Warum digitale Zwillinge in der mittelständischen Fertigung scheitern und was stattdessen gebaut werden sollte

Wesentliche Erkenntnisse

• Das Konzept des digitalen Zwillings ist sinnvoll. Die Umsetzung im Mittelstandssegment ist jedoch fast immer das falsche Projekt. Die meisten Anlagen mit 50, 500 Mitarbeitenden, die einen digitalen Zwilling in Auftrag geben, enden mit einer teilweise erstellten Simulation, die niemand aktualisiert und niemand nutzt.
• Die grundlegende Diskrepanz besteht zwischen dem, was ein digitaler Zwilling erfordert (hochpräzise Instrumentierung, dedizierte Ingenieurarbeit, fortlaufende Modellpflege) und dem, was mittelständische Anlagen haben (variable Instrumentierung, kein spezialisierter Simulationsingenieur, kein Budget für Modellpflege nach dem ersten Jahr).
• Was mittelständische Anlagen in der Regel brauchen, ist kein Zwilling. Sie brauchen eine einzige, normalisierte Quelle betrieblicher Wahrheit: Anlagenhierarchie, OEE‑Ereignisse, Arbeitsaufträge, Wartungsplan und Qualitätsdaten, alles an einem Ort. Das liefert den Großteil dessen, was ein digitaler Zwilling verspricht, zu einem Bruchteil der Kosten und bleibt automatisch aktuell.
• Die entscheidende, wenig romantische Frage lautet: Möchten Sie lieber eine 3D‑Visualisierung Ihrer Anlage, die niemand öffnet, oder eine normalisierte Datenbank, die das Morgenmeeting tatsächlich nutzt?

Das Verkaufsversprechen und die Realität

Das Verkaufsversprechen des digitalen Zwillings ist verlockend. Eine Echtzeit‑Simulation der physischen Anlage, aktualisiert durch Sensordatenströme, für Was‑wäre‑wenn‑Analysen abfragbar. Der Anbieter demonstriert ein rotierendes 3D‑Modell einer Verpackungslinie, Zustände der Anlagen farblich kodiert, die Durchsatzprojektion in die Zukunft. Der Betriebsleiter sieht die Version der Anlage, in die er gerne Einblick hätte.

Die Realität, 18 Monate später: Das 3D‑Modell steht in einer Ecke des Büros, weitgehend ungesehen. Die Sensorabdeckung, die nötig wäre, um es genau zu halten, stellte sich als deutlich größer heraus als ursprünglich geschätzt. Der Ingenieur, der es gebaut hat, ist zu einem anderen Projekt gewechselt.

Die Hälfte des Modells ist veraltet, weil die Anlage im letzten Quartal Linie 3 umgebaut hat und der Zwilling nicht aktualisiert wurde.

Die Anlage erhielt vieles von dem, was sie tatsächlich brauchte, Sichtbarkeit des Anlagenzustands, Ursachen von Ausfällen und den Stand der vorbeugenden Wartung, jedoch zu einem Vielfachen der Kosten einer richtig dimensionierten Plattform für operative Daten.

Das ist kein Vorwurf gegen digitale Zwillinge als Konzept. Sie funktionieren in passenden Kontexten: großen Anlagen mit kontinuierlichen Prozessen und dedizierten Reliability‑Engineering‑Teams, kapitalintensiven Industrien, in denen Modellierung sich durch vermiedene Ausfallzeiten rechnet. Für mittelständische diskrete und Chargenfertigung rechnet sich das selten.

Was ein digitaler Zwilling tatsächlich erfordert

1. Hochpräzise Instrumentierung für jedes modellierte Asset

Ein nützlicher Zwilling benötigt mehr Sensordaten, als die meisten mittelständischen Anlagen erfassen: Vibration, Strom, Temperatur, Position, pro Anlagelement, in Echtzeit, mit belastbarer Kalibrierung. Die Kosten für die Instrumentierung sind üblicherweise der erste Punkt, an dem Projekte das Budget überschreiten, oft erheblich.

