MODELLIERUNG · DATEN · FERTIGUNG

Digitale Zwillinge in der Fertigung: Modelle, Daten und Verbindung zum realen Prozess.

Ein digitaler Zwilling verbindet eine zweckmäßige Systemrepräsentation mit Daten des physischen Gegenstücks und Funktionen für Überwachung, Schätzung, Prognose oder Entscheidungsunterstützung. Simulation, Sensorik und historische Daten können grundlegende Komponenten sein; ihr Nutzen entsteht durch Integration für einen konkreten Anwendungsfall.

PM Tec Engineering bringt Fachwissen in physikalischer Modellierung sowie Prozess-, Werkzeug- und Produktsimulation ein. KERN IoP ergänzt Instrumentierung, Datenerfassung, Betriebskontext und historische Daten. Gemeinsam bilden diese Kompetenzen eine solide technische Grundlage für digitale Zwillinge in der Fertigung.

Ein digitaler Zwilling wird durch die Beziehung zum physischen System und seinen vorgesehenen Zweck definiert.

ISO 23247 bietet einen Referenzrahmen für digitale Zwillinge in der Fertigung. Die Reihe behandelt allgemeine Prinzipien, Architektur, digitale Repräsentation von Fertigungselementen und Informationsaustausch. 2026 kam ISO 23247-5 hinzu, die den digitalen Faden über den Lebenszyklus behandelt. Das NIST ergänzt diesen Ansatz durch Arbeiten zu Standardisierung, Validierung, Unsicherheit und Interoperabilität.

REPRÄSENTATION

Systemmodell

Kann Geometrie, physikalische Gleichungen, Prozessmodelle, Simulation, Logik, Beziehungen zwischen Anlagen oder statistische Modelle umfassen.

SYNCHRONISIERUNG

Anlagendaten

Sensoren, Maschinensignale, Betriebsaufzeichnungen sowie Qualitäts- und Kontextdaten aktualisieren oder kalibrieren die Repräsentation je nach Zweck.

DIENSTE

Betriebliche Nutzung

Überwachen, Zustände schätzen, Messwerte mit Modellen vergleichen, Verhalten vorhersagen, Szenarien testen und Entscheidungen unterstützen.

Wichtige Präzisierung: eine automatische Einflussnahme auf den Prozess kann Bestandteil eines digitalen Zwillings sein, ist aber nicht grundsätzlich erforderlich. In vielen industriellen Anwendungen unterstützt der Zwilling Fachkräfte, während Entscheidungen unter menschlicher Aufsicht bleiben.

Simulation, digitales Modell, digitaler Schatten und digitaler Zwilling: zunehmende Funktionen.

Funktion	Nutzen	Beziehung zum physischen System	Beispiel aus der Fertigung
Simulation	Ermöglicht die Untersuchung von Hypothesen, Szenarien und Parametersensitivitäten.	Kann unter ingenieurmäßig festgelegten Bedingungen ohne automatische Synchronisierung mit dem Betrieb ausgeführt werden.	Füllung, Kühlung, Verzug oder strukturmechanische Reaktion vor einer Prozessänderung simulieren.
Digitales Modell	Repräsentiert Anlage oder Prozess durch CAD, CAE, Gleichungen, Logik oder statistische Modelle.	Kann einer Anlage zugeordnet bleiben, auch wenn die Aktualisierung ingenieurmäßige Arbeit erfordert.	Thermisches Werkzeugmodell oder dynamisches Modell einer Kühlanlage.
Digitaler Schatten	Strukturiert Betriebsdaten und beobachtete Zustände, um das reale Verhalten abzubilden.	Die Literatur beschreibt damit überwiegend einen Datenfluss vom physischen zum digitalen System.	Kontextualisierte historische Daten zu Zyklen, Druck, Temperaturen, Energie, Aufträgen und Qualität.
Digitaler Zwilling	Verbindet Modelle, Daten und Dienste zur Darstellung des Systemzustands für einen betrieblichen Zweck.	Besteht in einer dauerhaften, synchronisierten Beziehung zur Anlage; Häufigkeit und Richtung des Datenaustauschs hängen vom Anwendungsfall ab.	Mit realen Daten aktualisiertes Prozessmodell zur Zustandsschätzung, Qualitätsprognose oder zum Vergleich von Betriebsvarianten.

Diese Entwicklungsstufen helfen bei der Projektplanung, sind jedoch keine allgemein verbindliche normative Taxonomie. Die Begriffe werden in Fachpublikationen unterschiedlich verwendet. Für die industrielle Umsetzung ist wichtiger, welches Modell vorliegt, welche Daten es wie häufig aktualisieren, wie es validiert wird und welche Entscheidung es unterstützen soll.

