Digital Twin in der Fertigung: Was er ist und wo Sie anfangen sollten

Transparenzhinweis: M365.FM-Host Mirko Peters arbeitet bei der iFAKT GmbH. Diese Seite beschreibt das Unternehmen sachlich; bezahlte Partnerschaften und Links sind als Anzeige gekennzeichnet.

Von Mirko Peters · 2026-11-11

Digital Twin in der Fertigung für Werksleiter erklärt: was ein Digital Twin ist, worin er sich von einer Simulation unterscheidet, wo er zuerst Nutzen bringt und wie Sie klein anfangen.

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Digital Twin in der Fertigung bedeutet, ein digitales Modell einer realen Maschine, Linie oder eines Prozesses synchron zum Original zu halten. So sehen Sie deren Zustand und können Änderungen testen, bevor Sie sie umsetzen. Dieser Artikel richtet sich an Werksleiter, die den Begriff häufig hören und wissen wollen, was er in der Praxis bedeutet. Sie erfahren, was ein Twin ist, worin er sich von einem einmaligen Modell unterscheidet, wo er zuerst Nutzen bringt, wie Sie klein anfangen und welche Fehler Sie vermeiden sollten.

Die wichtigsten Punkte

• Ein Digital Twin ist eine zweckgebundene digitale Abbildung eines realen Fertigungselements, etwa einer Maschine, einer Linie oder eines Prozesses, die mit diesem synchron bleibt.
• Eine einmalige Simulation oder eine CAD-Zeichnung ist kein Twin, denn ein Twin empfängt laufend Daten von der physischen Seite und verändert sich mit ihr.
• Die drei Bausteine, die das NIST nennt, sind verlässliche Sensordaten, zuverlässige Konnektivität und Simulationsmodelle für vorausschauende Analysen.
• Beginnen Sie mit einer klaren Frage, etwa wo der Engpass liegt oder ob eine Änderung funktioniert, statt das gesamte Werk auf einmal abzubilden.
• Ein Twin ist nur so gut wie seine Daten. Prüfen Sie deshalb Stammdaten, Arbeitspläne und Rückmeldungen aus der Produktion, bevor Sie etwas aufbauen.

Was ist ein Digital Twin in der Fertigung?

Die Norm ISO 23247-1 definiert einen Digital Twin als zweckgebundene digitale Abbildung eines beobachtbaren Fertigungselements, die mit diesem Element synchronisiert wird. Die Norm nennt, was ein solches Element sein kann: Personal, Betriebsmittel, Material, Prozess, Anlage, Umgebung, Produkt und unterstützende Dokumente. Einen Überblick finden Sie in der Übersicht zu ISO 23247-1. Die Normenreihe enthält weitere Teile zu einer Referenzarchitektur, Informationsattributen und Informationsaustausch.

Zwei Begriffe in dieser Definition sind besonders wichtig:

• Zweckgebunden. Ein Twin wird erstellt, um eine Frage zu beantworten. Ein Digital Twin einer Presse für die Wartung sieht ganz anders aus als ein Digital Twin einer gesamten Montagehalle für die Planung. Digital-Twin-Anwendungen in der Fertigung reichen von einer einzelnen Maschine bis zu einer ganzen Fabrik.
• Synchronisation. Ein Twin muss nah an der Realität bleiben. Wird er nicht aktualisiert, wird er zu einem veralteten Modell.

Einfach ausgedrückt verbindet ein Digital Twin der Produktion drei Dinge: ein virtuelles Modell, wie die Arbeit fließt, die Regeln und Betriebsbedingungen des realen Werks und einen Strom von Echtzeitdaten aus der Produktion. Viele verwenden den Begriff Digital Twin der Produktion für die Variante, die Aufträge, Ressourcen und Schichten abdeckt statt eines einzelnen physischen Assets. Digital Twins ermöglichen es, das reale Werk in einer virtuellen Umgebung zu betrachten.

