The Digital Twin Theory

Eine digitalisierte Industrie bietet großes wirtschaftliches Potenzial: Allein im Maschinen- und Anlagenbau sei durch Industrie 4.0 eine kumulierte Produktivitätssteigerung bis zum Jahr 2025 von 30 % zu erwarten [1]. Diese Steigerung basiert im Kern auf der nahtlosen Vernetzung aller Akteure und Systeme sowohl horizontal als auch vertikal.

Der Verbesserung der vertikalen Vernetzung der Hierarchieebenen entsprechend der IEC 62264 sowie auf ihr beruhende Verfahren und Dienste widmen sich bereits verschiedene Forschungsarbeiten. Als Beispiel seien Arbeiten zum Thema „Predictive Maintenance“ auf Basis von Sensordaten genannt [2]. Ebenso sind Lösungen für die ungünstige Situation bei der vertikalen Informationsintegration bedingt durch heterogene Feldbusse und IT-Protokolle in Arbeit, zum Beispiel wird aktuell eine übergreifende Industrie 4.0-Kommunikation auf Basis von standardisierten Informationsmodellen erarbeitet [3].

Notwendigkeit für Digitale Zwillinge

In Zukunft können Maschinen und Anlagen ohne den bislang notwendigen hohen Integrationsaufwand per „Plug & Monitor“ in übergeordnete Systeme eingebunden werden. Jedoch genügt die vertikale Vernetzung nicht allein, um die erstrebten Produktivitätssteigerungen zu erreichen.

Der nächste notwendige Schritt ist die stärkere horizontale Vernetzung der Wertschöpfungsketten. Diese horizontale Vernetzung ist im Referenzarchitekturmodell Industrie 4.0 (RAMI 4.0) der IEC 62890 in der Life Cycle & Value Stream-Achse beschrieben [4]. Entlang dieser Achse, die den Produktlebenszyklus Entstehung, Produktion, Verwendung etc. darstellt, muss sich der Praktiker heute mit proprietären Schnittstellen und Informationsmodellen auseinandersetzen [5]. Strukturinformationen und Modelle aus Design- und Engineering-Werkzeugen könnten beispielsweise die Diagnose von Produktionsmaschinen im Fehlerfall erleichtern, sind jedoch bislang inkompatibel zu dort eingesetzten Systemen.

Folglich wird die größte Produktivitätssteigerung in diesem Bereich im kostenintensiven Engineering erwartet [6]. Eine besondere Rolle spielt dabei der Digitale Zwilling. Laut Gartner hätte er als wichtiges Element des Produktlebenszyklusmanagements das Potenzial für die Einsparung von mehreren Milliarden von Euros [7].

Der Digitale Zwilling wirkt neben der Life Cycle & Value Stream-Achse auch in der Layer-Achse und in der Hierarchy Levels-Achse von RAMI 4.0.

Bild 1 zeigt symbolisch den RAMI 4.0-Raum, in dem der Digitale Zwilling „schwebt“. Allerdings helfen solche Bilder den Praktikern nicht bei der Klärung, wie die erhofften Produktivitätssteigerungen zu realisieren sind. Daher werfen wir zunächst einen tieferen Blick auf die aktuelle Definitionslage zum Digitalen Zwilling.

Heterogene Definitionslage

In der technischen Domäne ist ein Zwilling seit den späten 1960er Jahren durch die NASA bekannt. Damit war der identische Nachbau eines Raumfahrzeugs gemeint, der auf der Erde verblieb, um die Auswirkungen von Steuerbefehlen zu analysieren, bevor diese an das entfernte Raumfahrzeug gesendet werden. Es war wiederum die NASA, die im Jahr 2010 erstmals das Attribut „digital“ einem technischen Zwilling hinzufügte. Sie meinte damit ein Simulationsmodell, das das Verhalten eines physikalischen Raumfahrzeugs abbildet [8].

