Digitale Zwillinge für Produktions- und Logistiksysteme

Die fortschreitende Digitalisierung in Produktion und Logistik fordert eine ständige Weiterentwicklung bestehender digitaler Methoden und Werkzeuge. Ein vielversprechender Ansatz ist der Digitale Zwilling (DZ), der nach ISO/IEC 30173:2023-11 eine digitale Repräsentation von Objekten aus der realen Welt (zum Beispiel Ressourcen, Produkte oder Prozesse) darstellt [1]. Unter Verwendung der Simulation und geeigneter Datenschnittstellen entsteht eine echtzeitnahe Abbildung des aktuellen Systemverhaltens, die fundierte Analysen, belastbare Prognosen und – bei geeigneter Auslegung – steuernde Eingriffe in die Realität ermöglicht [2, 3].

Dieses Konzept schafft neue Perspektiven für die Planung und den Betrieb von Produktions- und Logistiksystemen, beispielsweise bei der virtuellen Inbetriebnahme (vIBN) von Anlagen, der simulationsgestützten Verbesserung von Produktionsabläufen, der datenbasierten Prozessoptimierung oder der Überwachung komplexer Material- und Warenflüsse [4]. Trotz des hohen Potenzials stoßen Unternehmen bei der Implementierung und Nutzung DZ jedoch immer wieder auf technische, organisatorische und wirtschaftliche Herausforderungen [4].

Um einen Überblick über veröffentlichte Anwendungsfälle sowie Herausforderungen bei der Implementierung und Nutzung DZ zu erhalten, wird zunächst eine systematische Literaturrecherche durchgeführt. Die initiale Suche liefert 244 Treffer, von denen acht Quellen mit umfassendem Review im Detail analysiert werden [4-11]. Zur Ergänzung der Literaturrecherche fließen die Ergebnisse einer empirischen Erhebung ebenfalls in die nachfolgende Auswertung ein. Im Rahmen einer Veranstaltung [12] wurden Einsatzmöglichkeiten des DZs in Produktion und Logistik sowie Herausforderungen bei der Implementierung und Nutzung DZ von 68 Teilnehmerinnen und Teilnehmern erfragt. Eine Dokumentation der Recherche sowie der Befragung findet sich im Repositorium der Universität Kassel [13].

Einsatzzweck eines Digitalen Zwillings

Eine erste Analyse der Datensätze [4-11, 13] zeigt 258 Anwendungsfälle vom DZ auf, die sich in acht Cluster gruppieren lassen (Bild 1). Jedes Cluster steht für einen Einsatzzweck des DZs zur Unterstützung der Planung und/oder des Betriebs von Produktions- und Logistiksystemen und wird als Kreis dargestellt. Der Kreisdurchmesser ergibt sich aus der Summe des Wertes der X-Achse (Anzahl der Nennungen aus der Literatur) und des Wertes der Y-Achse (Anzahl der Nennungen aus der Befragung).

Der am häufigsten genannte Einsatzzweck bezieht sich auf die Nutzung des DZs zur kontinuierlichen „Überwachung“ der Betriebszustände eines Produktions- und Logistiksystems oder auch der Qualität von produzierten Gütern (71 Anwendungsfälle, ID 1-71 in [13]). Durch die Abbildung von echtzeitnahen Systemzuständen wird eine erhöhte Transparenz und Rückverfolgbarkeit in Produktions- und Logistikprozessen geschaffen. Die „Analyse“, zum Beispiel von Produktions- und Logistikszenarien in der Planungsphase oder von Strategien zur Produktionsplanung und -steuerung in der Betriebsphase von Produktions- und Logistiksystemen, ist ein ebenfalls gut dokumentierter Einsatzbereich des DZs (66 Anwendungsfälle, ID 72-137 in [13]).

Thematisch eng verbunden ist der häufig genannte Einsatzzweck „Optimierung“ (52 Anwendungsfälle, ID 180-231 in [13]), der beispielsweise die Termin- und Layoutoptimierung für eine Produktionslinie, Prozessoptimierung in Lagerhallen oder Ressourcenoptimierung in der Produktionslogistik umfasst. Die genannten drei Bereiche „Überwachung“, „Analyse“ und „Optimierung“ sind in der Praxis bereits heute schon, zum Beispiel zur Verbesserung der Effizienz und Leistung von Produktions- und Logistiksystemen und -prozessen, relevant und dürften zukünftig weiter an Relevanz gewinnen.

