Digital Twin: Fertigungsprozesse simulieren und steuern

6 Min. Lesezeit

Digital Twins transformieren die Fertigung vom Versuch-und-Irrtum-Prinzip zur datengetriebenen Optimierung. Siemens, BMW und BASF setzen die Technologie bereits ein. Der globale Markt wächst bis 2030 auf über 73 Milliarden USD. Für den deutschen Mittelstand liegt der Einstieg näher als erwartet: Einzelne Maschinen und Produktionslinien lassen sich bereits mit überschaubarem Aufwand digital abbilden.

Das Wichtigste in Kürze

Was ein Digital Twin wirklich ist

Ein Digital Twin ist eine datenbasierte Nachbildung eines physischen Objekts, Prozesses oder Systems. Er wird kontinuierlich mit Echtzeitdaten aus Sensoren, IoT-Geräten und Produktionssystemen gespeist. Anders als ein statisches 3D-Modell oder eine Simulation bildet der Digital Twin den aktuellen Zustand ab und ermöglicht Vorhersagen über zukünftiges Verhalten.

In der Fertigung bedeutet das: Eine Werkzeugmaschine hat einen digitalen Zwilling, der Temperatur, Vibration, Verschleiß und Energieverbrauch in Echtzeit spiegelt. Wenn die Vibrationswerte eines Spindellagers über einen definierten Schwellenwert steigen, kann der Twin vorhersagen, wann das Lager ausfallen wird, Tage oder Wochen bevor es passiert. Das ist Predictive Maintenance in seiner reinsten Form.

Die drei Reifegrade eines Digital Twin verdeutlichen die Entwicklung: Ein Digital Shadow bildet den Zustand ab, ohne Rückkopplung. Ein Digital Twin ermöglicht Simulation und What-if-Analysen. Ein Digital Thread vernetzt den gesamten Lebenszyklus vom Design über die Produktion bis zum Service. Die meisten Mittelständler starten beim Shadow und arbeiten sich hoch.

„Der Digital Twin ist kein Nice-to-have mehr. Er ist die Grundlage dafür, wie wir unsere Fabriken betreiben.“
Milan Nedeljkovic, BMW Vorstand Produktion (Hannover Messe 2025)

Siemens, BMW, BASF: Wie Konzerne Digital Twins einsetzen

Siemens ist der aggressivste Treiber der Technologie, auch weil der Konzern sie selbst entwickelt und vermarktet. Die Siemens Xcelerator Plattform bündelt Simulation (Simcenter), PLM (Teamcenter) und Industrial IoT (MindSphere) unter einem Dach. Im Elektronikwerk Amberg, das als eine der fortschrittlichsten Fabriken der Welt gilt, steuert ein durchgängiger Digital Twin die gesamte Produktion. Das Ergebnis: 99,9988 Prozent Qualitätsrate bei 17 Millionen Speicherprogrammierbaren Steuerungen pro Jahr.

BMW setzt Digital Twins in der Produktionsplanung ein. Neue Werke werden vollständig virtuell geplant und optimiert, bevor ein einziger Stein gesetzt wird. Das iFactory-Konzept in Debrecen, Ungarn, wurde als komplett digitales Werk entworfen: jeder Roboter, jedes Förderband, jeder Logistikprozess existierte zuerst als Twin. BMW beziffert die Zeitersparnis bei der Inbetriebnahme auf 30 Prozent gegenüber konventioneller Planung.

BASF nutzt Digital Twins im Anlagenmanagement. In der Chemieindustrie, wo Prozesse besonders komplex und sicherheitskritisch sind, ermöglichen Twins die Simulation von Betriebszuständen, die in der realen Anlage zu gefährlich oder zu teuer zum Testen wären. Der Verbundstandort Ludwigshafen, der größte zusammenhängende Chemiekomplex der Welt, arbeitet zunehmend mit digitalen Abbildern seiner über 200 Produktionsanlagen.

Einstieg für den Mittelstand: Kleiner als gedacht

Der Einstieg muss nicht mit einem unternehmensweiten Digital Twin beginnen. Drei Ansätze haben sich für Mittelständler bewährt. Erstens der Maschinen-Twin: Eine einzelne, kritische Maschine wird mit Sensoren nachgerüstet und digital abgebildet. Investition: 5.000 bis 20.000 Euro für Sensorik und Cloud-Anbindung, plus Plattformkosten. Typischer ROI: sechs bis zwölf Monate durch vermiedene ungeplante Stillstände.

Zweitens der Prozess-Twin: Ein definierter Fertigungsprozess, etwa eine Schweißlinie oder eine Montagezelle, wird digital abgebildet. Hier liegt der Wert in der Prozessoptimierung: Taktzeiten reduzieren, Ausschuss minimieren, Energieverbrauch senken. Die Schreiner Group zeigt, wie ein Hidden Champion mit 1.200 Mitarbeitern diesen Weg geht.

Drittens der Produkt-Twin: Das eigene Produkt wird über seinen gesamten Lebenszyklus digital begleitet. Im Maschinenbau liefert das die Grundlage für Predictive Maintenance als Service, den der Hersteller seinen Kunden anbietet. Das verändert das Geschäftsmodell: vom Maschinenverkauf zum datenbasierten Servicevertrag.

Technische Voraussetzungen: Was vorhanden sein muss

Ein Digital Twin braucht drei Grundlagen. Erstens Konnektivität: Maschinen und Anlagen müssen Daten liefern können. Im Brownfield, also bei bestehenden Anlagen, bedeutet das Nachrüstung von Sensoren und IoT-Gateways. Protokolle wie OPC UA haben sich als Standard durchgesetzt und ermöglichen herstellerübergreifende Kommunikation.

Zweitens eine Plattform: Industrial-IoT-Plattformen wie Siemens MindSphere, AWS IoT TwinMaker, Microsoft Azure Digital Twins oder PTC ThingWorx bieten die Infrastruktur für Datensammlung, Modellierung und Visualisierung. Die Auswahl hängt vom bestehenden IT-Ökosystem ab. Wer bereits auf Microsoft Azure setzt, wählt Azure Digital Twins. Wer Siemens-Maschinen betreibt, profitiert von der MindSphere-Integration.

Drittens Kompetenz: Die Modellierung eines Digital Twin erfordert Domänenwissen (wie funktioniert die Maschine?) und Datenexpertise (welche Sensordaten sind relevant?). Im Mittelstand fehlt oft beides in einer Person. Die Lösung: Pilotprojekte mit spezialisierten Systemintegratoren starten und parallel internes Know-how aufbauen.

Fazit: Der Digital Twin wird zum Standard

Digital Twins in der Fertigung sind keine Zukunftsvision mehr, sondern gelebte Praxis bei Siemens, BMW und BASF. Die Technologie ist ausgereift, die Plattformen verfügbar, die Einstiegshürden niedriger als vermutet. Für den Mittelstand liegt der erste Schritt nicht in einer unternehmensweiten Plattformentscheidung, sondern in einem konkreten Piloten: eine Maschine, ein Prozess, ein messbarer Nutzen.

Wer jetzt startet, baut einen Datenbestand auf, der mit jedem Monat wertvoller wird. Wer wartet, wird feststellen, dass Wettbewerber bessere Maschinenauslastung, niedrigere Stillstandszeiten und attraktivere Serviceangebote haben, nicht weil sie bessere Maschinen kaufen, sondern weil sie die vorhandenen intelligenter nutzen.

Häufige Fragen