Von der Vision zur Version
Im zweiten Teil unserer Serie „Digitaler Zwilling: Eine Brücke zwischen analoger und digitaler Welt“, schauen wir uns heute an, wie sich digitale Zwillinge (englisch: Digital Twin, kurz DT) in der Praxis umsetzen lassen können. Dazu beginnen wir zunächst mit einer Entwicklungsstrategie von González-Herbón et al. 2024, wie DTs in der Praxis technisch implementiert werden können. Darüber hinaus betrachten wir, warum Standardisierung für die Umsetzung von DTs essentiell ist und anhand von Normbeispielen, in welcher Form sich diese manifestiert. Darauffolgend tauchen wir in reale Beispiele aus der Industrie und Stadtplanung ein.
Digitaler Zwilling in der Praxis
Nachdem wir im Anschluss an den ersten Teil eine Vorstellung davon haben, was ein DT ist, schauen wir uns im zweiten Teil an, wie er heutzutage umgesetzt werden kann. Die Anwendungsbereiche, in denen DTs verwendet werden können, reichen vom Einsatz bei industriellen Prozessen, über die Nachbildung und Steuerung von Smart Cities bis hin zur Verbesserung und Automatisierung der Mobilität. Um einen DT für eine Anwendung zu realisieren, muss auf die individuellen Bedürfnisse jedes einzelnen Anwendungsbeispiels geschaut werden. Dafür schlägt das Fraunhofer IKS einen allgemeinen Dreiklang im Prozess der Erstellung eines DTs vor: Zunächst soll der Anwendungsfall bestimmt werden. Im Anschluss daran müssen die Informationen, die der DT benötigt, erfasst werden. Schließlich soll eine erste Iteration des DTs entworfen werden. Sobald der Prozess abgeschlossen ist, werden die Schritte in einer Schleife wiederholt, um in weiteren Iterationen den DT zu verbessern (FIKS 2025).
Stellen Sie sich einmal vor: Eine Firma digitalisiert ihren Maschinenpark, ohne im Vorfeld daran gedacht zu haben, was sie damit überhaupt anfangen will. Nach der Fertigstellung fällt den Personen dann auf, dass ihnen die Daten zur Umsetzung ihres Vorhabens fehlen. Dementsprechend sollte ein DT kein bloßes Mittel zum Zweck sein, sondern als passendes Werkzeug für die Lösung von Problemstellungen dienen.
Wenn jeder digitale Zwilling auf die Bedürfnisse der speziellen Anwendung angepasst sein muss, gibt es dann überhaupt eine Umsetzung „à la carte“?
Um diese Frage kurz und knapp zu beantworten, ja, es gibt natürlich Elemente auf der technischen Seite, die einen DT unabhängig vom Kontext, in dem er eingesetzt wird, ausmachen. Zur Veranschaulichung, welche Schritte bei der praktischen Umsetzung eines DTs notwendig sind, haben unter anderem González-Herbón et al. (2024) eine umfangreiche Entwicklungsstrategie für die Industrie erarbeitet (Abbildung 1). Die Autor*innen schlagen vor, dass der technische Aufbau eines DTs mit der Definition seiner Funktionalität und Implementierung beginnt. Dazu ist es notwendig zu bestimmen, welches Integrationslevel (Digitales Modell, Digitaler Schatten oder DT) angestrebt wird, welchen Abdeckungsgrad die Daten erreichen und auf welcher hierarchischen Ebene er angesiedelt ist. Anschließend sollte der virtuelle Raum durch die Erstellung eines 3D-Modells beispielsweise mittels CAD/CAE-Software oder Scantechniken aufgebaut und in eine Echtzeit-3D-Entwicklungsumgebung integriert werden. Falls Augmented Reality (AR) genutzt werden soll, erfolgt die Einbindung über ein Software Development Kit (SDK).