Mit entsprechender Datengrundlage können DZ auch für „Prognosen“ auf Basis von Echtzeitdaten eingesetzt werden, zum Beispiel für die Prognose von Ausfällen, Engpässen oder Anomalien zur Einleitung proaktiver Maßnahmen (23 Anwendungsfälle, ID 157-179 in [13]). DZ sind aber auch für die operative „Steuerung“ von Produktionssystemen in Echtzeit geeignet (22 Anwendungsfälle, ID 232-253 in [13]), beispielsweise für die Produktionssteuerung oder die Steuerung eines fahrerlosen Transportsystems.

Nur wenige Anwendungsfälle finden sich in dem Bereich der Mensch-Maschine-Interaktion („H2M-Interaktion“) (5 Anwendungsfälle, ID 254-258 in [13]), obwohl der DZ zur erweiterten Kollaboration oder für realitätsnahe Schulungen durch Simulation der Arbeitsumgebung für Montageaufgaben genutzt werden kann. Die „vIBN“ stellt den testweisen Betrieb eines geplanten Systems in einer virtuellen Umgebung dar und findet laut Auswertung bisher ebenfalls nur geringe Anwendung (3 Anwendungsfälle, ID 138-140 in [13]).

Der Implementierungsaufwand eines DZs variiert je nach Einsatzzweck – ein DZ zur Überwachung bedarf weitaus weniger Implementierungsaufwand als ein DZ zur Echtzeitsteuerung in einem Produktions- oder Logistiksystem. Dennoch sind die grundsätzlichen Herausforderungen ähnlich und werden nachfolgend thematisiert.

Herausforderungen und Handlungsfelder

Die Ergebnisse der Literaturrecherche und der empirischen Befragung geben in der weiteren Analyse Einblicke in die Herausforderungen bei der Implementierung und Nutzung des DZs für Produktions- und Logistiksysteme (Bild 2). Zur Differenzierung der Nennung in der Literatur [4-11] und bei der Befragung [13] werden Antworten aus der Wirtschaft mit [W] gekennzeichnet. Ausgehend von den Herausforderungen können acht Handlungsfelder abgeleitet werden.

Implementierung, Nutzung und Pflege

Bei der Implementierung und Nutzung eines DZs muss unterschieden werden, ob diese bereits in der Planungsphase neuer Produktions- oder Logistiksysteme eingebunden oder erst in der Betriebsphase eines bestehenden Systems integriert werden sollen. Zur strukturierten Implementierung stehen bereits Referenzarchitekturen zur Verfügung (zum Beispiel Referenzarchitekturmodell Industrie 4.0 (RAMI 4.0) [14] oder Referenzarchitektur Digitaler Zwillinge für die Fertigung [15]). Allerdings stellen sowohl die Modellierung bei der Implementierung als auch die fortlaufende Modellpflege und Aktualisierung der Modelle während der Nutzung erhebliche Aufwände dar.

Mithilfe standardisierter Metamodelle (Submodel Templates, Industrial Digital Twin Association e. V. (IDTA) [16]) lassen sich zukünftig Initialaufwände reduzieren, jedoch befinden sich eine Vielzahl von ihnen zurzeit noch in der Entwicklungsphase. Des Weiteren wird der oft unterschätzte Zusatzaufwand in der Planungsphase von Produktions- und Logistiksystemen seitens der Wirtschaft hervorgehoben. Alle genannten Aufwände sind dem ersten Handlungsfeld „Implementierung, Nutzung und Pflege“ zuzuordnen.

Modellierung und Skalierung

Herausforderungen bei der Modellierung werden ausschließlich in der analysierten Literatur genannt. Die Komplexität und Skalierbarkeit von digitalen Modellen (zum Beispiel Informationsmodelle, CAD-Modelle, Simulationsmodelle) nimmt durch die steigende Systemkomplexität zu und erfordert zusätzliche Rechenzeit.

Oft sind für einen Einsatzzweck sogar mehrere Modelle mit einem unterschiedlichen Detaillierungsgrad, insbesondere für die Nachnutzung, notwendig. Standardisierte Modelle sowie einheitliche Austauschformate (zum Beispiel IDTA [16] und AASX-Package [17]) helfen bei der Strukturierung von Informationen und unterstützen die Wiederverwendung existierender Modelle. Aus den Anforderungen an digitale Modelle ergibt sich das zweite Handlungsfeld „Modellierung und Skalierung“.