Worin unterscheidet sich ein Digital Twin von einer Simulation?

Laut NIST ist ein Digitaler Zwilling eine dynamische, datengesteuerte virtuelle Repräsentation, die ihr physisches Gegenstück abbilden, damit verbinden und synchronisieren muss. Es handelt sich ausdrücklich nicht um ein statisches Modell. NIST nennt drei wesentliche Elemente: robuste Sensortechnik mit hoher Abtastrate zur Datenerfassung, eine zuverlässige industrielle IoT-Infrastruktur für die Konnektivität und fortschrittliche Simulationsmodelle für prädiktive Analysen. Diese Elemente bestimmen laut NIST die Wiedergabetreue, den Nutzen und die langfristige Tragfähigkeit des Zwillings. Lesen Sie die NIST-Seite zu den wesentlichen Elementen.

McKinsey zieht eine ähnliche Grenze. Ein echter Zwilling kombiniert häufig mehrere physische Modelle und Prozesse und verarbeitet Echtzeitdaten live. Genau das unterscheidet ihn von einem einfachen Modell oder einer CAD-Zeichnung. Siehe McKinsey zu digitalen Zwillingen.

Der Unterschied liegt also in der Verbindung. Ein digitaler Zwilling ist nützlich, weil er aktuell ist:

• Eine Simulation ist ein Modell, das Sie ausführen, um eine Frage zu beantworten. Sie laden Daten, starten die Berechnung und lesen das Ergebnis aus. Ereignisdiskrete Modelle sind ein gängiger Typ.
• Ein digitaler Zwilling empfängt laufend Daten, sodass das Modell den aktuellen Zustand widerspiegelt. Er kann Tests durchführen, und das Ergebnis beruht auf dem aktuellen Zustand.

Eine Fabriksimulation ist daher einer der wichtigsten Anwendungsfälle eines digitalen Zwillings, aber nicht dasselbe. Eine einmalige Studie für eine neue Produktionslinie kann sehr hilfreich sein, und viele Werke beginnen genau dort. Zum Zwilling wird sie, wenn die Daten regelmäßig einfließen.

Die Technologie des digitalen Zwillings passt auch in das größere Thema Industrie 4.0 und smarte Fertigung. Gemeint ist die Idee vernetzter Maschinen, Daten und Software in der Produktion, wobei das Internet der Dinge eine Datenquelle darstellt. Digitale Zwillinge in der smarten Fertigung sind eine Möglichkeit, diese Daten zu nutzen und die digitale Transformation voranzubringen.

Welche Arten digitaler Zwillinge gibt es?

McKinsey nennt vier gängige Archetypen: den Produkt-Zwilling, den Zwilling des Produktionswerks, den Zwilling für Beschaffung und Lieferkette sowie den Infrastruktur-Zwilling. Für ein Werk sind zwei davon am wichtigsten.

• Produkt-Zwilling. Er begleitet ein Produkt vom Design bis zur Nutzung und hilft der Entwicklung, Konstruktionen zu testen und ihr Verhalten im Einsatz zu prüfen.
• Zwilling des Produktionswerks. Er bildet eine Anlage mit ihren Linien, Ressourcen und Materialflüssen ab. Dies ist der digitale Zwilling, den Werkleiter für Planung, Kapazität und Engpassfragen in der Produktion nutzen.

Innerhalb eines Werks lässt sich auch in Ebenen denken, also in Typen digitaler Zwillinge. Ein Zwilling kann ein einzelnes Asset abdecken, etwa eine Maschine für die vorausschauende Wartung. Er kann einen Prozess abdecken, zum Beispiel eine Verpackungslinie. Oder er bildet ein System aus Linien, Hallen und Aufträgen ab. Je größer der Umfang, desto mehr Daten und Aufwand sind nötig. Deshalb beginnen die meisten Werke mit einem einzelnen Asset oder einer Linie.

