, eröffnen sich durch digitale Technologien neue Möglichkeiten für Steigerungen bei Effizienz, Flexibilität und Transparenz [4].

Ein vielversprechendes Konzept ist der Digitale Zwilling (Digital Twin, DT), der reale Systeme virtuell abbildet und ermöglicht, Maßnahmen zu simulieren, bevor diese umgesetzt werden. In der Logistik werden diese als Digital Supply Chain Twins (DSCT) bezeichnet. Diese Technologie erlaubt es, Prozesse auf allen Ebenen – von einzelnen Standorten bis hin zu globalen Netzwerken – zu optimieren (Bild 1).

Die DSCT werden definiert als „[…] digitales Simulationsmodell eines realen Logistiksystems mit langfristiger, bidirektionaler und zeitnaher Datenverbindung […]“ [5]. Sie schaffen die Grundlage für datenbasierte Entscheidungen und bieten einen ganzheitlichen Überblick über den Kundenauftragsprozess. Änderungen im Logistiksystem beeinflussen den DT und umgekehrt (Bidirektionalität), wobei der Austausch je nach Anwendungsfall flexibel und nicht zwingend in Echtzeit erfolgt (Zeitgerechtigkeit).

Die DSCT sind auf kontinuierliche, langfristige Nutzung ausgelegt und unterscheiden sich somit von kurzlebigen Projektmodellen (Langfristigkeit). Prognosen, wie der DHL Logistics Trend Radar, gehen davon aus, dass DSCT in den kommenden Jahren zunehmend Anwendung finden werden [6]. In der Praxis bleibt jedoch unklar, inwieweit Unternehmen bereits auf die Einführung dieser Technologie vorbereitet sind und welche Herausforderungen mit der Implementierung verbunden sind.

Bild 1: Betrachtungsebenen der DSCT.
Bild 1: Betrachtungsebenen der DSCT.

Um diese Fragen zu adressieren, wurde im Rahmen eines Workshops mit Industrieexpertinnen und -experten die digitale Reife von Unternehmen hinsichtlich DSCT untersucht. Ziel war es, stichprobenartig den Status quo der Technologieanwendung in den vertretenen Unternehmen zu ermitteln, zentrale Herausforderungen zu identifizieren, potenzielle Anwendungsfelder zu diskutieren sowie die Erkenntnisse in den aktuellen Forschungsstand einzuordnen.

Der Workshop wurde dafür in zwei Phasen unterteilt: Im ersten Teil wurde eine Umfrage [7] zur Erhebung bestehender DSCT-Projekte durchgeführt sowie im zweiten Teil mithilfe der Placemat-Methode [8, 9] Einschätzungen der Expertinnen und Experten zu ausgewählten Themen abgefragt und vertiefend diskutiert. Die folgenden Abschnitte präsentieren die Ergebnisse dieser Untersuchung.

Status quo der Industrie

Zur systematischen Erfassung des aktuellen Entwicklungsstands von DSCT in den vertretenen Unternehmen wurde eine Umfrage unter den Industrieexpertinnen und -experten durchgeführt. Die Befragung war so konzipiert, dass für jedes identifizierte Projekt ein separater Fragebogen ausgefüllt wurde. Dadurch konnte eine detaillierte Erhebung der projektspezifischen Merkmale gewährleistet werden.

Neun Expertinnen und Experten beteiligten sich an der Umfrage. Während in vier Unternehmen bislang keine DSCT-Projekte existieren, berichteten fünf Expertinnen und Experten über insgesamt sieben Projekte (Bild 2). Sämtliche dieser Projekte wurden in Großunternehmen mit mehr als 249 Mitarbeitenden realisiert oder geplant. Die Analyse des Projektfortschritts zeigt, dass sich die Mehrheit der DSCT-Initiativen noch in einer frühen Phase befindet. Ein Projekt ist bereits im operativen Einsatz, ein weiteres befindet sich in der Umsetzung, während fünf Projekte noch in der Planungsphase sind.