Ungefähr zeitgleich wurde der Begriff in der industriellen Domäne eingeführt. Damit war das virtuelle Abbild eines physischen Produkts in PLM-Systemen gemeint (PLM – Product Lifecycle Management) [9]. Populär wurde der Begriff allerdings erst mit dem Aufkommen der Idee von Industrie 4.0 und als Firmen begannen, den digitalen Zwilling für das eigene Marketing zu nutzen, wie zum Beispiel in [10]. Seitdem sind zahlreiche Definitionen entstanden, wie die folgende Auswahl zeigt:

Der Digitale Zwilling ist eine digitale Repräsentanz von Dingen aus der realen Welt [11]; ein Konzept, mit dem Daten und Informationen von Atomen zu Bits zugeordnet werden [12]; ein computergestütztes Modell eines materiellen oder immateriellen Objekts [13]; eine umfangreiche physische und funktionale Repräsentanz eines Produkts, die alle Informationen für dessen Bearbeitung enthält [14]; eine digitalisierte (3D-)Abbildung eines zu erstellenden Produkts [15]; ein Synonym für die Industrie 4.0-Verwaltungsschale [16].

Wie eine im Rahmen einer Seminararbeit durchgeführte systematische Mapping Studie gemäß dem in [17] beschriebenen Vorgehen zeigt, ließe sich die Liste der Definitionen verlängern. Die Studie, die bislang nur englischsprachige Artikel in den Datenbanken ACM Digital Library, Science Direct und IEEEXplore berücksichtig, führt 51 relevante Publikationen auf, in denen der Digitale Zwilling definiert wird. Darüber hinaus kursieren weitere ähnliche Begriffe wie zum Beispiel digitaler Schatten, digitaler Master, digitaler Typ und digitale Instanz.

Daher kann folgendes Zwischenfazit gezogen werden: Es gibt eine Vielzahl an Definitionen, die sich in Umfang, Detailierungsgrad und technischem Fokus unterscheiden. Am ehesten wird unter dem digitalen Zwilling ein gestaltbehaftetes Simulationsmodell verstanden, allgemeingültig oder akzeptiert ist dies allerdings nicht. Grundsätzlich hindern zwar verschiedene Definitionen für einen wissenschaftlichen Gegenstand nicht, diesen Gegenstand zu implementieren.

Im konkreten Fall jedoch sind zahlreiche Herausforderungen für das Management von digitalen Zwillingen bekannt, wie zum Beispiel die Identifikation und das Datenmanagement des Produkts entlang dem Produktlebenszyklus, die Erstellung von Simulationsmodellen in unterschiedlichen IT-Systemen und die Beherrschung der riesigen Datenmengen [18]. Die Formulierung einer präzisen Definition des Begriffs und das Hinwirken auf deren allgemeine Anerkennung wäre ein möglicher Ansatz, um die Bewältigung dieser Herausforderungen zu unterstützen. Wir stellen allerdings einen alternativen Denkansatz zur Diskussion, da es uns als unrealistisch erscheint, dass sich die vielen Stakeholder aus Wissenschaft und Industrie auf eine Definition einigen können.

The Digital Twin Theory

Dieser Denkansatz ist ein auf Hypothesen aufgebautes Theoriemodell. Ausgangspunkt für die Hypothesen waren zum einen die Arbeiten in [14], demnach die Informationen, die einen digitalen Zwilling beschreiben, in jeder Phase des Produktlebenszyklus angereichert werden (Bild 2). Zum anderen reifte die Idee der „Digital Twin Theory“ während eines zufälligen Kontakts mit der Quantenphysik und dem Thema Elektronen: Aus Sicht der Quantenphysik befinden sich Elektronen an mehreren Orten gleichzeitig. Ihr Zustand ist solange unbekannt, bis sie in einen Beobachtungszustand versetzt werden. Es erschien spannend zu prüfen, ob diese Eigenschaften auch für Digitale Zwillinge angenommen werden können.