Die Architektur verbindet physikalisches Wissen, Messtechnik und Betriebskontext.

Funktionsarchitektur eines industriellen digitalen Zwillings
Die Umsetzung richtet sich nach der Anlage und dem Anwendungsfall.

01 · MODELLRepräsentieren

Physikalische Grundprinzipien, CAE-Simulation, Bilanzen, Geometrie, statistische Modelle oder Kombinationen.

02 · MESSENBeobachten

Sensorik, SPS, Maschine, Messgeräte, Peripherie und Qualitätsdaten erfassen den realen Zustand.

03 · KONTEXTZuordnen

Auftrag, Artikel, Werkzeug, Material, Charge, Zustand, Zyklus und Betriebsbedingungen.

04 · SCHÄTZENAktualisieren

Kalibrierung, Zustandsschätzung, Modell-Messwert-Vergleich und Berechnung nicht direkt beobachteter Größen.

05 · ANWENDENEntscheiden

Diagnose, Prognose, Optimierung, virtuelle Versuche und betriebliche Unterstützung.

PM Tec Engineering + KERN IoP: Modellierung und Simulation verbunden mit Messtechnik, Betriebsdaten und Analysen.

Hybride Modelle verbinden Physik und Daten für eine bessere Abbildung des realen Betriebs.

Ein für die Fertigung besonders relevanter Entwicklungsansatz kombiniert physikalisch fundierte Modelle mit datengetriebenen Modellen, also aus Daten aufgebauten oder angepassten Modellen. Die 2026 von Zhang und Kollegen veröffentlichte Übersichtsarbeit beschreibt hybride digitale Zwillinge als Integration physikalischer Modelle, Mechanismen, Simulation, datenbasierter Algorithmen und Optimierung zur Verbesserung von Genauigkeit, Anpassungsfähigkeit und Erklärbarkeit.

PHYSIK

Phänomenologisches Modell

Massen-, Energie- und Impulsbilanzen, Materialgesetze und Prozesswissen begrenzen die möglichen Lösungen auf physikalisch plausible Verhaltensweisen.

DATEN

Korrektur und Lernen

Messdaten helfen, Parameter zu kalibrieren, Unsicherheiten zu reduzieren, schwer messbare Zustände zu schätzen und nicht explizit modellierte Einflüsse zu erfassen.

VALIDIERUNG

Quantifiziertes Vertrauen

Der wiederholte Vergleich von Modell und Betrieb ermöglicht die Bewertung von Fehlern, Gültigkeitsbereich und Unsicherheit, bevor Vorhersagen für Entscheidungen genutzt werden.

Beim Spritzgießen kann der Zwilling Werkzeug, Maschine, Material, Peripherie und Qualität verbinden.

Computersimulation des Spritzgießprozesses

Beim Spritzgießen wirken thermische, rheologische, mechanische und regelungstechnische Vorgänge zusammen. Studien zu Spritzgießzwillingen nutzen Maschinendaten, Kavitätssensoren, Peripherie und Qualitätssysteme, um Prozesszustände mit dem Bauteilergebnis zu verknüpfen. Simulation liefert die physikalische Darstellung; reale Messungen aktualisieren, validieren oder ergänzen sie.

THERMIK

Werkzeug und Kühlung

Ein thermisches Modell zusammen mit Temperatur-, Durchfluss- und Zyklusdaten kann thermische Zustände schätzen, Kühlstrategien vergleichen und die Prozessstabilität untersuchen helfen.

QUALITÄT

Prozess und Bauteilqualität

Druck, Temperatur, Zeiten, Positionen, Energie und Kavitätssignale können mit Gewicht, Abmessungen und Prüfergebnissen verknüpft werden, um Qualitätsprognosen und Streuungsursachen zu untersuchen.

ENERGIE

Verbrauch und Betriebszustand

Energiemessungen von Maschine und Peripherie können weitere Zustandsgrößen liefern und beim Vergleich von Zyklen, Einstellungen und Artikeln unter vergleichbaren Bedingungen helfen.

MASCHINE + ZELLE

Heterogene Datenquellen

OPC UA/EUROMAP, SPS, digitale Signale, Messgeräte und zusätzliche Sensorik können in einer gemeinsamen Repräsentation verbunden werden, wenn keine einzelne Quelle alle nötigen Kontextdaten enthält.

Praktischer Ansatz: Mit einer Ingenieurfrage beginnen und die Modellgenauigkeit nur bei nachgewiesenem Nutzen steigern.

1 · BEOBACHTEN

Instrumentieren

Relevante Messgröße festlegen und die Messung validieren.