Neben dem Entwicklungsstand wurde auch die Erfüllung der wissenschaftlichen DSCT-Kriterien nach Gerlach et al. (2021) untersucht. Zwei der sieben Projekte entsprechen vollständig den definierten Anforderungen hinsichtlich Langfristigkeit, Zeitgerechtigkeit und Bidirektionalität. Die übrigen Projekte weisen dagegen Abweichungen in mindestens einem dieser Merkmale auf. Hinsichtlich der Anwendungsbereiche lassen sich die Projekte in zwei Gruppen einteilen. Vier Projekte sind auf Standort-Ebene angesiedelt, während die übrigen drei Projekte eine übergreifende Netzwerkperspektive verfolgen.

Bild 2: Ergebnis der Expertinnen- und Expertenumfrage.
Bild 2: Ergebnis der Expertinnen- und Expertenumfrage.

Die geringe Anzahl an realisierten Projekten sowie der hohe Anteil an Vorhaben, die sich noch in der Planungsphase befinden (Bild 2), deuten darauf hin, dass die Technologie zwar grundsätzlich als vielversprechend angesehen wird, aber noch zahlreiche Herausforderungen bestehen. Aufgrund der niedrigen Marktdurchdringung der DSCT-Technologie folgte die weitere Untersuchung einem explorativen Forschungsparadigma, das sich durch die gezielte Auswahl von Expertinnen und Experten mit langjähriger Erfahrung im Bereich Logistik und Digitalisierung charakterisiert.

Es wurde eine qualitative, theoriegeleitete Auswahl, statt einer großen statistisch repräsentativen Stichprobe vorgenommen, um fundierte Einschätzungen zum aktuellen Stand der DSCT-Technologie in der Praxis zu erfassen. Im Rahmen einer systematischen und strukturierten Analyse nach Mayring (2014) wurden die Meinungen aus der Praxis im Zusammenhang mit aktuellen Forschungsarbeiten [10, 11, 12] ausgewertet. Aufgrund der frühen theoretischen Sättigung der Aussagen der Expertinnen und Experten konnten, trotz des geringen Stichprobenumfangs, praxisnahe und valide Erkenntnisse abgeleitet werden.

Herausforderungen und Anwendungsfelder aktueller DSCT-Industrieprojekte

Die Einschätzungen der Industrieexpertinnen und -experten wurden in der zweiten Workshop-Phase mittels der Placemat-Methode [8, 9] erhoben sowie Gemeinsamkeiten und Unterschiede in Diskussionen erarbeitet. Die Erhebung fokussierte sich dabei auf drei zentrale Fragen. Die wesentlichen Implementierungshürden, die Rahmenbedingungen für den Datenaustausch und die Anwendungsfelder von DSCT-Projekten. Die Ergebnisse dieser Diskussionen und Einschätzungen werden im Folgenden vorgestellt.

Unternehmen sind bei der Implementierung von DSCT mit einer Reihe wirtschaftlicher, organisatorischer und technischer Herausforderungen konfrontiert. Es besteht ein klarer Konsens, dass die betriebswirtschaftliche Tragfähigkeit und finanzielle Anreize ausschlaggebend sind, um Investitionsentscheidungen für DSCT-Projekte zu treffen. Um dem hohen Digitalisierungsgrad der DSCT gerecht zu werden, müssen bestehende Prozesse und Schnittstellen umfassend angepasst werden, was einen erheblichen organisatorischen Aufwand erfordert.

Die entscheidenden Herausforderungen sind laut der Ergebnisse der Placemat-Methode jedoch technischer Natur. Besonders die Verfügbarkeit und Qualität der erforderlichen Daten wurden als kritische Faktoren identifiziert. Fragmentierte IT-Landschaften und uneinheitliche Datenstandards erschweren eine nahtlose Integration in DSCT. Insbesondere die Bereitschaft zum unternehmensübergreifenden Datenaustausch stellt eine Hürde dar. Die Expertinnen und Experten sind sich einig, dass der Erfolg von DSCT maßgeblich davon abhängt, ob Unternehmen bereit sind, relevante Daten mit ihren Partnern innerhalb des Wertschöpfungsnetzwerks zu teilen. Auch in der aktuellen Forschung wird diese Notwendigkeit betont [13, 14].

Ein Ansatz, um diesen Anforderungen zum Informationsaustausch gerecht zu werden, ist die Etablierung von Datenökosystemen sowohl in polyzentrischen als auch in pyramidal-hierarchischen Wertschöpfungsnetzwerken [15]. Während polyzentrische Netzwerke aufgrund der gleichberechtigten Struktur der Akteure besondere Anforderungen an Vertrauen, Interoperabilität und kooperative Governance stellen, bestehen in pyramidal-hierarchischen Netzwerken vor allem Herausforderungen im Umgang mit asymmetrischen Machtverhältnissen und der Gewährleistung von Datensouveränität gegenüber dominanten Partnern [15, 16].