Die bidirektionale Kommunikation zwischen digitalem und physischem System kann über industrielle Protokolle wie Modbus TCP oder MQTT realisiert werden, während die Systemintegration durch visuelle Programmierumgebungen erleichtert werden soll. Die Datenverwaltung sollte entweder lokal oder über Cloud-Lösungen erfolgen, um eine effiziente Speicherung und Analyse großer Datenmengen zu ermöglichen. Abschließend sollten interaktive Funktionalitäten wie Echtzeitvisualisierung, Simulation und Anomalieerkennung implementiert werden, um eine optimierte Überwachung, Wartung und Entscheidungsfindung zu verwirklichen (González-Herbón et al. 2024). Da viele Umsetzungsschritte bei der Entwicklung von DTs wiederkehren, gewinnt neben einem allgemeinen Vorgehensmodell insbesondere die Frage nach gemeinsamen Standards zunehmend an Bedeutung.
Standardisierung ist der Schlüssel zur Erweckung des vollen Potenzials.
Um zu verhindern, dass einzelne Akteure ihr eigenes Süppchen in der Entwicklung von DTs kochen und somit die Zusammenarbeit zwischen verschiedenen DTs immanent erschweren, braucht es gemeinsame Standards. Sie sind entscheidend, um die Interoperabilität von Eigenschaften und Funktionen sicherzustellen, die eine Grundvoraussetzung für die nahtlose Integration und Interaktion verschiedener Anwendungen sind. Standardisierung ermöglicht es, Kompatibilität, Austauschbarkeit und Skalierbarkeit sicherzustellen und reduziert zugleich Komplexität sowie Integrationsaufwände. Fehlen solche einheitlichen Regeln, könnten Insellösungen entstehen, die den Datenaustausch zwischen verschiedenen Anwendungen behindern und die Weiterentwicklung von DTs verlangsamen könnte. Außerdem kann Standardisierung Vertrauen, Investitionssicherheit und die Verbreitung von Innovationen über die einzelnen Anwendungsbereiche und Branchen hinweg fördern.
Am Standardisierungsprozess von DTs beteiligen sich schon einige branchenspezifische Institutionen. Wichtige Standardisierungsorganisationen sind das European Telecommunications Standards Institute (ETSI), die International Electrotechnical Commission (IEC), die Internet Engineering Task Force (IETF), das Industrial Internet Consortium (IIC), die International Organization for Standardization (ISO), das Institute of Electrical and Electronics Engineers (IEEE), oneM2M, das Open Geospatial Consortium (OGC), Plattform Industrie 4.0 und das World Wide Web Consortium (W3C) (Song & Le Gall 2023).
Wie können solche Standardisierungen in der Praxis aussehen?
Die im Jahr 2021 erschienene Norm ISO 23247 ist eine Referenzarchitektur für DTs in der industriellen Fertigung. Sie legt Rollen, funktionale Komponenten und Schnittstellen fest, die für die Erstellung und Nutzung von DTs erforderlich sind. Zudem definiert sie Methoden zur Datenintegration, zur Kommunikation zwischen physischen und virtuellen Systemen sowie zur Sicherstellung der Interoperabilität verschiedener Systeme und Plattformen. Dadurch soll eine einheitliche und skalierbare Nutzung von DTs in der Industrie gewährleistet werden.
Ein weiteres Beispiel ist die DIN SPEC 91607, die als Leitfaden für die Implementierung urbaner DTs in Städten und Kommunen dient. Dieses Standarddokument definiert Anforderungen und Prozesse, die notwendig sind, um DTs als Werkzeug für die Stadtplanung und -entwicklung effizient und nachhaltig zu nutzen. Sie umfasst unter anderem ein Reifegradmodell, das den Entwicklungsstand von DTs beschreibt, sowie konkrete Anwendungsfälle für verschiedene kommunale Handlungsfelder. Zudem legt sie Standards für den Datenaustausch und die Interoperabilität fest, um die Integration von DTs in bestehende städtische Systeme zu erleichtern.