2. Einen Simulationsingenieur, der das Modell pflegt

Der Zwilling ist ein Modell. Modelle driften. Neue Ausrüstung kommt, die Anlage wird umgebaut, Prozesse ändern sich. Ohne einen dedizierten Ingenieur, der das Modell kontinuierlich aktualisiert, verkommt die Genauigkeit innerhalb eines Jahres zu bloßer „Dekoration“. Mittelständische Anlagen besetzen diese Rolle fast nie und ersetzen in der Regel auch nicht den ursprünglichen Implementierungsingenieur, wenn dieser weggeht.

3. Einen Anwendungsfall, bei dem Simulation der direkten Messung überlegen ist

Dies ist der Input, der beim Scoping am häufigsten übersehen wird. Der Zwilling rechtfertigt seine Kosten, wenn das Durchführen von Szenarien darauf deutlich günstiger ist als in der realen Anlage, Was‑wäre‑wenn‑Wechselvorgänge, alternative Routen, Experimente zur Wartungsplanung. Wenn der tatsächliche Entscheidungsrhythmus der Anlage diese Fähigkeit nicht benötigt, ist die Simulation eine schöne Antwort auf eine Frage, die niemand stellt.

Was mittelständische Anlagen stattdessen normalerweise brauchen

Der Großteil des praktischen Nutzens eines digitalen Zwillings, zu einem Bruchteil der Kosten, stammt aus einer Plattform für operative Daten. Nicht aus einer Simulation. Einfach ein Ort, an dem Anlagenhierarchie, OEE‑Ereignisstrom, Arbeitsaufträge, der vorbeugende Wartungsplan und die Qualitätsdaten zusammen leben.

Das ist unromantisch. Es ist aber auch das, was Anlagen brauchen. Die Frage „Wo steht Asset L3‑PKG‑02 in seinem PM‑Zyklus und welches war sein letztes ungeplantes Ereignis?“ lässt sich in 5 Sekunden beantworten statt in 20 Minuten systemübergreifender Suche.

Die Frage „Welche Anlagen haben letzten Monat am meisten Produktionsminutenverlust beigetragen?“ wird zur Abfrage statt zu einem vierteljährlichen Projekt. Der Beitrag zu Wartungs‑KPIs und Kennzahlen in der Fertigung behandelt die zugrundeliegenden Kennzahlen, die eine solche Plattform erschließt.

Was die operative Plattform liefert, was das Zwilling‑Versprechen gemacht hatte:

• Sichtbarkeit auf Anlagenebene. Der aktuelle Zustand jeder Anlage in einer Ansicht.
• Funktionübergreifende Rückverfolgbarkeit. Von einem OEE‑Stopp über den Arbeitsauftrag bis zu den verbrauchten Teilen und dem nächsten fälligen PM.
• Trendanalysen. Häufigkeiten von Ausfallmodi, MTBF und MTTR nach Anlagenklasse, Wirksamkeit der PM nach Klasse.
• Entscheidungsunterstützung für die nächsten 30, 90 Tage. Wartungsplanung, Kapazitätsplanung, Priorisierung von CapEx.

Was die Plattform nicht liefert, was der Zwilling versprochen hatte:

• Was‑wäre‑wenn‑Simulation physikalischer Prozesse.
• 3D‑Visualisierung.
• Prädiktive Modellierung, die über statistische Mustererkennung in historischen Daten hinausgeht.

Für die meisten mittelständischen Anlagen sind die Punkte der zweiten Liste nicht der begrenzende Faktor für Verbesserungen. Die Punkte der ersten Liste sind es.

Die ehrliche Scoping‑Frage

Bevor ein Vorschlag für einen digitalen Zwilling einem Betriebsleiter vorgelegt wird: zwei Fragen:

• Haben wir derzeit eine einzige normalisierte Quelle betrieblicher Wahrheit? Wenn nein, dann ist das das Projekt. Der Zwilling würde auf fragmentierten Daten aufbauen, was im 3D‑Modell dasselbe Problem ist.
• Können wir drei konkrete Entscheidungen pro Quartal nennen, die der Zwilling ermöglichen würde und die wir heute nicht treffen können? Ist die Antwort vage oder könnten die Entscheidungen mit der operativen Datenplattform getroffen werden, ist der Zwilling das falsche Projekt.

