Warum Digital-Twin-Projekte im PoC stecken bleiben
Vom Einzelprojekt zum Standard
Das Wichtigste im Überblick
Fast jedes zweite Industrieunternehmen in Deutschland nutzt Digitale Zwillinge, doch viele Projekte kommen über den ersten Pilot nicht hinaus. Woran das liegt, wie Unilever, BMW und Mars den Sprung in den Betrieb geschafft haben und welche Hebel die Skalierung bezahlbar machen.
Der Pilot funktioniert. Und dann?
Der erste Digitale Zwilling überzeugt fast immer. Eine Linie, ein engagiertes Team, ein paar handgebaute Schnittstellen und nach wenigen Monaten sagt ein Dashboard Störungen voraus. Dann soll die zweite Linie folgen und kostet beinahe so viel wie die Erste. Spätestens beim dritten Werk ist das Budget aufgebraucht.
Das ist kein Einzelfall. 48 Prozent der deutschen Industrieunternehmen ab 100 Beschäftigten nutzen Digitale Zwillinge in der Produktion. Trotzdem sehen sich 60 Prozent als Nachzügler, nur 3 Prozent an der Spitze. Eine Capgemini-Studie unter mehr als 1.000 Unternehmen zeigt, dass Technik allein nicht reicht.
Erfolgreiche Unternehmen sind in sechs Feldern zugleich stark: klare Führung und Zielbild, digitale Arbeitsweisen, Zusammenarbeit mit Partnern, intelligente Systeme, gemeinsame Plattformen und eine integrierte IT. Das gelingt nur 13 Prozent. Diese Gruppe erzielt mindestens 65 Prozent höhere Effekte.
Vier Gründe, warum Digital-Twin-Projekte im Pilot hängen bleiben
Kein messbares Ziel: Unilever räumt offen ein, in der Anfangszeit nicht klar genug definiert zu haben, welchen messbaren Nutzen die Zwillinge liefern sollen. Ohne Kennzahl gibt es keinen belastbaren Business Case für den Rollout.
Fehlende Daten und Infrastruktur: 57 Prozent der deutschen Industrie fehlen die nötigen Daten, 48 Prozent nennen Mängel in der IT-Infrastruktur als häufigen Grund für das Scheitern.
Einzelanfertigung statt Bauplan: Im Pilot entstehen Datenmodelle und Schnittstellen oft speziell für eine Anlage. Jede weitere Maschine wird dann zum neuen Integrationsprojekt, die Kosten wachsen linear mit.
Kein Betriebsmodell: Wer pflegt das Modell, wenn die Anlage umgebaut wird? Wer reagiert, wenn Daten ausfallen? Ein Digitaler Zwilling mit veralteten Daten schadet mehr als gar keiner.
Wie Skalierung in der Praxis aussieht
BMW verknüpft Gebäude-, Anlagen-, Logistik- und Fahrzeugdaten zu einer Virtual Factory für über 30 Standorte. Die Kollisionsprüfung für neue Modelle dauert virtuell drei Tage statt knapp vier Wochen realer Tests. BMW erwartet bis zu 30 Prozent geringere Kosten in der Produktionsplanung.
Mars startete im Jahr 2020 mit einem einzigen Problem: überfüllte Verpackungen in einem Werk in Illinois. Nach dem erfolgreichen Test wurde die Digital-Twin Lösung in den USA ausgerollt, auf das Tiernahrungsgeschäft in Europa und China übertragen und anschließend auf eine gemeinsame Cloud-Plattform gestellt.
Das Muster ist in allen Fällen gleich: erst ein konkretes, messbares Problem lösen, dann auf einer gemeinsamen Daten- und Plattformbasis wiederholen.
Fünf Hebel, mit denen der Digitale Zwilling wirtschaftlich wächst
Kennzahl vor Technologie: Ausschuss, OEE oder Planungsaufwand, mit Ausgangswert vor Projektstart und einer verantwortlichen Person aus dem Fachbereich.
Standardisierte Datenmodelle: Die Verwaltungsschale (Asset Administration Shell, IEC 63278) beschreibt Assets in einheitlichen Teilmodellen. In Anwendungsfällen von Siemens, Festo, Bosch Rexroth und weiteren Herstellern sanken Zeit und Kosten im Engineering um bis zu 67 Prozent, bei Produktänderungsmitteilungen um bis zu 79 Prozent. Entscheidend ist der Effekt dahinter: Jede neue Anlage nutzt dieselben Teilmodelle statt einer neuen Schnittstelle.
Plattform statt Projekt: Datenanbindung, Modellverwaltung, Rechte und Security werden einmal aufgebaut. Jeder weitere Digitale Zwilling ist dann Konfiguration statt Neuentwicklung.
Betrieb von Anfang an planen: Zuständigkeiten, Updates, Monitoring und Service Level gehören schon in den Pilot, nicht erst in Phase drei.
Mitarbeitende mitnehmen: Teams im Umgang mit dem Digitalen Zwilling schulen und Empfehlungen zunächst von Menschen prüfen und freigeben lassen. Automatische Eingriffe folgen erst, wenn Vertrauen in die Ergebnisse gewachsen ist.
Wo Arvato Systems ansetzt
Skalierung beginnt nicht mit Technologie, sondern mit einem messbaren Ziel. Arvato Systems unterstützt Unternehmen dabei, geeignete Kennzahlen festzulegen und Nutzen, Kosten sowie Verantwortlichkeiten für den Digitalen Zwilling transparent zu machen.
Darauf aufbauend schaffen wir mit unserer Lösung eine wiederverwendbare Datenbasis. Sie verbindet Daten aus Produktion, SAP, MES, PLM und Service, harmonisiert unterschiedliche Strukturen und stellt sie über einheitliche Datenmodelle und Schnittstellen bereit. So wird die nächste Maschine nicht zum nächsten Integrationsprojekt. Aus dem Piloten entsteht eine Blaupause für weitere Anlagen, Standorte und Anwendungsfälle.
Zum Ansatz gehört außerdem ein belastbares Betriebsmodell mit klaren Zuständigkeiten, Qualitätsregeln und Monitoring. Über Datenräume lässt sich der Digitale Zwilling schließlich über die Unternehmensgrenze hinaus erweitern: Hersteller, Lieferanten und Servicepartner können benötigte Informationen kontrolliert bereitstellen, ohne die Hoheit über ihre Daten aufzugeben. So entsteht aus einer Einzellösung eine skalierbare Grundlage für die Zusammenarbeit entlang der gesamten Wertschöpfungskette.
Sie haben einen Pilot, der funktioniert, aber nicht wächst? Sprechen Sie uns an. Wir prüfen gemeinsam, welche Bausteine sich wiederverwenden lassen und was der nächste Standort realistisch kostet.
Verfasst von
Johannes Fuhrmann leitet als Head of Strategic Business Development das Portfolio und den Produktaufbau für die Fertigungsindustrie mit Fokus auf Digitalen Zwillingen und Datenökosystemen. Zuvor war er bei Deloitte und VELUX beschäftigt. Er hat einen MSc in Information Systems Management (University of Warwick) und einen B.A. von der HAW Hamburg.