Neben den verschiedenen institutionellen Normierungen ist ein Implementierungsstandard im Umgang mit DTs die Asset Administration Shell (AAS). Im Whitepaper der Plattform Industrie 4.0 (Deutschland), der Alliance Industrie du Futur (Frankreich) und der Piano Nazionale Impresa 4.0 (Italien) „The Structure of the Administration Shell: TRILATERAL PERSPECTIVES from France, Italy and Germany“ (2018) wird das Thema wie folgt erläutert: Die AAS stellt eine standardisierte digitale Repräsentation eines Assets bereit und bildet eine Grundlage für DTs in der Industrie 4.0. Sie strukturiert Daten in Submodellen und ermöglicht eine durchgängige Verwaltung über den gesamten Lebenszyklus hinweg. Während der DT über die AAS auf konsistente Informationen zugreifen kann, geht sein Funktionsumfang darüber hinaus. Er umfasst nicht nur die Verwaltung von Asset-Daten, sondern auch Simulationen, KI-gestützte Analysen und eine erweiterte Interaktion mit dem physischen Asset (Plattform Industrie 4.0, Alliance Industrie du Futur & Piano Nazionale Impresa 4.0 2018). Als einheitliche Datenschnittstelle unterstützt die AAS somit die Arbeitsabläufe von DTs und kann dabei eine zentrale Rolle in deren Architektur einnehmen.
Während Normen und Referenzarchitekturen die strukturellen Grundlagen für DTs schaffen, entfalten sie sich erst in der konkreten Anwendung. Werfen wir daher einen Blick auf reale Beispiele, wie digitale Nachbildungen eingesetzt werden.
Anwendungsbeispiele aus der Praxis
Obwohl in der Praxis oft von DTs gesprochen wird, ist es wichtig, an dieser Stelle vorwegzunehmen, dass in vielen Fällen eigentlich digitale Schatten oder digitale Modelle gemeint werden. Die genaue Bezeichnung ist in der Realität für die jeweiligen Anwender*innen allerdings zunächst weniger entscheidend als das Resultat, das durch den Einsatz dieser Technologien erzielt werden soll. Dementsprechend betrachten wir im Folgenden – unabhängig von der trennscharfen semantischen Abgrenzung des Begriffs digitaler Zwilling – einige konkrete Beispiele, die den praktischen Einsatz von DTs respektive digitaler Nachbildungen in der Industrie und Stadtplanung veranschaulichen.
Beispiel Industrie:
Einige Unternehmen versuchen bereits heute DTs in der Praxis umzusetzen, um ihre Prozesse zu analysieren und dadurch zu verbessern. So verwendet beispielsweise Rolls-Royce einen DT zur Überwachung von Flugzeugtriebwerken, während BMW die Produktionsabläufe simuliert. Siemens nutzt DTs zur Verbesserung des Designs von Gasturbinen und Unilever versucht die Effizienz der Produktionsanlagen zu steigern. Folgend möchte ich zwei weitere Beispiele näher beschreiben:
Das TwinMaP-Projekt koordiniert durch die Daimler Buses GmbH, verfolgt das Ziel, eine durchgängig digitalisierte Komplettbearbeitung von Bauteilen in variablen Losgrößen innerhalb eines heterogenen Maschinenparks zu realisieren. Ein zusätzlicher Fokus liegt auf der Entwicklung einer 3D-basierten Assistenzlösung zur Unterstützung von Montagemitarbeitenden. Zentrale technische Grundlage ist die Entwicklung von DTs, die mit realen Maschinen sowie einer übergeordneten Integrationsplattform vernetzt werden.
Innerhalb des Projekts soll eine Standardisierung der Datenaufbereitung entstehen, um das Verhalten einzelner Maschinen und ganzer Anlagenverbünde digital abzubilden und den Abgleich zwischen realem und virtuellem Prozesszustand zu ermöglichen. Neben der Abbildung einzelner Maschinen soll der DT auch auf höhere Ebenen angewendet werden, etwa zur Modellierung von Wertströmen und Lieferketten.