Wo zahlt sich der digitale Zwilling in der Fertigung zuerst aus?

Der Nutzen digitaler Zwillinge hängt vom Anwendungsfall ab. McKinsey nennt Vorteile wie eine schnellere Produktentwicklung durch rasche Designiterationen, eine bessere Produktqualität durch virtuelles Testen des Fertigungsprozesses und einen geringeren Materialeinsatz. Im beschriebenen Fall berichtet das Unternehmen, dass Hersteller von Unterhaltungselektronik den Ausschuss um rund 20 Prozent senken konnten. Betrachten Sie solche Werte als Beispiel für das Mögliche, nicht als Zusage für Ihr Werk.

Für Werkleiter tauchen vier Anwendungsfälle digitaler Zwillinge am häufigsten auf:

1. Engpass- und Flussanalyse. Wo wartet die Arbeit, und was begrenzt die Leistung?
2. Was-wäre-wenn-Tests für Kapazität und Personal. Reichen eine zusätzliche Schicht, eine neue Maschine oder ein kleinerer Puffer, um die Nachfrage zu decken?
3. Vorausschauende Wartung. Ein digitaler Zwilling einer Maschine wertet Sensordaten aus, um Verschleißanzeichen vor einem Ausfall zu erkennen.
4. Qualitäts- und Prozessoptimierung. Ein Modell eines Fertigungsprozesses hilft, Einstellungen zu finden, die Ausschuss reduzieren und die Produktqualität verbessern.

Wenn Ihr Hauptproblem bei der Liefertreue liegt, beginnen Sie mit Use Case 1 oder 2. Geht es um ungeplante Stillstände, beginnen Sie mit Nummer 3. Wählen Sie den Use Case mit einem klaren Business Case, denn davon hängt ab, ob das Management die Digital-Twin-Lösung unterstützt.

Wie starten Sie mit einem Digital Twin?

McKinsey empfiehlt, Ihre digitale Reife zu bewerten, einen konkreten und überschaubaren Use Case auszuwählen, mit einem kleinen Minimum Viable Product zu starten, die Arbeit an einen klaren Business Case zu knüpfen und Hürden wie fehlende Kompetenzen, hohe Vorabinvestitionen und den Zugang zu qualitativ hochwertigen Daten einzuplanen. In der Praxis lässt sich das in sechs Schritte fassen:

1. Formulieren Sie die Frage. Zum Beispiel: "Können wir auf Linie 2 ohne Überstunden 100 Einheiten pro Tag erreichen?"
2. Legen Sie den Umfang fest. Eine Linie, eine Zelle oder eine Produktfamilie. Nicht das ganze Werk.
3. Prüfen Sie die Daten. Haben Sie verlässliche Arbeitspläne, Taktzeiten, Ressourcen, Schichtkalender und aktuelle Auftragsdaten? Lücken hier wiegen schwerer als jedes Tool.
4. Erstellen Sie ein erstes Modell. Halten Sie es einfach. Berücksichtigen Sie die wichtigsten Ressourcen, den Materialfluss und die zentralen Regeln.
5. Vergleichen Sie mit der Realität. Lassen Sie das Modell mit den Aufträgen des letzten Monats laufen und prüfen Sie, ob das Ergebnis dem tatsächlichen Verlauf nahekommt. Optimieren Sie das Modell, bis es das tut.
6. Verbinden und erweitern. Versorgen Sie es mit aktuellen Daten, nutzen Sie es für die nächste Entscheidung und erweitern Sie danach den Umfang.

Schritt 5 ist der Punkt, an dem Vertrauen entsteht. Sehen die Bediener, dass das Modell mit dem übereinstimmt, was sie aus der Produktion kennen, werden sie es nutzen. Tut es das nicht, ignorieren sie es.

Beispiel: Test einer Änderung auf einer Linie mit drei Stationen

Dieses Beispiel verwendet angenommene Zahlen.