Nach der ersten Formulierung wurden die Hypothesen mit Vertretern aus der Industrie diskutiert, u.  a. auf einem Fachforum des OWL Maschinenbau e.V. im Juni 2018 [19] und auf der PLM Europe Konferenz im Oktober 2018 [20]. Anschließend wurden sie überarbeitet und umformuliert. Die Hypothesen der Digital Twin Theory sind:

1. Ein Digitaler Zwilling ist eine digitale Repräsentanz eines Assets.
2. Ein Digitaler Zwilling befindet sich an mehreren Orten gleichzeitig.
3. Ein Digitaler Zwilling hat vielfältige Zustände.
4. In einer Interaktionssituation besitzt der Digitale Zwilling einen kontextspezifischen Zustand.
5. Das Informationsmodell für Digitale Zwillinge ist unendlich groß, es ist ein reelles Informationsmodell.
6. Das reelle Informationsmodell kann für ein spezifisches Anwendungsszenario endlich approximiert werden und wird dadurch zu einem rationalen Informationsmodell.
7. Das rationale Informationsmodell ist nicht an einem Ort speicherbar.
8. Das rationale Informationsmodell ist niemals vollständig sichtbar.

Zur Erläuterung dieser Hypothesen dient Bild 3. Ein Asset ist ein Gegenstand von Wert. Was ein Asset für ein spezifisches Anwendungsszenario konkret ist, hängt von dem Anwendungsszenario ab. Ob dieser Gegenstand materiell oder immateriell, ein Produkt oder ein Produktionssystem, ein Typ oder eine Instanz ist, ist unerheblich. Der Digitale Zwilling wird entlang dem Produktlebenszyklus an mehreren Orten gleichzeitig sichtbar und interagiert an diesen Orten mit einem Aktor (Mensch, Maschine etc.). Folglich hat der Digitale Zwilling vielfältige Zustände.

Allerdings wird der Digitale Zwilling in einer konkreten Interaktionssituation in einen kontextspezifischen Zustand versetzt. Ein Beispiel einer Interaktionssituation ist die Erstellung des CAD-Modells eines Produkttyps (Kontext) durch einen Konstrukteur (Aktor). Ein CAD-Modell hat in dem Fall einen Zustand (in Bearbeitung o. ä.). Ein anderes Beispiel einer konkreten Interaktion mit der digitalen Repräsentanz des gleichen Assets, also in dem Fall dem Produkttyp, ist das Softwaredesign (Kontext) durch einen Softwarearchitekten (Aktor).

Die einen Digitalen Zwilling beschreibenden Informationen sind folglich sehr unterschiedlicher Natur und abhängig vom Asset. Daher ist es nicht möglich, ein vollständiges Informationsmodell für Digitale Zwillinge zu definieren.

Das Informationsmodell ist unendlich groß und als ein reelles Informationsmodell zu verstehen.

Das Attribut „reell“ ist angelehnt an die Mathematik, in der der Bereich der reellen Zahlen die rationalen und die irrationalen Zahlen umfasst. Um allerdings mit einem digitalen Zwilling in einem spezifischen Anwendungsszenario interagieren zu können, muss ein approximiertes Informationsmodell existieren.

Dies bezeichnen wir, wiederum angelehnt an die Mathematik, als das rationale Informationsmodell. Wie in Bild 3 zu sehen, verteilen sich die Daten des rationalen Informationsmodells entlang dem Produktlebenszyklus. Sie sind nicht an einer Stelle, zum Beispiel in einer zentralen Datenbank, gespeichert. Um die für eine konkrete Interaktionssituation benötigten Daten einem spezifischen Aktor zuzuführen, müssen diese Daten über eine geeignete Schnittstelleninfrastruktur transportiert werden. Folglich sind nie alle Daten des rationalen Informationsmodells vollständig sichtbar.