Zur Integration physischer Objekte in digitale Repräsentanzen werden in dem Projekt spezifische Konnektoren entwickelt. Diese sollen eine kontinuierliche bidirektionale Kopplung zwischen physischer Produktion und digitalen Abbildern ermöglichen und damit eine datengetriebene Abbildung der Prozessketten unterstützen. Darüber hinaus ist die Entwicklung eines kontextsensitiven Assistenzsystems geplant, das mittels Sensorik relevante Daten zu Bauteilen, Werkzeugen und Montagesituationen erfasst und für eine situationsbezogene Unterstützung bereitstellen soll.
Die Ford Motor Company setzt für ihr zentrales Energiewerk am Dearborn Research and Engineering Campus Central Energy Plant in Michigan einen DT ein. Ziel ist die datenbasierte Unterstützung bei Planung, Konstruktion und Betrieb der Anlage. Hierzu sollen Betriebsdaten in Echtzeit verarbeitet und in Asset-Management-Prozesse eingebunden werden.
Für das Betriebsteam werden Echtzeitinformationen bereitgestellt, um ortsnahe oder zentral gesteuerte Entscheidungen auf Grundlage aktueller Datenlagen zu ermöglichen. Ergänzend wurde eine Asset-Datenbank eingerichtet, in der Systeminformationen, technische Dokumentationen, Betriebsanleitungen sowie Wartungsunterlagen hinterlegt sind. Die Anbindung an das bestehende Management System sowie die Integration in Anwendungen mit AR-Funktionalität ist Teil der Umsetzung. Zur Erfassung von Betriebsdaten kommt ein IoT-basiertes Sensornetzwerk zum Einsatz, das eine kontinuierliche Synchronisierung mit dem DT erlauben soll. Dadurch kann der aktuelle Zustand der Anlage digital analysiert werden.
Während der Bau- und Fertigungsphase kamen sogenannte digitale Threads – also durchgängige Informationsflüsse, die Daten über alle Phasen des Produktlebenszyklus hinweg verknüpfen und so die Vorfertigung und Montage einzelner Komponenten unterstützen – zum Einsatz. Dazu zählten unter anderem rund 9,5 Meilen Rohrleitungen, die mit der Unterstützung von 3D-Laserscans und laserbasierten Messverfahren montiert wurden. Die Bauteile wurden in standardisierten Längen gefertigt und mit Informationen zu Gewicht und Schwerpunkt versehen.
Nach Abschluss der Montage wurde ein weiterer 3D-Scan durchgeführt und in die bestehende Software überführt. Auch technische Ausrüstungsdaten, darunter elektrische, mechanische und IT-Systeme, wurden in den DT integriert. Darüber hinaus wird der DT für Aufgaben im Bereich der Lastverteilung innerhalb des Energieversorgungssystems sowie für die Durchführung virtueller Planungs- und Erweiterungsszenarien eingesetzt.