Eine Linie besteht aus drei hintereinanderliegenden Stationen. Station A benötigt 4,0 Minuten pro Einheit, Station B 5,5 Minuten und Station C 4,5 Minuten. Die Schicht umfasst 7,5 produktive Stunden. Der Bedarf liegt bei 100 Einheiten pro Tag.

Kapazität pro Stunde:

• A: 60 ÷ 4,0 = 15,0 Einheiten
• B: 60 ÷ 5,5 = etwa 10,9 Einheiten
• C: 60 ÷ 4,5 = etwa 13,3 Einheiten

Station B ist der Engpass, daher schafft die Linie etwa 10,9 × 7,5 = 82 Einheiten pro Tag. Das sind 18 Einheiten weniger als der Bedarf.

Option 1: Überstunden von 1,5 Stunden. Die produktive Zeit steigt auf 9 Stunden. Ausbringung: 10,9 × 9 = etwa 98 Einheiten. Immer noch knapp darunter.

Option 2: eine zweite Maschine an Station B. Die effektive Zeit an B halbiert sich auf 2,75 Minuten, sodass B 60 ÷ 2,75 = etwa 21,8 Einheiten pro Stunde schafft. Jetzt begrenzt Station C mit 13,3 Einheiten pro Stunde. Ausbringung: 13,3 × 7,5 = 100 Einheiten. Der Bedarf ist gedeckt, und der Engpass wandert zu C.

Diese Rechnung blendet Schwankungen aus. In einem realen Werk verringern Stillstände, Rüstvorgänge und der Produktmix die Ausbringung. Ein Digital Twin bildet diese Effekte ab, sodass Sie erkennen, ob 100 Einheiten an einem normalen Tag erreicht werden oder nur an einem perfekten. Genau darin liegt der Nutzen des Modells: Sie können die Idee zuerst im virtuellen Modell simulieren und Digital Twins einsetzen, um die Wirkung zu sehen, bevor Sie Geld ausgeben.

Häufige Fehler

• Mit dem Tool beginnen. Wählen Sie zuerst die Frage und danach die Technologie.
• Alles auf einmal abbilden. Ein großer Umfang verzögert das erste Ergebnis und die erste Erkenntnis.
• Datenqualität ignorieren. Falsche Taktzeiten oder veraltete Arbeitspläne erzeugen ein selbstsicheres, aber falsches Modell.
• Ein Modell bauen, das niemand aktualisiert. Ohne Synchronisation wird aus dem Digital Twin eine Simulation, die veraltet.
• Validierung auslassen. Wurde das Modell nicht mit realen Ergebnissen verglichen, sollte ihm niemand seine Prognosen glauben.
• Die Produktion außen vor lassen. Bediener und Schichtleiter kennen die Ausnahmen. Binden Sie sie beim Aufbau und bei der Prüfung des Modells ein.

Wie Software helfen kann

Fertigungssoftware für einen Digital Twin muss Modell und Daten zusammenhalten. Polaris von iFAKT ist eine Produktionssoftware, die iFAKT als „AI + Digital Twin for Production“ präsentiert. Sie übernimmt Auftrags- und Stammdaten aus dem ERP-System und kombiniert sie mit einem Digital Twin der Fabrik, sodass sich Reihenfolgen optimieren, Engpässe sichtbar machen und die Liefertreue verbessern lässt. Wofür Sie sich auch entscheiden: Fragen Sie nach, wie das Tool seine Daten bezieht, wie oft das Modell aktualisiert wird und wie Sie es gegen reale Ergebnisse prüfen.

Nächster Schritt

Wählen Sie eine Linie und formulieren Sie eine Frage, die ein Digital-Twin-Projekt in der Fertigung beantworten soll, mit einer Kennzahl wie Einheiten pro Tag oder Liefertreue. Prüfen Sie anschließend, ob die Daten für diese Linie vollständig und verlässlich sind, bevor Sie sich ein Tool ansehen.