Die Expertinnen und Experten nennen zusätzlich zu den bereits aufgezählten Herausforderungen bzgl. der Verfügbarkeit und Qualität der Daten, bei unternehmensübergreifenden Kooperationen häufig stärker ausgeprägte Barrieren bestehen. Besonders rechtliche Unsicherheiten, Vertraulichkeitsbedenken und fehlende Standards zwischen den Unternehmen gilt es gemeinschaftlich zu lösen.

Die Diskussion machte deutlich, dass für eine erfolgreiche Implementierung von DSCT klare Rahmenbedingungen für den Datenaustausch geschaffen werden müssen. Standardisierte Schnittstellen, vertragliche Vereinbarungen und wirtschaftliche Anreize für die Datenbereitstellung wurden hier als potenzielle Lösungsansätze diskutiert. Standardisierte Schnittstellen ermöglichen den Datenaustausch, während vertragliche und wirtschaftliche Anreize darauf abzielen, für alle beteiligten Akteure Mehrwerte zu schaffen und die Kooperation zu fördern.

Neben den Herausforderungen wurden vielversprechende Anwendungsfelder für DSCT identifiziert und bewertet. Um die von den Expertinnen und Experten eingeschätzten Anwendungsfälle von DSCT in diesen Bereichen systematisch zu analysieren und zu priorisieren, wurde basierend auf deren Einschätzung eine Vier-Felder-Matrix entwickelt (Bild 3). Einzelne Anwendungsfälle wurden thematisch gruppiert und als logarithmisch skalierte Kreise nach dem Produkt der durchschnittlichen Nennhäufigkeit und Nutzeneinschätzung der jeweiligen Gruppe dargestellt. Diese ermöglicht eine Einordnung in den Dimensionen „erwarteter Nutzen“ und „Häufigkeit der Nennung“. Aus dieser Analyse lassen sich vier Kategorien ableiten:

  • Zentraler Wirkungsbereich: Hierbei handelt es sich um hochpriorisierte Anwendungsfälle mit breitem Nutzen, wie die Lager- und Transportplanung. Bei geringem Aufwand bieten diese zentralen Hebel signifikante Effizienzsteigerungen.
  • Breitenwirksame Lösungen: Diese Kategorie beschreibt Anwendungen mit hoher Verbreitung, insbesondere im Netzwerkmanagement, die besonders auf bewährte Prozesse sowie Skalierbarkeit abzielen.
  • Spezialisierte Potenziale: Hier liegt ein hoher Nutzen bei einer niedrigen Bekanntheit der Anwendungsfälle vor. Beispiele liegen in der Produktionslogistik und dem Güterumschlag. Anwendungsfälle aus diesem Quadranten sind ideal geeignet für Pilotprojekte mit gezieltem Fokus auf bisher nicht beachteten Chancen.
  • Periphere Einsatzmöglichkeiten: Diese Anwendungen zeichnen sich durch einen geringen zu erwartenden Nutzen und eine niedrige Bekanntheit aus. Insbesondere Anwendungsfälle mit Einzelnennungen wie z. B. in der Baulogistik oder dem Logistikpersonalmanagement, die infolge der niedrigen Nutzeneinschätzung nicht dargestellt sind, fallen in diesen Bereich.
Bild 3: Vier-Felder-Matrix zur Kategorisierung von Anwendungsfällen.
Bild 3: Vier-Felder-Matrix zur Kategorisierung von Anwendungsfällen.

Die Expertinnen und Experten schätzten insbesondere die Bereiche Lagerhaltung, Transport und Netzwerkmanagement als besonders vielversprechend ein. Während DSCT in der Lagerverwaltung eine optimierte Bestandsführung und Prozesssteuerung ermöglichen, können sie im Netzwerkmanagement zur besseren Koordination von Transportströmen eingesetzt werden. Sinnvolle Nischenanwendungsfälle für Pilotprojekte zeigen sich insbesondere in der Produktionslogistik und dem Güterumschlag.