2 · KONTEXTUALISIEREN

Historie aufbauen

Signale mit Anlage, Artikel, Charge, Zyklus, Zustand und Ergebnis verknüpfen.

3 · MODELLIEREN

Phänomen abbilden

Geeignetes physikalisches, statistisches, Simulations- oder Hybridmodell auswählen.

4 · VALIDIEREN

Mit dem realen Betrieb vergleichen

Fehler, Sensitivität, Unsicherheit und gültigen Betriebsbereich quantifizieren.

5 · SYNCHRONISIEREN

Zustände aktualisieren

Neue Messdaten zur Schätzung von Parametern und Zuständen im Betrieb verwenden.

6 · ANWENDEN

Entscheidungen unterstützen

Diagnose, Prognose, Optimierung oder Empfehlungen innerhalb des validierten Geltungsbereichs.

Dieser Ansatz verhindert eine unnötige Überdimensionierung des Projekts. Nicht jede Anwendung benötigt einen vollständigen digitalen Zwilling. Eine gut validierte Simulation, ein kontextualisierter digitaler Schatten oder ein virtueller Sensor können eine konkrete technische Frage bereits ausreichend lösen.

INGENIEURKOMPETENZEN

Physikalisch fundierte Modelle. Messdaten aus dem realen Betrieb.

PM Tec Engineering verfügt über Erfahrung in phänomenologischer semiphysikalischer Modellierung, numerischer Simulation, Produktentwicklung sowie Werkzeug- und Prozessoptimierung. Der Geschäftsbereich Industrie 4.0, KERN IoP, ergänzt Sensorik, Datenerfassung, historische Daten, Qualitätsgrößen und Betriebskontext. Diese Kompetenzen ermöglichen Projekte zur vernetzten Modellierung und zu digitalen Zwillingen auf physikalischer und experimenteller Grundlage.

PM TEC ENGINEERING

Modellierung und Simulation

Physikalische Vorgänge, Spritzgießsimulation, thermische und Strukturanalysen, Versuchsplanung und Prozesswissen.

KERN IoP

Messtechnik und Kontext

Sensoren, Messgeräte, SPS, Maschinensignale, Betriebsaufzeichnungen, Energie, Qualität, historische Daten und Integration.

PROJEKT

Validierung und Anwendung

Modell kalibrieren, Unsicherheit bewerten, Zustände schätzen und Entscheidungswerkzeuge für einen konkreten betrieblichen Bedarf entwickeln.

Anwendung mit Ingenieuren prüfen

Ingenieurleistungen für Spritzgießen ansehen

Die Architektur eines vernetzten digitalen Zwillings vertiefen.

ARCHITEKTUR

ERP, MES, SCADA und Betriebsdaten

Wie Funktionen verteilt sind und wo betriebliche Daten gespeichert werden.

KOMMUNIKATION

OPC UA, MQTT und EUROMAP

Informationen übertragen, Semantik erhalten und unterschiedliche Maschinen anbinden.

PLATTFORM

KERN IoP

Instrumentierung, Datenerfassung, historische Daten und Analyse betrieblicher Messgrößen.

HARDWARE

SMARTPRO

Datenerfassung von Signalen, Messgeräten, Sensoren, SPS und Betriebsaufzeichnungen.

SOFTWARE

MONITOR

Auswertung, Kontextualisierung und Analyse erfasster Informationen.

INGENIEURWESEN

Ingenieurleistungen für Spritzgießen

Modellierung, Simulation, Inspektion, Versuche und Validierung am realen Prozess.

Häufige Fragen zu digitalen Zwillingen.

Ist eine Simulation ein digitaler Zwilling?

Eine Simulation kann ein wesentlicher Bestandteil eines digitalen Zwillings sein. Für sich genommen untersucht sie Szenarien oder prognostiziert Verhalten unter definierten Bedingungen. Im digitalen Zwilling ist das Modell dauerhaft mit einer physischen Anlage oder einem Prozess verbunden und nutzt Betriebsdaten zur Aktualisierung, Kalibrierung und Zustandsinterpretation.

Benötigt ein digitaler Zwilling Echtzeitdaten?

Er benötigt eine anwendungsgerechte Synchronisierung; „Echtzeit“ bedeutet jedoch nicht in jedem Fall dasselbe. Für eine Regelung können Millisekunden nötig sein, eine Wärmebilanz kann zyklusweise aktualisiert werden, ein Degradationsmodell deutlich seltener. Die richtige Frequenz hängt von Prozessdynamik und Aufgabenstellung ab.

Muss ein digitaler Zwilling die Maschine automatisch regeln?