Beispiel Stadtplanung:
Genauso wie in der Industrie versuchen Städte und Kommunen weltweit DTs zu implementieren, um wirtschaftliche und gesellschaftliche Prozesse zu optimieren und die Lebensqualität ihrer Bewohner*innen zu verbessern. Singapur erarbeitet beispielsweise einen DT, um Stadtplanung und Verkehrssteuerung zu verbessern, während London zukünftige Bauprojekte simulieren und deren Auswirkungen analysieren möchte. Shanghai nutzt digitale Stadtmodelle, um den Energieverbrauch zu senken und die Luftqualität zu überwachen. In Deutschland entwickeln unter anderem Städte wie München, Hamburg, Leipzig oder Wuppertal DTs, um neue Wege in der Stadtplanung zu erkunden. Die folgenden beiden Beispiele sollen verdeutlichen, in welcher Form sich DTs im urbanen und geographischen Kontext umsetzen lassen können:
Ein Teil des DTs von Helsinki wird durch das Forum Virium Helsinki entwickelt – eine gemeinnützige Innovationsgesellschaft in Trägerschaft der Stadt. Der DT soll als Werkzeug zur Optimierung der Stadtplanung, des Infrastrukturmanagements und der Bürgerbeteiligung dienen. Ziel ist es, die Effizienz urbaner Prozesse zu steigern und die Zusammenarbeit zwischen Stadtverwaltung, Wirtschaft und Bevölkerung zu verbessern. Als dynamisches Modell angelegt, soll der DT offene Datenquellen mit Echtzeitinformationen kombinieren, um eine digitale Repräsentation der Stadt abzubilden.
Neben physischen Strukturen wie Straßen, Gebäuden und Grünflächen soll der DT auch soziale und ökologische Parameter wie Wetterbedingungen, Verkehrsströme und die Nutzung öffentlicher Räume integrieren. Sensoren in Parkanlagen könnten beispielsweise durch die Erfassung mikroklimatischer Daten die Instandhaltung von Grünflächen effizienter gestalten. Darüber hinaus können die gewonnenen Daten wirtschaftliche Potenziale eröffnen, indem sie privaten oder öffentlichen Akteuren als Grundlage für die Entwicklung neuer Mobilitäts- oder Smart-City-Dienste dienen.
Projekte wie Regions4Climate, das eine klimagerechte Stadtentwicklung anstrebt, sowie die abgeschlossenen Projekte Mobility Lab Helsinki und LiiDi2, die sich mit Verkehrsdaten und urbaner Infrastruktur befassten, nutzten den DT zur Analyse und Simulation städtischer Prozesse. Darüber hinaus hatte das Projekt Spotted das Ziel, die Nutzung von Satellitendaten zur Unterstützung der Stadtplanung, insbesondere im Hinblick auf die Verwaltung und Gestaltung von Grünflächen, zu fördern und die raumbezogene Daten in den DT zu integrieren.
Ein weiterer Aspekt ist die digitale Möglichkeit der Bürgerpartizipation. Über den DT können Stadtbewohner*innen an Planungsprozessen mitwirken, etwa indem sie Feedback geben oder Vorschläge zur Stadtgestaltung einreichen. Im Zuge des URBANAGE Projektes wurde versucht die Infrastruktur Helsinkis mit Hilfe des DTs freundlicher für ältere Menschen zu gestalten und den Zugang zu urbanen Dienstleistungen respektive Freizeitangeboten einfacher zu ermöglichen.
Der Digitale Zwilling Deutschland (DigiZ-DE) spiegelt ein besonders ambitioniertes Projekt wider. Er wird vom Bundesamt für Kartographie und Geodäsie (BKG) entwickelt, um raum- und geobezogene Verwaltungsaufgaben datenbasiert zu unterstützen. Er basiert auf einem 3D-Modell, das mittels Laserscan-Technologien (LiDAR) mit einer Punktdichte von mindestens 40 Punkten pro Quadratmeter erfasst wird. Diese Datengrundlage ermöglicht eine Darstellung von Boden-, Vegetations-, Infrastruktur- und Gebäudemustern. Die Speicherung erfolgt in einem mehrdimensionalen Data Cube, der durch Cloud-Technologien eine skalierbare und interaktive Nutzung für verschiedene Anwendungen bereitstellen soll.
