Die Idee vom digitalen Zwilling stammt aus den 1970ern, unter anderem aus der Abteilung für Weltraumtechnik der Nasa. Heute ist die digitale Verdopplung von Produkten,  Maschinen, Produktionsprozessen und ganzen Wertschöpfungsketten anhand der Daten, die im Prozess anfallen, auch in Echtzeit möglich: Diese datenbasierten Echtzeit-Kopien heißen digitale Schatten und ermöglichen die unmittelbare Anpassung von Unternehmensprozessen an Veränderungen. Die Großen der Industrie wie etwa Bosch  oder VW, aber auch viele Dienstleistungsunternehmen, haben das Prinzip früh übernommen. Dank günstigen Komponenten, ultraschneller Vernetzung, größeren Speicherkapazitäten und komplexeren Algorithmen könnten jetzt auch kleinere Unternehmen ihre eigenen Daten erheben und Datenanalytik nutzen, um ihre Produktionsprozesse und Kundenbeziehungen zu optimieren. Viel Zeit zum Aufholen bleibt ihnen aber nicht, sagt der Innovationsforscher Frank Piller im Interview.

"Wiener Zeitung": Stimmt es, dass die Weltraumtechniker der Nasa die Ersten waren, die mit digitalen Zwillingen gearbeitet haben?

Frank Piller: Ob sie die Ersten waren, weiß ich nicht, aber die Grundidee des digitalen Zwillings ist schon recht alt. Die Technologie war zum Beispiel 1970 bei der Raumfahrtmission Apollo 13 kritisch, um nach der Explosion der Tanks des Raumschiffs auf der Erde Rettungsmanöver durchzuspielen – damals noch mit einem physischen Modell. Über die Jahre wurde die Simulation immer mehr virtuell bzw. digital. Doch erst Industrie 4.0 bzw. das Industrielle Internet der Dinge lassen uns digitale Zwillinge seit Kurzem wirtschaftlich nutzen.

Wodurch ist das jetzt möglich?

Die ursprüngliche Idee des digitalen Zwillings war es, eine virtuelle Reproduktion eines physischen Produkts, zum Beispiel einer Maschine in einer Fabrik, zu erzeugen. Der digitale Zwilling war ein Idealbild und Entwicklungsmodell, mit dem Simulationsmodelle erstellt wurden, bevor eine Maschine in den realen Betrieb genommen wurde. Das ist seit den 1990er Jahren Status quo in der Industrie und geht mit heutiger Technik billiger. Neu ist, dass nicht mehr nur im Voraus simuliert, sondern der digitale Zwilling auch in Echtzeit abgebildet und aktualisiert werden kann. Zudem gibt es heute Machine-Learning-Algorithmen, die Muster in den Daten erkennen, die der digitale Zwilling sammelt. Wir unterscheiden in unserer Forschung übrigens zwischen dem digitalen Zwilling und dem digitalen Schatten.

Worin liegt der Unterschied?

Der digitale Zwilling ist eine Eins-zu-eins-Abbildung der Realität. Ein Schatten ist eine Reduktion der Wirklichkeit. Es ist noch unrealistisch, alle Daten, die eine Maschine produziert, zu speichern – wir müssen sie reduzieren. Das heißt: Von der Maschine haben wir einen digitalen Zwilling, von ihren Gebrauchsdaten einen Schatten. Ein Beispiel: Die Corona-Apps erschaffen einen digitalen Schatten des Bewegungsprofils jedes Bürgers, müssen aber nicht jede Millisekunde Daten wie den Standort hochladen, sondern vielleicht nur jede Minute. In Aachen forschen wir zum Beispiel daran, wie die Reduktion so erfolgen kann, dass wir die Massen von Daten, die heute entstehen, speichern können, sodass dies sowohl technisch als auch wirtschaftlich Sinn macht.

Was kann man mit einem digitalen Zwilling bzw. dem Industrial Internet of Things erreichen?

Wir haben in Aachen ein Data Science Startup, das maschinelles Lernen für die Industrie einsetzt. Ein Kunde war ein 30 Jahre altes Stahlwerk, das über die Jahre kontinuierlich verbessert wurde und eine hohe Produktivität hatte. In einem Stahlwerk sind aus Sicherheitsgründen bestimmt 20.000 Sensoren verbaut, die etwa Daten zur Temperatur oder Reibung sammeln. Diese werden aber klassischerweise weder gespeichert noch analysiert. Durch die Erstellung eines digitalen Zwillings und Schattens des Stahlwerks wurde die Datengrundlage geschaffen, die moderne Algorithmen des maschinellen Lernens brauchen. Dadurch konnte die Produktivität des Werks um drei Prozent gesteigert werden. Das klingt nicht viel, ist aber bei einer solchen Anlage ein heiliger Gral – vor allem auf Basis bestehender Anlagen und Sensoren. Das geht, weil ein Algorithmus anders in die Daten hineinschaut und Erkenntnisse gewinnt als ein Mensch, der dafür zudem viel mehr Zeit bräuchte.

Braucht es dann überhaupt noch Menschen in der Fabrik?