Diese Erhebung steht im Einklang mit der wissenschaftlichen Erkenntnis, dass Potenziale der Netzwerkebene (bestehend aus Netzwerk-Management und Transportoptimierung) eine hervorgehobene Stellung innehaben [13]. Trotz dieser Erwartungen an Anwendungen auf der Netzwerk-Ebene wurden bislang in der Forschung verstärkt standortbezogene DSCT-Lösungen untersucht [5, 13].

Basierend auf dem Ergebnis dieser Einschätzung lassen sich die zu erwartenden Mehrwerte der verschiedenen Anwendungsfälle weiter spezifizieren. Die ausschlaggebenden Vorteile liegen in der Verbesserung der Entscheidungsfindung, durch Transparenz der Geschäftsprozesse und Was-wäre-wenn-Szenarien, und in diesem Zuge auch in wirtschaftlichen Einsparungen. (Echtzeit-)Daten ermöglichen eine präzisere Abstimmung von Prozessen, wodurch Bestände reduziert, Transportwege optimiert und Durchlaufzeiten verkürzt werden können.

Unternehmen profitieren zusätzlich von besserer Flexibilität und Reaktionsfähigkeit. Transparente Daten erlauben es, schneller auf Störungen oder Nachfrageveränderungen zu reagieren und so die Robustheit der Lieferketten zu erhöhen. Ferner leisten DSCT einen Beitrag zu Nachhaltigkeitszielen, indem die Ressourcennutzung und Emissionen gezielt sichtbar gemacht und dann reduziert werden können [17].

Implikationen für Theorie und Praxis

Die Potenziale von DSCT für die Logistik sind eindeutig erkennbar und folgend exemplarisch an der Automobilbranche verdeutlicht. Die Erkenntnisse lassen sich jedoch auf weitere Industrien übertragen. In diesem Kontext lassen sich drei zentrale Untersuchungsfelder identifizieren:

Erstens sind weiterführende quantitative Untersuchungen erforderlich, um den Mehrwert von DSCT in Wertschöpfungsnetzwerken zu analysieren. Sie könnten etwa in der Automobilproduktion eine präzisere Bedarfsprognose ermöglichen und dadurch Materialpuffer sowie Kapitalbindungskosten reduzieren.

Zweitens bedarf es strategische Ansätze zur Adressierung von Einschränkungen. Standardisierte Schnittstellen, Change-Management-Konzepte sowie klare rechtliche Rahmenbedingungen sind essenziell. Ein Beispiel aus der Automobilbranche zeigt, dass softwaregesteuerte Produktionsplanungen trotz anfänglicher Widerstände langfristig zu Effizienzsteigerungen führen können. Eine zentrale Voraussetzung für den Erfolg ist jedoch die Bereitschaft zum Datenaustausch zwischen Unternehmen entlang der Wertschöpfungskette. Fehlt diese, bleiben Optimierungspotenziale ungenutzt.

Drittens bietet die Verknüpfung logistischer Systeme auf Standort- und Netzwerkebene weitreichende Möglichkeiten zur Optimierung. So könnten Automobilhersteller Engpässe früher erkennen und alternative Beschaffungswege prüfen. Allerdings erfordert dies eine vertrauensvolle Kooperation zwischen Zulieferern und Herstellern, um einen offenen Datenaustausch zu ermöglichen. Trotz erster wissenschaftlicher Arbeiten bleibt die praktische Umsetzung begrenzt.

Bereitschaft zum Datenaustausch als entscheidender Erfolgsfaktor

Die Ergebnisse der durchgeführten Untersuchung verdeutlichen, dass DSCT in der Praxis noch in einer frühen Entwicklungsphase stehen. Während erste Implementierungen bereits realisiert wurden, befindet sich die Mehrzahl der Initiativen noch in der Planungsphase. Die Analyse hat sowohl zentrale Herausforderungen als auch vielversprechende Anwendungsfelder identifiziert. Insbesondere die Datenverfügbarkeit und der Datenaustausch stellen kritische Erfolgsfaktoren dar.