Der DigiZ-DE soll insbesondere für die Analyse und Simulation von Zukunftsszenarien genutzt werden. Dazu gehören unter anderem die Bewertung von Klimafolgen, wie Veränderungen der Waldflächen oder der Anstieg des Meeresspiegels, sowie die Analyse von Naturgefahren, etwa durch die Modellierung von Starkregen- und Hochwasserrisiken. Zudem soll er als Werkzeug für die Raum- und Infrastrukturplanung, beispielsweise zur Identifikation geeigneter Flächen für erneuerbare Energien oder zur Optimierung von Verkehrsinfrastrukturen, dienen. Durch die Implementierung von Fachdaten aus verschiedenen Quellen können Modelle erstellt werden, die Entscheidungsträger*innen ermöglichen könnten, verschiedene Handlungsoptionen und deren Auswirkungen abzuwägen und eine Entscheidung auf deren Basis zu fällen.
Ein Merkmal des DigiZ-DE ist die kontinuierliche Aktualisierung in einem Intervall von sechs Monaten. Hinzu kommen Bestrebungen zur Erweiterung der Datengrundlage, wie z. B. durch Fachdaten zu Klima, Infrastruktur, Landwirtschaft, Verkehrsströmen oder aktuelle Satellitenbilder. Dies könnte eine dynamische Anpassung an neue Entwicklungen und eine bessere Verknüpfung verschiedener Fachbereiche initiieren und zu einem Analysewerkzeug werden, das interdisziplinäre Anwendungen unterstützt.
Im dritten und letzten Teil dieser Serie schauen wir darauf, wie sich das Potenzial von Netztechnologien wie dem Mobilfunk durch DTs verändert – und wie sich diese Technologien wiederum auf die Entwicklung und Anwendung von DTs auswirken. Darüber hinaus gebe ich einen kleinen Ausblick darauf, welche möglichen Entwicklungsschritte uns in den kommenden Jahren noch erwarten könnten.
Quellen:
Better Buildings Solution Center (2025). Ford Motor Company Dearborn Campus Uses Digital Twin Tool for Energy Plant. URL: https://betterbuildingssolutioncenter.energy.gov/implementation-models/ford-motor-company-dearborn-campus-uses-digital-twin-tool-energy-plant (zul. abg. 29.04.2025)
Bund der Öffentlich bestellten Vermessungsingenieure e.V. (BDVI) (2023). Digitaler Zwilling – Vom Vermessungsinstrument zur Planungsgrundlage. FORUM – Das Fachmagazin des BDVI, 3/2023. URL: https://www.bdvi.de/application/files/8716/9565/1129/FORUM_3-2023_Digitaler_Zwilling.pdf (zul. abg. 28.04.2025)
Frauenhofer IKS (2025). Digital Twins. URL: https://www.iks.fraunhofer.de/de/themen/digital-twins.html#:~:text=Digital%20Twins%3A%20Eine%20Einf%C3%BChrung%20in,und%20medizinischen%20Patientinnen%20und%20Patienten (zul. Abg. 29.01.2025)
Forum Virium Helsinki (2025). Digital Twin. URL: https://forumvirium.fi/en/about/data/digital-twin/ (zul. abg. 28.04.2025) (Weitere Informationen zu den Projekten Mobility Lab Helsinki, LiiDi2, Regions4Climate, URBANAGE, Spotted sowie Inhalte zum digitalen Zwilling Helsinkis sind dort über weiterführende Links zugänglich.)
González-Herbón, R., González-Mateos, G., Rodríguez-Ossorio, J. R., Domínguez, M., Alonso, S., & Fuertes, J. J. (2024). An Approach to Develop Digital Twins in Industry. Sensors, 24(3), 998.
Plattform Industrie 4.0, Alliance Industrie du Futur & Piano Nazionale Impresa 4.0 (2018). Structure of the Administration Shell: Trilateral Perspectives from France, Italy and Germany.
Song, J., & Le Gall, F. (2023). Digital Twin Standards, Open Source, and Best Practices. In: Crespi, N., Drobot, A.T., Minerva, R. (eds) The Digital Twin. Springer, Cham.
TwinMaP (2025). Digitaler Zwilling für die Produktion von morgen. URL: https://twinmap.de/ (zul. abg. 29.04.2025)