Interoperabilität

Weitere Herausforderungen betreffen vor allem die Echtzeit-Synchronisation zwischen DZ und realem System, wobei zwischen der Umsetzung einer unidirektionalen, einer bidirektionalen und einer kontextbezogenen Konnektivität unterschieden werden kann [18]. Dies erfordert ein präzises Schnittstellenmanagement und den Einsatz geeigneter Middleware.

Für die nahtlose Vernetzung verschiedener Systeme ist die Umsetzung einer hinreichenden Interoperabilität entscheidend, die beispielsweise durch Standards wie die Asset Administration Shell [19] erreicht werden kann. RAMI 4.0 konkretisiert den Einsatz der Verwaltungsschale als interoperables Bindeglied zwischen digitalen und physischen Systemkomponenten, wobei internationale Standards wie die Open Platform Communications Unified Architecture [20] eine standardisierte Kommunikationsinfrastruktur ermöglichen.

Die Literatur sieht darüber hinaus die Bereitstellung leistungsstarker Hard- und Software für die Simulation und Analyse des DZs als Herausforderung an, da die Ergebnisse echtzeitnah ermittelt werden müssen. Veraltete, starre IT-Systeme erschweren die Digitalisierung und behindern die Einführung moderner Technologien, zum Beispiel Internet of Things [21]. Standardisierte Schnittstellen- und Kommunikationsmodelle (zum Beispiel IDTA oder Projekte wie Catena-X [22]) könnten hier zukünftig stärker zum Einsatz kommen. Die technologischen Aspekte definieren das dritte Handlungsfeld „Interoperabilität“.

Datenmanagement

Ein effektives „Datenmanagement“ (viertes Handlungsfeld) gewährleistet die erforderliche Datenqualität und ermöglicht das Verarbeiten großer Datenmengen. Die Gewährleistung der Datenhoheit in cloudbasierten und unternehmensübergreifenden Anwendungen stellt dabei ein Risiko dar [23], sodass eine klare Governance-Struktur sowie einheitliche Zugriffskonzepte erforderlich sind.

Ebenso anspruchsvoll sind die Integration heterogener Datenquellen und -formate sowie die Auswahl geeigneter Erfassungssysteme [24] zur Sicherstellung einer hohen Datenverfügbarkeit. Die semantische Beschreibung technischer Merkmale (zum Beispiel Common Data Dictionary [25]), eine standardisierte Kommunikation (zum Beispiel Sprache für Industrie 4.0-Komponenten [26]) und der verlustfreie Austausch zwischen Systemen (zum Beispiel Standard for the Exchange of Product Data [27]) gewinnen deshalb weiter an Bedeutung.

Datensicherheit und -schutz

Zudem müssen Aspekte zum Datenschutz und zur Cybersicherheit berücksichtigt werden. Projekte wie Catena-X befassen sich mit Lösungen in übergreifenden Datenökosystemen, in denen Identitäts- und Autorisierungssysteme zukünftig vermehrt für die sichere Verwaltung von Zugriffsrechten sorgen [22].

Die analysierte Literatur hebt ebenfalls hervor, dass auch ethische oder rechtliche Aspekte zu klären sind (zum Beispiel der Umgang mit personenbezogenen Daten zur Leistungsbeurteilung oder die Klärung der Haftung bei Fehlfunktionen des DZs mit anschließendem Schadensfall). Entsprechende Maßnahmen auf technischer Ebene schützen sensible Daten, während Schulungen das Bewusstsein für Cybersicherheitsrisiken schärfen und deren Eintrittswahrscheinlichkeit reduzieren. Dies charakterisiert das fünfte Handlungsfeld „Datensicherheit und -schutz“.

Kompetenz und Methoden

Fachliche und organisatorische Anforderungen werden im sechsten Handlungsfeld „Kompetenz und Methoden“ gebündelt. Fehlende Methoden, mangelnde Standardisierung, unzureichende Qualifikation und Missverständnisse bezüglich der zu betrachtenden Produktions- und Logistiksysteme können die erfolgreiche Einführung vom DZ beeinträchtigen.

