Datentyp: Digitaler Zwilling

Digitale Zwillinge sind virtuelle Abbilder physischer Systeme. Sie spiegeln Verhalten und Zustand wider und ermöglichen Optimierungen – vom Design über den Betrieb bis hin zur Wartung. Ob Maschinen, Produkte, Gebäude oder Menschen: Digitale Zwillinge helfen dabei, Prozesse zu überwachen, Anomalien zu erkennen und die Effizienz nachhaltig zu steigern.

Generative KI macht Digitale Zwillinge noch leistungsfähiger:

• Komplexe, heterogene Daten verarbeiten – alle Informationen intelligent zusammenführen
• Wissensgraphen erstellen – Zusammenhänge sichtbar machen
• Plausibilität prüfen – Datenqualität sicherstellen
• Intuitive Interaktion per natürlicher Sprache – einfacher Zugriff auf Informationen

Mit Generativer KI entwickeln sich Digitale Zwillinge zu einem leistungsstarken Werkzeug, das Abläufe smarter, schneller und zukunftssicher gestaltet – und so entscheidende Wettbewerbsvorteile schafft:

• fundierte Entscheidungen treffen
• Kosten durch optimierte Prozesse und frühzeitige Fehlererkennung senken
• ihre Ressourcen effizient sowie nachhaltig einsetzen.

Digitaler Zwilling für effiziente Gebäudebewirtschaftung
 

Die Herausforderung
Unternehmen in Deutschland stehen vor der Aufgabe, bis 2045 Klimaneutralität zu erreichen – eine Zielsetzung, bei der der Gebäudesektor eine Schlüsselrolle spielt. Besonders relevant ist die Steuerung von Heizung, Lüftung und Klimaanlagen, da bereits kleine Störungen oder falsche Einstellungen Energieverluste verursachen können.

Die Fraunhofer-Lösung
Ein zentraler Lösungsansatz zur Optimierung von Gebäuden im Umgang mit erneuerbaren Energien ist der Einsatz standardisierter Digitaler Gebäudezwillinge. Diese gehen weit über klassische 3D-Visualisierungen hinaus ermöglichen und ermöglicht durch die Kombination verschiedener Modelle eine einheitliche Beschreibung technischer Gebäudekomponenten.  

Der Vorteil für Unternehmen
Der erstellte Digitale Gebäudezwilling ist äußerst wertvoll, da er nicht nur die Beschreibung des Gebäudes umfasst, sondern auch für die Optimierung des Betriebs sowie für ein kontinuierliches Monitoring genutzt werden kann. Zukünftig lässt sich ein solches Gebäudemodell auf weitere Anwendungsfälle übertragen, wie zum Beispiel die Erstellung von Simulationsmodellen zur Wirtschaftlichkeitsbewertung von Umrüstungen oder die Erstellung von Energieausweisen.

Digitaler Zwilling von Fahrzeuginsassen
 

Die Herausforderung
Moderne Autos sind softwaredefiniert und bieten eine außergewöhnliche Funktionsvielfalt. Eine zentrale Herausforderung in der Entwicklung besteht darin, die Komfort- und Assistenzsysteme im Fahrzeuginneren so zu optimieren, dass sie umfassende Informationen über alle Insassen, ihren aktuellen Zustand und ihre Intentionen in Echtzeit liefern können.

Zudem ist die Bedienung von Komfort- und Assistenzfunktionen eine Herausforderung, insbesondere wenn Fahrerin oder Fahrer nicht permanent selbst lenken müssen und mehr Freiheiten im Fahrzeuginnenraum haben. Die Interaktion über Gesten statt über Touchscreens kann hierbei zusätzliche Anforderungen an die Systemgestaltung stellen.

Die Fraunhofer-Lösung
Um diese Herausforderungen zu bewältigen, wird bei dem Fraunhofer Institut IOSB an Digitalen Zwillingen der Fahrzeuginsassen gearbeitet. Hierbei werden Fahrer und Fahrerinnen sowie Fahrzeuginsassen modelliert und in einem digitalen Zwilling abgebildet. Damit wurde im Projekt die Interaktion mit einem Chatbot im Fahrzeug und mit Fahrzeugfunktionen intuitiver gestaltet und das Fahrerverhalten mit den Anforderungen des Automationslevels abgeglichen.