Der Algorithmus sagt: "Schau mal, diese beiden Messwerte haben etwas miteinander zu tun." Dann sind Menschen mit Erfahrungswissen in der Produktion gefragt, um etwas zu verändern. Einen digitalen Zwilling zu erstellen, ist kein Selbstzweck. Es erzeugt zunächst nur Kosten. Der Mensch muss die gewonnenen Daten und Korrelationen nutzen, um bessere Entscheidungen zu treffen. Es geht also nicht um maschinelle versus menschliche Intelligenz, sondern um "hybride Intelligenz".

Das Internet der Dinge und digitale Zwillinge sind also mehr als ein Hype?

Ja, definitiv. Dass es kein Hype ist, sieht man auch daran, wie sehr digitale Schatten schon jetzt im Einsatz sind – gerade bei Konsumenten. Denken Sie an Alltagsprodukte wie Smartphones und Smart Homes, smarte Trainingsgeräte oder Rauchmelder: Sie alle schaffen digitale Schatten unseres Lebens. Google oder Facebook bauen im Grunde von jedem Nutzer einen digitalen Zwilling. An der personalisierten Bannerwerbung, die darauf aufbaut, merkt man, dass dies manchmal gut, manchmal eher schlecht funktioniert. In der Industrie könnte man von jedem Arbeiter einen digitalen Schatten erstellen. Wenn es zu einem Schadensfall kommt, könnte eine Versicherung sagen: Zeigt mir euren digitalen Schatten, um zu wissen, ob der Bediener die richtige Ausbildung oder Freigabe für die Maschine hatte. So etwas ist nicht gut für den Betriebsfrieden, aber für die Versicherung oder für Anbieter von Schulungen schon.

Wenn Menschen einen digitalen Zwilling bekommen, wird es aber datenschutzrechtlich mehr als heikel.

Egal ob ich mich als Sportler optimiere oder den Werker in meiner Fabrik – das Grundprinzip ist das gleiche. Doch das eine finden wir okay, weil es freiwillig ist, das andere nicht. Es kann aber auch notwendig sein, zum Beispiel in der Pharmaproduktion, wo besonders hohe Sicherheitsstandards nötig sind. Ein digitaler Schatten kann auch genutzt werden wie bei Computerspielen, die sich individuell auf die Fähigkeiten des Spielers einstellen und ihn immer weiter fordern, damit er dauerhaft Spaß hat. Sowas ginge auch in der Fabrik: Maschinen stellen sich auf die Fähigkeiten eines Auszubildenden ein und fordern ihn, Neues zu lernen. Es gibt viele Möglichkeiten, aber man gelangt ebenso schnell an ethische Grenzen. Deshalb ist es wichtig, die Möglichkeiten und Gefahren offen miteinander zu diskutieren und zu gestalten.

Wie hoch schätzen Sie das Potenzial von digitalen Zwillingen in der Industrie ein?

Eine wichtige Performance-Kennzahl in Fabriken ist die Overall Equipment Efficiency, laienhaft ausgedrückt die Maschinenauslastung. Diese OEE liegt weltweit – auch vor der Corona-Krise – weit unter 60 Prozent. Das heißt, hier wird unglaublich viel Potenzial verschwendet. Mit digitalen Zwillingen und Schatten kann ich die Effizienz erhöhen, indem ich zum Beispiel Auftragsreihenfolgen besser plane, Engpässe identifiziere oder die Anlagen mittelfristig anders gestalte. Wenn ich dann auch noch die Daten meiner Fabrik mit den Daten anderer Fabriken vergleiche, steigt der Nutzen ungemein. Durch dieses Benchmarking kann ich aus den Fehlern und Erfahrungen anderer lernen. So können bestehende Anlagen besser gesteuert, aber auch Emissionen reduziert und die Produktion nachhaltiger gemacht werden. Allein aus Nachhaltigkeitsgründen müssen wir dieses Potenzial heben.

Was, wenn Unternehmen den Trend verpassen oder sich zu spät dem Wert ihrer Daten widmen?

Zuerst die gute Nachricht: Sie haben noch nichts verpasst, das geht gerade erst los. 2019 haben wir in Deutschland erst fünf Prozent des Potenzials von digitalen Schatten genutzt, oder anders gesagt: Fünf Prozent der Fabriken waren vernetzt und haben neuere Analytik genutzt. Im Forschungsbeirat der Plattform Industrie 4.0 gehen wir davon aus, dass diese Zahl 2030 bei 75 Prozent liegen wird. Viele Effekte kommen erst so richtig zur Wirkung, wenn auch Kunden und Lieferanten ihre Daten mit entsprechenden Anwendungen auswerten, nutzen und teilen. Der Vernetzungsgrad der Firmen wird zwischen 2023 und 2025 vielleicht bei 30 bis 40 Prozent liegen. Das ist das kritische Zeitfenster: Wenn ich dann immer noch nichts gemacht habe, wird es schwer sein, das aufzuholen.

***

Ein Beitrag zum Schwerpunktthema "Data Governance" aus der "Digitalen Republik", ein Verlagsprodukt aus der Content Production der "Wiener Zeitung".