Um ein DZ effektiv einsetzen zu können, wird in der analysierten Literatur die Berücksichtigung eines ganzheitlichen Ansatzes bei der Implementierung in Produktions- und Logistiksysteme betont, wobei eine ganzheitliche Umsetzung beispielsweise durch standardisierte Roadmaps empfohlen wird [28]. Interdisziplinäre Teams, Weiterbildung und ein kompetentes Projektmanagement sind dabei entscheidend für den Implementierungserfolg.

Veränderungsmanagement

Vertrauensprobleme bestehen sowohl auf organisatorischer Ebene als auch auf Anwendungsebene [29]. Akzeptanz, Vertrauen und überzeugende Business Cases, zum Beispiel für die Nachnutzung, sind jedoch essenziell für den längerfristigen Einsatz eines DZs.

Das Vertrauen auf Anwendungsebene kann beispielsweise durch eine gemeinsame Modellvalidierung oder durch Transparenz in Bezug auf Maßnahmen zur Einhaltung des Datenschutzes aufgebaut werden [29]. Ein gezieltes „Veränderungsmanagement“, das durch die aktive Einbindung und Schulung des Personals unterstützt wird, bildet das siebte Handlungsfeld.

Wirtschaftlichkeit

Das achte Handlungsfeld „Wirtschaftlichkeit“ thematisiert Kosten für die Implementierung eines DZs und seine langfristige Nutzung durch kontinuierliche Modellpflege sowie Unsicherheiten bezüglich des wirtschaftlichen Nutzens. Kosten-Nutzen-Analysen stellen die betriebswirtschaftliche Rentabilität der Einführung Digitaler Zwillinge sicher.

Zur ökonomischen Bewertung des DZs wird die Nutzung etablierter Methoden empfohlen [29], zum Beispiel Total Cost of Ownership. In der Wirtschaft wird insbesondere die Notwendigkeit dedizierter Budgets für die erfolgreiche Projektierung eines DZs als notwendig erachtet.

Zusammenspiel der Handlungsfelder

Für eine ganzheitliche Betrachtung wird im Folgenden eine Strukturierung der zuvor beschriebenen Handlungsfelder in übergeordnete Dimensionen vorgestellt (Bild 3). Die ersten beiden Handlungsfelder befassen sich mit den digitalen Modellen für einen DZ und werden unter der Dimension „Modelle des Digitalen Zwillings“ zusammengefasst.

Technologische Voraussetzungen sind in den Handlungsfeldern drei bis fünf adressiert und in der Dimension „IT-Infrastruktur“ wiederzufinden. Die Handlungsfelder sechs bis acht betreffen organisatorische und wirtschaftliche Aspekte und sind der Dimension „Anwendung des Digitalen Zwillings” zugeordnet.

Aus den drei Dimensionen ergeben sich Interdependenzen, die nur bei einer ausgewogenen Berücksichtigung zu einer erfolgreichen Implementierung und Nutzung eines DZs führen. Im Zusammenspiel der drei Dimensionen ist es entscheidend, neben Soft- und Hardwarekenntnissen weitere Kompetenzen für die Projektierung der Implementierung eines DZs sowie für die Modellierung und Pflege digitaler Modelle des Digitalen Zwillings aufzubauen.

Schulungen helfen nicht nur, Wissen zu vermitteln, sondern steigern auch die Akzeptanz und Effektivität des DZs. Budgets sind sowohl für den Aufbau des nötigen Know-hows als auch für die technische Ausstattung bereitzustellen. Eine adäquate IT-Infrastruktur, die eine Einbindung Digitaler Zwillinge in Produktions- und Logistiksysteme ermöglicht, bildet die Basis für die wirtschaftliche Nutzung und den zweckmäßigen Einsatz des DZs.

Für eine echtzeitnahe Abbildung der Logistik- und Produktionssysteme ist eine leistungsstarke Hard- und Software erforderlich, die eine automatische Datenerfassung ermöglicht und durch praktikable Schnittstellen eine nahtlose Weiterverarbeitung der Daten im DZ sicherstellt. Entsprechend sollten Business Cases gezielt auf den Einsatzzweck des DZs und auf die verfügbaren Ressourcen im Unternehmen abgestimmt sein. Standards wie RAMI 4.0 [14] und AAS [19], spezifische ISO-Normen zum DZ [15], umfassende Übersichten in Form von Normungsroadmaps [28] sowie Ergebnisse der IDTA [16] unterstützen bereits heute eine erfolgreiche Implementierung sowie nachhaltige Nutzung und Pflege von DZ für Produktions- und Logistiksysteme.