Der Vorteil für Unternehmen
Unternehmen profitieren von diesen Entwicklungen, da die umfassende Erkennung von Körperhaltung, Gestik, Aktivitäten und Interaktionen aller Insassen die Qualität und Effizienz der Komfort- und Assistenzsysteme erhöht.  

Der Digitale Produkpass

Die Herausforderung
Digitale Zwillinge gewinnen entlang der gesamten industriellen Wertschöpfungskette zunehmend an Bedeutung. Im Kontext von Industrie 4.0 etabliert sich dabei besonders die Verwaltungsschale (VWS) als Standard. Ihre Erstellung und Integration stellt Unternehmen jedoch oft vor große Herausforderungen: Dazu zählen heterogene Datenquellen, komplexe Spezifikationen sowie der hohe Aufwand, um Standardkonformität sicherzustellen.

Die Fraunhofer-Lösung
Um diese Hürden zu überwinden, entwickelt das Fraunhofer IOSB eine intelligente Toolbox: Das FA³ST Ecosystem setzt GenAI in Form von großen Sprachmodellen (LLMs) ein, die speziell für verschiedene Aufgaben nachtrainiert werden und über Retrieval Augmented Generation (RAG) auf VWS-spezifische Informationen zugreifen. Ziel ist es, Nutzende ohne tiefes VWS-Fachwissen in einem intuitiven Prozess schnell und effizient zu einer standardkonformen VWS zu führen.

Der Vorteil für Unternehmen
Das FA³ST Ecosystem verfolgt einen nutzerzentrierten Ansatz, der die Expertise der Nutzenden einbindet, Standards einhält und die Qualität der DPPs erhöht. Durch den Einsatz von GenAI wird der Zeitaufwand, die erforderliche Fachkenntnis und der Personalbedarf für die Umsetzung von DPPs erheblich reduziert. Die intuitiven Prozesse erleichtern die Implementierung von DPPs und unterstützen insbesondere KMUs dabei, schnell und kostengünstig gesetzliche Anforderungen zu erfüllen.

Semantisches Datenmapping bei Digitalen Zwillingen

Die Herausforderung
Der Aufbau digitaler Zwillinge industrieller Maschinen erfordert die Verbindung realer Maschinendaten mit standardisierten Informationsmodellen. Eine besondere Herausforderung entsteht dabei durch die heterogene Struktur von OPC-UA-Daten: Knoten sind oft unterschiedlich benannt, unvollständig dokumentiert oder herstellerspezifisch gestaltet. Für Digitale Zwillinge, etwa in Form der Verwaltungsschale (VWS), ist jedoch eine eindeutige und konsistente Zuordnung erforderlich.

Die Fraunhofer-Lösung
Generative KI, insbesondere Sprachmodelle (LLMs), können als semantische Vermittler zwischen OPC-UA-Daten und standardisierten Digitalen Zwillingen dienen. Sie analysieren Knoteninformationen wie Namen, Einheiten oder Beschreibungen, interpretieren deren Bedeutung und schlagen automatisch passende Zuordnungen zu Zwillingsmodellen vor. Dadurch wird die manuelle Pflege stark reduziert, die Skalierbarkeit über verschiedene Maschinen verbessert und eine konsistente Integration in bestehende Plattformen ermöglicht. Menschliches Feedback sorgt zusätzlich für eine stetige Optimierung und höhere Zuverlässigkeit.

Der Vorteil für Unternehmen
Durch den Einsatz von Sprachmodellen (LLMs) können Unternehmen den Aufwand für die manuelle Datenverknüpfung reduzieren, die Effizienz steigern und die Genauigkeit der Digitalen Zwillinge verbessern. Dies ermöglicht eine nahtlose Integration und Verwaltung von Daten aus verschiedenen Quellen und trägt zur Optimierung industrieller Prozesse bei. Die Fähigkeit, semantische Zusammenhänge automatisch herzustellen, verbessert nicht nur die Datenqualität, sondern auch die Entscheidungsfindung und Reaktionsgeschwindigkeit innerhalb der Produktionsumgebung.