# Der digitale Zwilling: ein lebendiges Abbild der Anlage

> Ein Modell der Anlage, laufend mit ihren realen Daten gespeist, um zu simulieren, zu optimieren und vorauszuschauen. Der digitale Zwilling reizt — doch sein Wert beruht ganz auf der Qualität von Modell und Daten.

- Quelle : https://industryhub.site/de/learn/data-ai/jumeau-numerique
- Lernpfad : Daten & KI
- Niveau : Praktiker
- Lesezeit : 6 min
- Sprache : Deutsch

## Mehr als ein 3D-Modellbild

Der Begriff „digitaler Zwilling" weckt oft das Bild einer schönen 3D-Ansicht der Anlage. Das ist ein Irrtum. Ein Modellbild ist **statisch**; ein digitaler Zwilling ist **lebendig**: Er ist ein Modell der Anlage, das laufend mit ihren [realen Daten](/de/learn/data-ai/donnee-industrielle) gespeist wird. Er zeigt nicht, was die Anlage sein *könnte*, sondern was sie gerade *ist* — und was sie wird, wenn man einen bestimmten Parameter ändert.

## Die drei Grade: Modell, Schatten, Zwilling

Nicht alle „Zwillinge" sind gleich. Man unterscheidet drei Grade der Anbindung an die Realität:

- das **digitale Modell**: eine eigenständige Simulation, ohne automatische Verbindung zur Anlage. Man testet Szenarien „offline".
- der **digitale Schatten**: die Realität sendet ihre Daten laufend an das Modell, jedoch ohne Rückweg. Das Modell spiegelt den aktuellen Zustand.
- der **echte Zwilling**: die Schleife ist in beide Richtungen geschlossen. Das Modell empfängt Daten *und* kann im Gegenzug den Betrieb der Anlage beeinflussen.

| Grad | Realität → Modell | Modell → Realität |
|---|---|---|
| Modell | manuell | keiner |
| Schatten | automatisch, laufend | keiner |
| Zwilling | automatisch, laufend | automatisch (kann eingreifen) |

Viele als „Zwillinge" verkaufte Projekte sind in Wahrheit Modelle oder Schatten — was bereits sehr nützlich ist.

## Wozu er konkret dient

Ein gut gebauter Zwilling erlaubt, **vor dem Handeln zu simulieren**: eine Einstellung, einen Rezeptwechsel, einen Engpass zu testen, ohne die reale Produktion zu riskieren. Er dient auch dem laufenden **Optimieren** (Energie, Takt, Qualität), dem **Vorausschauen** einer Drift im Zusammenhang mit der [vorausschauenden Instandhaltung](/de/learn/data-ai/maintenance-predictive) und dem **Schulen** von Bedienern an einer gefahrlosen Kopie. Er ist einer der meistgenannten Industrie-Anwendungsfälle der [KI in der Industrie](/de/articles/ia-industrie-enjeux-defis).

## Was ihn speist: Modell + Daten

Ein Zwilling ruht auf zwei Säulen. Auf der einen ein **Modell**: physikalisch (Prozessgleichungen), statistisch ([maschinelles Lernen](/de/glossary#term-ml)) oder hybrid. Auf der anderen ein zuverlässiger, kontextualisierter **Datenfluss**, der über die Steuerungen und ein Protokoll wie [OPC UA](/de/glossary#term-opc-ua) aus dem Feld aufsteigt, oft angereichert durch den Produktionskontext des [MES](/de/glossary#term-mes) und die [IIoT](/de/glossary#term-iiot)-Vernetzung. Das eine ohne das andere bringt nichts Verwertbares hervor.

## Die Grenzen und die Falle

Die klassische Falle ist, Darstellung und Wert zu verwechseln. Ein prächtiges 3D-Modell auf falschen Daten oder ein zu grobes physikalisches Modell liefert elegante, aber falsche Antworten — und damit gefährliche, wenn man ihnen folgt. Einen Zwilling zu bauen ist teuer in Modellierung und Datenintegration; er rechtfertigt sich nur dort, wo die Simulation wirklich etwas einbringt. Wie für die gesamte Datenkette gilt in einem Satz: **Der Zwilling ist nie mehr wert als das Modell und die Daten, die ihn speisen**.

## Merksatz

Ein digitaler Zwilling ist ein Modell der Anlage, das laufend mit ihren realen Daten gespeist wird. Je nach Grad der Anbindung spricht man von Modell, Schatten oder echtem Zwilling. Er dient dem Simulieren, Optimieren und Vorausschauen — ist aber nur so viel wert wie das Modell und die Daten, die ihn speisen.