Weitere Potenziale

Die oben aufgeführten Einsatzzwecke verdeutlichen das Potenzial des DZs für Produktions- und Logistiksysteme. Aus den identifizierten Herausforderungen lassen sich thematische Handlungsfelder und übergeordnete Dimensionen ableiten. Eine adäquate Balance zwischen den Dimensionen ist für eine erfolgreiche Implementierung und nachhaltige Nutzung vom DZ sicherzustellen.

Zukünftig sind weitere Forschungsarbeiten im Bereich der Standards und Methoden erforderlich, um Unternehmen bei der Identifizierung geeigneter Anwendungsfälle, der Begleitung einer effizienten Implementierung sowie der Sicherstellung der langfristigen Nutzung und Pflege zu unterstützen. Insbesondere bei der Einführung sind Aspekte wie Detaillierung, Konnektivität und Sicherstellung der Aktualität der Modelle relevante Forschungsfelder.

Das könnte Sie auch interessieren

Kooperationsroutinen in digitalen Ökosystemen Eine Mikrofundierung integrativer dynamischer Fähigkeiten Christian Zabel , Tahir Schmidt

Komplementoren spielen eine zentrale Rolle bei der Wertschöpfung in digitalen Ökosystemen, verfügen jedoch nur über begrenzten Einfluss und müssen sich durch dynamische Fähigkeiten anpassen. Aufbauend auf dem „Profiting From Innovation“-Rahmenwerk untersucht diese Studie, wie sich integrative Fähigkeiten bei Komplementoren durch kooperative Routinen manifestieren. Auf Basis einer systematischen Literaturrecherche von in Scopus indexierten Studien aus den Jahren 2020 bis Mitte 2025, die die Mikrofundierung „Orchestrierung von Ökosystemakteuren“ untersuchen, identifizieren wir zwei Routinecluster. Zum einen kooperieren Komplementoren untereinander durch die Auswahl geeigneter Partner, Koalitionsbildung, Ressourcenteilung und Risikoverteilung, während sie gleichzeitig kritische Ressourcen schützen. Zum anderen kooperieren sie mit Plattformbetreibern durch Interaktion über verschiedene Kanäle, Qualitätssignalisierung, Einhaltung von Governance-Vorgaben, Integration ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 4 | Seite 22-28 | DOI 10.30844/I4SD.26.4.3

Datengestützte Lieferantenauswahl in der Industrie 4.0 Auf dem Weg zu einer industriellen Plattform für Auswahl und Konfiguration Purushothaman Ganesh , Baris E. Albayrak , Jörg Franke , Till Sindel , Jens Fürst, Sebastian Lang

Industrielle Lieferketten müssen ihre Beschaffungsstrategien als Reaktion auf Störungen immer wieder neu ausrichten, doch Informationen über die Leistungsfähigkeit von Lieferanten sind nach wie vor uneinheitlich und lassen sich nur schwer operativ umsetzen. Bisherige Forschungsarbeiten behandeln Lieferantenauswahl, Simulation und Interoperabilitätsstandards getrennt voneinander und betrachten die Erfassung, Bewertung und Optimierung als voneinander getrennte Schritte, die eine manuelle Datentransformation erfordern. Dieser Beitrag stellt ein Rahmenkonzept für eine datengesteuerte industrielle Plattform vor, die drei Komponenten integriert: Lieferantenprofile auf Basis der Asset Administration Shell, strukturiert durch eine Actor-Service-Ontologie zur semantischen Identifikation von Lieferanten, automatische Generierung von Simulationsmodellen für diskrete Ereignisse (Discrete-Event Simulation) aus Layoutdaten zur Leistungsbewertung sowie KPI-gesteuerte Konfiguration mithilfe von ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 4 | Seite 50-61 | DOI 10.30844/I4SD.26.4.6

Open Source als Wegbereiter für intelligente Datenökosysteme Wie Zusammenarbeit Souveränität prägt und Interoperabilität in industriellen Anwendungen Anna Maria Schleimer , Julia Pampus