DSCT sind nicht nur ein Werkzeug zur operativen Effizienzsteigerung, sondern auch ein strategischer Hebel für die Zukunftsfähigkeit von Wertschöpfungsnetzwerken. Am Beispiel der Automobilindustrie zeigt sich, dass sie eine agile, datengetriebene Produktionssteuerung und flexiblere Programmplanungszyklen ermöglichen. Unternehmen, die frühzeitig in diese Technologie investieren und Pilotprojekte initiieren, können erhebliche Wettbewerbsvorteile erzielen. Dabei wird die Bereitschaft zum Datenaustausch zu einem entscheidenden Erfolgsfaktor. Während die Automobilbranche eine erste Anwendungsdomäne darstellt, sind die identifizierten Herausforderungen und Potenziale auch für andere Branchen von hoher Relevanz.


Literatur

[1] Shaw, S.: Using a Supply Chain Digital Twin to Improve Logistics. URL: https://clarkstonconsulting.com/insights/supply-chain-digital-twin/, Abrufdatum: 21.01.2025.
[2] Straube, F.; Nitsche, B.: Heading into “The New Normal”: Potential Development Paths of International Logistics Networks in the Wake of the Coronavirus Pandemic. In: Internationales Verkehrswesen 72 (2020) 3, S. 31–35.
[3] Von See, B.; Kersten, W. u. a.: Trans und Strategien in Logistik und Supply Chain Management 2023/2024. Triple Transformation: Digitalisierung, Nachhaltigkeit und Resilienz als Leitlinien zukunftsfähiger Wertschöpfungsketten – eine Studie der Bundesvereinigung Logistik e.V. und der TU Hamburg. Bremen Hamburg 2024.
[4] Junge, A. L.; Verhoeven, P. u. a.: Pathway of Digital Transformation in Logistics: Best Practice Concepts and Future Developments. Berlin 2019.
[5] Gerlach, B.; Zarnitz, S. u. a.: Digital Supply Chain Twins—Conceptual Clarification, Use Cases and Benefits. In: Logistics 5 (2021) 4, S. 86.
[6] DHL: The DHL Logistics Trend Radar 7.0. URL: https://www.dhl.com/discover/en-global/news-and-insights/reports-and-press-releases/logistics-trend-radar-2024, Abrufdatum 21.01.2025.
[7] Moosbrugger, H.; Kelava, A.: Testtheorie und Fragebogenkonstruktion, 2. Auflage. Berlin Heidelberg 2012, S. 30–59.
[8] Reich, C.: Placemat-Methode – Methodenpool. URL: https://methodenpool.de/placemat-methode/, Abrufdatum 20.01.2025.
[9] Akbulut, M.; Schicker, S. u. a.: NaWiKon – ein simulierter Peer-Review-Prozess zur Förderung der wissenschaftlichen Textkompetenz“. In: Textfeedback 47 (2023) 2, S. 70–79.
[10] Mayring, P.: Stichprobenziehung in der qualitativen Sozialforschung. In Baur, N.; Blasius, J. (Hrsg): Handbuch Methoden der empirischen Sozialforschung. Wiesbaden 2014.
[11] Uhlenkamp, J.; Hauge, J. u. a.: Digital Twins: A Maturity Model for Their Classification and Evaluation. In: IEEE Access 10 (2022), S. 69605–69635.
[12] Zarnitz, S.; Straube, F.: Digital Twins in Logistics: Requirements, Application and Potentials. In: Schupp, F.; Wöhner, H. (Hrsg): Digitalisierung im Einkauf. Wiesbaden 2023.
[13] Zarnitz, S.; Straube, F. u.a.: Digital Supply Chain Twins for Sustainable Planning of a Logistics System. In: Manufacturing Driving Circular Economy (2023), S. 68–76.
[14] Ivanov, D.; Dolgui, A.: A digital supply chain twin for managing the disruption risks and resilience in the era of Industry 4.0. In: Production Planning & Control 32 (2021) 9, S.775-788.
[15] Otto, B.; Jarke, M.: Designing a multi-sided data platform: findings from the International Data Spaces case. In: Electronic Markets 29 (2019) 1.
[16] Cappiello, C.; Gal, A.: Data Ecosystems: Sovereign Data Exchange among Organizations (Dagstuhl Seminar 19391). In: Dagstuhl Reports (2020) 9 (9), S. 66–134.+
[17] Spleth, P.; Korbel, J. J. u. a.: Sustainability Effects of Digital Twins: A Review. In: PACIS (2024) Proceedings. 5.

Ihre Downloads