Was sollte daraus geschlussfolgert werden

Produktivitätssteigerungen können durch die Digitalisierung von Produkten und Produktion erreicht werden. Hierbei schreitet die vertikale Integration von Fabrik- und IT-Systemen mit großen Schritten voran. Die horizontale Integration über den Produktlebenszyklus mithilfe Digitaler Zwillinge bietet jedoch mindestens ebenso großes Potenzial für Produktivitätssteigerungen insbesondere im Engineering. Digitale Zwillinge sind heute jedoch nicht eindeutig definiert und dadurch wird deren Management in der Praxis erschwert. Dieser Beitrag schlägt ein Theoriemodell vor, um sich von dem Versuch zu lösen, eine eindeutige Definition schaffen zu können und um sich auf konkrete Mechanismen und Mehrwerte des abstrakten Begriffs konzentrieren zu können.

Da eine wissenschaftliche Theorie nur widerlegt und nicht bewiesen werden kann, ist eine Auseinandersetzung mit den oben dargestellten Hypothesen notwendig. Dies erfolgte bislang nicht, da es das Ziel dieses Beitrags ist, die Idee der Digital Twin Theory einzuführen und als Alternative zu einer klassischen Definition zur Diskussion zu stellen. Um die Digital Twin Theory zu präzisieren, ist folglich in weiteren Forschungsarbeiten eine aktive Auseinandersetzung mit den darin enthaltenen Hypothesen erforderlich. Dazu wurde u. a. federführend durch das Fraunhofer IOSB-INA und die Hochschule Ostwestfalen-Lippe das Forschungsprojekt „Technische Infrastruktur für Digitale Zwillinge“ im Rahmen des Spitzenclusters it’s OWL initiiert [21].

Das könnte Sie auch interessieren

Serious Games als Trainingsinstrument Spielmechanische Gestaltung zur Förderung Resilienz Annika Lange , Thomas Knothe

Unvorhergesehene Ereignisse fordern produzierende Unternehmen zunehmend heraus. Resilienz zur Bewältigung von Krisen wird dabei zur Schlüsselkompetenz. Durch Serious Games (SG) kann Resilienz Aufbau transparenter werden. Der folgende Beitrag leitet spezifische Anforderungen an SG aus den einzelnen Resilienzphasen ab und zeigt, wie diese spielmechanisch umgesetzt werden können, um so Resilienz effektiv zu trainieren.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 98-104

Serious Gaming und die Energiewende Kollaborativ Wissen erzeugen und interaktiv komplexe Zusammenhänge begreifen Janine Gondolf , Gert Mehlmann, Jörn Hartung, Bernd Schweinshaut, Anne Bauer

Die Vermittlung der Komplexität und Vielschichtigkeit der Energiewende an ein breites Publikum ist eine Herausforderung. Dieser Beitrag zeigt auf, wie interaktive Serious Games auf einem Multitouch-Tisch dazu beitragen können, Zusammenhänge erfahrbar und begreifbar zu machen. Spiele und Tisch wurden in verschiedenen Gesprächskontexten eingesetzt. Diese werden hier in drei Fallvignetten dargestellt, die auf teilnehmender Beobachtung der unterschiedlichen Einsätze, situierter und gemeinsamer Reflexion basieren. Die Vignetten zeigen, wie Interaktion epistemische Prozesse anstoßen, Perspektivwechsel ermöglichen und kollektives Denken fördern kann, das für gesamtgesellschaftliche Zukunftsgestaltung notwendig ist.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 62-69 | DOI 10.30844/I4SD.26.2.62

Wandel in einer Lernfabrik für die zerspanende Fertigung Ein Lernmodul zur Kompetenzförderung für eine nachhaltigkeitsorientierte Transformation Oskay Ozen , Victoria Breidling , Stefan Seyfried , Matthias Weigold