Von Lieferketten in der Automobilindustrie bis hin zu intelligenten Fabriken – Datenökosysteme versprechen eine nahtlose Zusammenarbeit über Unternehmensgrenzen hinweg. Doch wie können Branchen die erforderliche Infrastruktur aufbauen, ohne neue Abhängigkeiten zu schaffen? Dieser Artikel untersucht, wie Open-Source-Software als Grundlage und wirkungsvolles Instrument für souveräne, interoperable Technologien und Standards dienen kann. Allerdings ist Open-Source-Software kein Allheilmittel; vielmehr stellt sie die digitale Souveränität in aufstrebenden Datenökosystemen vor Herausforderungen.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 4 | Seite 6-13 | DOI 10.30844/I4SD.26.4.1

Vom Privatrecht zum privaten Recht Regelsetzung durch industrielle Online-Plattformen Pia C. Romeike, Frederik Bär

Industrielle Online-Plattformen bieten innovative Wege einer effizienten Wertschöpfung und bringen damit das Erfolgsrezept der digitalisierten Wirtschaft mit. Rechtlich erfasst sind sie bislang allerdings kaum. Was sind industrielle Online-Plattformen überhaupt und welche rechtlichen Aspekte sind zu beachten? Es wird festzustellen sein, dass die auf Plattformen zugeschnittenen Regelwerke für industrielle Online-Plattformen nur bedingt greifen und diese vielmehr ihr eigenes Recht setzen. Sie nutzen vorrangig ihre Allgemeinen Geschäftsbedingungen, um rechtliche Strukturen zu schaffen. Daher stellt sich einerseits die Frage, ob sich die Regelungen des europäischen Gesetzgebers auf die uns bekannte AGB-Kontrolle auswirken und andererseits, ob Verhandlungsungleichgewichte zu unerwünschten Machtverhältnissen führen.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 4 | Seite 98-105 | DOI 10.30844/I4SD.26.4.11

Industrie 4.0 – Fortschritt und Digitalisierung in der Schwebe Status der nachhaltigen Transformation und Digitalisierung in der Produktionstechnik Christian Donhauser , Daniel Riepl

Digitalisierungsprojekte helfen dem Anwender, komplexe Prozesse einfacher und effizienter darzustellen. Allerdings gibt es viele Hemmnisse, welche die Umsetzung deutlich erschweren. Zurückhaltung bei der Umsetzung ist spürbar. Dies trifft unter anderem Arbeitgeber und Arbeitnehmer, die durch das Warten oder Vermeiden ins ökonomische Abseits geraten können. Diese Beobachtungen lassen sich auf eine übergeordnete wissenschaftliche Leitfrage zurückführen: Welche Barrieren und systemischen Herausforderungen erschweren eine nachhaltige Transformation im Rahmen von Industrie 4.0, insbesondere unter Berücksichtigung menschlicher Arbeit in der Produktionstechnik? Welche Fragen stellen sich die betroffenen Akteure? Das wesentliche Ziel dieser langfristig ausgelegten Forschungsarbeit ist es, diese Fragen dezidiert und im Detail zu konkretisieren, um daraus ein konzeptionelles Fundament zu entwickeln, das Forschung, Lehre und technologische Entwicklung integriert und die Potenziale ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 56-60

KI-gestützte Beölungsstrategien beim Gewindeformen Adaptive Sprühstrahlsteuerung zur Erhöhung von Prozesssicherheit und Werkzeugstandzeit Reinhard Schmied, Marco Susic, Christian Donhauser

Das Gewindeformen erfordert eine präzise Schmierstoffapplikation, da hohe Flächenpressungen und lokale Temperaturspitzen die Werkzeugbelastung erheblich beeinflussen. Aktuelle Sprüh- und Minimalmengenschmierungssysteme (MMS) weisen trotz etablierter Technik häufig Streuverluste, unzureichende Benetzung und instabile Tropfendynamik auf. Diese wissenschaftliche Betrachtung beinhaltet und untersucht einen integrativen Ansatz zur adaptiven Präzisionsbeölung beim Gewindeformen, der auf Computational Fluid Dynamics (CFD)-basierter Strömungsanalyse, experimenteller Validierung und Künstliche Intelligenz (KI)-gestützten Optimierungsverfahren basiert. Im Fokus stehen Tropfengröße, Strahlgeometrie, Düsenposition und Umgebungsströmung sowie deren Einfluss auf die Benetzungsintensität. Erste simulationsgestützteVoruntersuchungen zeigen das Potenzial einer datenbasierten Optimierung zur Reduktion von Benetzungsdefiziten und zur Auslegung künftiger Regelstrategien für eine ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 76-83