Nicht unbedingt. Digitale Zwillinge können Überwachung, Diagnose, Zustandsschätzung, Prognose und Entscheidungen unterstützen, während Bediener oder Ingenieure die Entscheidungshoheit behalten. Automatische Eingriffe sind eine zusätzliche Funktion mit höheren Anforderungen an Regelung, Sicherheit, Validierung und Betriebsgrenzen.

Was leistet ein phänomenologisches Modell?

Es enthält Beziehungen aus der Prozessphysik, etwa Massen- und Energiebilanzen, und ermöglicht eine nachvollziehbare Darstellung von Ursachen und Wirkungen. Reale Messdaten können Parameter kalibrieren, nicht modellierte Effekte kompensieren und Zustände aktualisieren, sodass hybride Modelle entstehen.

Kann eine ältere Maschine Teil eines digitalen Zwillings sein?

Ja, wenn der relevante Zustand über SPS, Signale, Messgeräte oder zusätzliche Sensorik erfasst werden kann. OPC UA erleichtert die Interoperabilität moderner Anlagen, aber die Architektur orientiert sich am Informationsbedarf des Anwendungsfalls, nicht an einem einzigen Protokoll.

Welche Informationen benötigt ein digitaler Zwilling beim Spritzgießen?

Dies hängt vom Zweck ab. Mögliche Daten umfassen Maschinenparameter und -signale, Kavitätsgrößen, Temperaturen, Kühlung, Material, Werkzeug, Energie, Peripherie, Fertigungsauftrag und Qualitätsdaten. Die Auswahl richtet sich nach der zu beantwortenden Frage.

REFERENZEN

Verwendete Fachquellen.

International Organization for Standardization. (2021). ISO 23247-1:2021 — Automation systems and integration — Digital twin framework for manufacturing — Part 1: Overview and general principles. ISO.

International Organization for Standardization. (2021). ISO 23247-2:2021 — Part 2: Reference architecture. ISO.

International Organization for Standardization. (2021). ISO 23247-3:2021 — Part 3: Digital representation of manufacturing elements. ISO.

International Organization for Standardization. (2021). ISO 23247-4:2021 — Part 4: Information exchange. ISO.

International Organization for Standardization. (2026). ISO 23247-5:2026 — Part 5: Digital thread for digital twin. ISO.

Shao, G. (2024). Manufacturing Digital Twin Standards. National Institute of Standards and Technology. NIST.

Frechette, S., Shao, G., & Pease, M. (2026). Digital Twins Workshops Summary Report (NISTIR 8620). National Institute of Standards and Technology. NIST.

Zhang, X., Kou, Y., Zhang, X., et al. (2026). Hybrid digital twins for smart manufacturing: Architectures, fusion paradigm, and implementation challenges. Journal of Manufacturing Systems, 85, 51–71. https://doi.org/10.1016/j.jmsy.2025.12.029

Villegas, L. F., Macchi, M., & Polenghi, A. (2025). Digital twins in manufacturing: A unified conceptual framework. Annual Reviews in Control, 60, 101031. https://doi.org/10.1016/j.arcontrol.2025.101031

Bibow, P., Dalibor, M., Hopmann, C., Mainz, B., Rumpe, B., Schmalzing, D., Schmitz, M., & Wortmann, A. (2020). Model-driven development of a digital twin for injection molding. En Advanced Information Systems Engineering (pp. 85–100). Springer. https://doi.org/10.1007/978-3-030-49435-3_6

PM Tec Engineering. (s. f.). Modellierung für Prozessüberwachung und -regelung. PM Tec Engineering.

PM Tec Engineering. (s. f.). Spritzgießsimulation mit SIGMASOFT. PM Tec Engineering.

TECHNISCHE DURCHSICHT

Dr.-Ing. Miguel Garzón · Technische Leitung, KERN IoP

Inhalt erstellt von PM Tec Engineering über den Geschäftsbereich Industrie 4.0, KERN IoP. Letzte Prüfung: Oktober 2026.

KERN IoP

Startseite
Plattform
Unternehmen
Nach Aufgabenbereich

Anwendungen

KERN IoP | ENERGY
Produktivität
Qualität und Prozess
Rückverfolgbarkeit

Ingenieurleistungen

Leistungen
Implementierung
Schulungen

Fachwissen

Leitfäden und Fachbeiträge
Werkzeuge
Kontakt

PM Tec Engineering mit dem Geschäftsbereich Industrie 4.0, KERN IoP.
Cota, Cundinamarca · Colombia.
© 2026 PM Tec Servicios de Ingeniería SAS · Website 2026 aktualisiert.

Datenschutzhinweise