Nachhaltigkeitsfördernde Transformationsprozesse sind in allen Sektoren notwendig, wenn wir innerhalb der planetarischen Grenzen bleiben wollen. Dies gilt auch für den Industriesektor als bedeutender Emittent von Treibhausgasen. Mitarbeiter benötigen neue Kompetenzen, um diese komplexe Aufgabe der industriellen Transformation zu bewältigen. Diese reichen von der CO2-Äquivalenzbilanzierung bis zur Entwicklung und Bewertung von Transformationsszenarien einschließlich technischer Maßnahmen. Das hier entwickelte Lernmodul greift diese Kompetenzanforderungen auf und zeigt am Beispiel der ETA-Fabrik, wie ein kompetenzorientiertes Lernmodul für die industrielle Transformation aufgebaut sein kann. Es umfasst im Wesentlichen vier Phasen: Datenerhebung und CO2-Äquivalenzbilanzierung, Ursachenanalyse, Maßnahmenentwicklung und Maßnahmenbewertung.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 38-47 | DOI 10.30844/I4SD.26.2.38

Digitale Zwillinge in Produktion und Logistik erleben Die fischertechnik® Lernfabrik 4.0 als Entwicklungsplattform für mögliche Ausbaustufen Deike Gliem , Sigrid Wenzel , Jan Schickram, Tareq Albeesh

Die fischertechnik® Lernfabrik 4.0 hat sich als geeignete Experimentierumgebung zur Erprobung Digitaler Zwillinge erwiesen. Abhängig vom angestrebten Reifegrad reichen die Funktionen eines Digitalen Zwillings von der reinen Zustandsüberwachung über Prognosen bis hin zur operativen Steuerung von Produktions- und Logistiksystemen. Zur systematischen Einordnung dieser Funktionen wird in diesem Beitrag ein Reifegradmodell vorgestellt, das als Orientierungsrahmen für den Aufbau eines Digitalen Zwillings dient. Darauf aufbauend werden ausgewählte Anwendungsfälle in einer Test- und Entwicklungsumgebung umgesetzt, die auf einer Systemarchitektur mit mehrstufiger Schichtlogik basiert. Anhand erster Umsetzungen werden Einsatzzwecke, relevante Methoden sowie typische Herausforderungen und Potenziale für den Transfer in reale Fabrikumgebungen aufgezeigt.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 30-37 | DOI 10.30844/I4SD.26.2.30

Im Braunfeld zur Industrie 4.0 Lernfabriken als Schulungs- und Testumgebung für die digitale Transformation Jakob Weber, Sven Völker

Die digitale Transformation produzierender Unternehmen erfordert Ingenieure mit der Fähigkeit, den Übergang zur Industrie 4.0 praktisch zu gestalten. Dieser Beitrag stellt das Konzept einer Lernfabrik vor, die selbst einer kontinuierlichen digitalen Transformation unterliegt und damit eine Umgebung für die Entwicklung von Transformationskompetenzen schafft. Das Konzept für die digitale Transformation basiert auf digitalen Werker-Assistenzsystemen und Multiagentensystemen zur Produktionssteuerung. Sie ermöglichen eine schrittweise Integration vorhandener Ressourcen. Die Lernfabrik wird den Studierenden nicht als fertige Lösung präsentiert, sondern im Rahmen von studentischen Projekten kontinuierlich weiterentwickelt. Damit adressiert sie direkt den Mangel an qualifiziertem Personal für die Realisierung der Industrie 4.0.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 88-96

Kollegin KI? Kompetenzanforderungen und -vermittlung bei KI-Nutzung in der Industrie Swetlana Franken

Künstliche Intelligenz verändert Aufgaben, Rollen und Kompetenzen in (Industrie‑)Unternehmen grundlegend. Sie agiert zunehmend als Kollegin, die Entscheidungen vorbereitet, Prozesse unterstützt und mit Menschen interagiert. Der Beitrag beleuchtet zentrale Kompetenzanforderungen für die KI-Nutzung in der Industrie, stellt ein integriertes Kompetenzmodell vor und zeigt praxisnahe Strategien zur Kompetenzvermittlung auf. Ziel ist es, Unternehmen und Beschäftigte auf eine menschengerechte, kompetenzorientierte Implementierung von KI vorzubereiten, die technologische Effizienz mit menschlicher Kreativität und Urteilskraft verbindet.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 78-86