Die meisten Anlagen, die diese Prüfung ehrlich durchführen, scopen zunächst die operative Plattform und prüfen den Zwilling im dritten oder vierten Jahr erneut. Bis zum dritten Jahr hat die Anlage die Datenbasis, die einen Zwilling tatsächlich nützlich machen würde, und stellt meist fest, dass der zusätzliche Nutzen des Zwillings geschrumpft ist, weil die Plattform bereits den Großteil dessen abdeckt, was das Team wollte.

Wo digitale Zwillinge funktionieren

Die obige Einordnung lautet „die meisten mittelständischen Anlagen brauchen keinen Zwilling.“ Das heißt nicht „keine Anlage sollte einen Zwilling in Betracht ziehen.“ Zwillinge funktionieren in:

• Anlagen mit kontinuierlichen Prozessen (Raffinerien, Chemie, große Pharma), in denen die Simulation alternativer Betriebsbedingungen nachweislich finanziellen Wert hat.
• Kapitalintensiven Branchen mit bereits beschäftigten Simulationsingenieuren im Personalstamm.
• Spezifischen hochprioritären Anwendungsfällen (eine Offshore‑Plattform, eine Nuklearanlage), in denen physische Experimente unmöglich sind.

Wenn die Anlage in eines dieser Muster passt, kann der Zwilling die richtige Investition sein. Der Artikel zur Ursachenanalyse (Root‑Cause‑Analysis) behandelt die allgemeinere Investition: den Aufbau der Datenbasis, die spätere fortgeschrittene Modellierung ermöglicht.

Wie Fabrico dazu passt

Fabrico ist die Plattform für operative Daten, nicht der digitale Zwilling. Sie bildet Anlagenhierarchie, OEE‑Ereignisstrom, Arbeitsaufträge, PMs und Qualitätsdaten auf einer Grundlage ab und ist sowohl vom Shopfloor als auch von der Führungsebene zugänglich. Die meisten Anlagen, die wegen digitaler Zwillinge anfragen, erkennen nach einem 30‑minütigen Gespräch, dass sie tatsächlich die Plattform brauchen.

Die Anbindung an das Work‑Order‑Management‑System und den Vorbeugenden Wartungsplan ist wichtig, weil diese Workflows den Großteil des täglichen Nutzens erzeugen. Um zu sehen, was die Plattform im Vergleich zu Ihrer aktuellen Datenfragmentierung liefert, buchen Sie eine Demo .

Häufig gestellte Fragen

Sagen wir, digitale Zwillinge seien immer eine schlechte Idee?

Nein. Sie sind eine ausgezeichnete Idee für die kleine Gruppe von Anlagen, deren Anwendungsfall sie rechtfertigt. Der Punkt ist, dass der Anwendungsfall spezifisch und nachweisbar sein muss, nicht nur eine vage Vision. Die meisten mittelständischen Anlagen haben ihn nicht.

Was, wenn ein Vorstand oder ein Berater auf einen digitalen Zwilling drängt?

Führen Sie die zwei Scoping‑Fragen oben durch und berichten Sie die Ergebnisse. Wenn die Fragen vage Antworten liefern, wird der Zwilling vagen Nutzen erzeugen. Eine vertretbare Empfehlung „bauen wir zuerst die Datenbasis auf“ kommt in der Regel gut an, wenn sie von einer Roadmap begleitet wird, die den Zwilling im dritten Jahr wieder prüft.

Wie lange dauert die Einführung einer Plattform für operative Daten?

Für eine mittelständische Anlage: 8, 16 Wochen für die ersten drei Linien und die Kern‑Anlagenklassen. Zum Vergleich: 12, 18 Monate für einen vollständigen digitalen Zwilling mit glaubwürdiger Modelltreue.

Können wir zwillingähnliche Funktionen später hinzufügen?

Ja. Sobald die operative Plattform über mehr als 12 Monate normalisierte Daten verfügt, wird statistische Mustererkennung (manchmal „leichte Zwillinge“ genannt) zu deutlich geringeren Kosten möglich. Dies ist in der Regel die richtige Reihenfolge, statt mit dem schweren Zwilling zu beginnen.

Was ist der größte Implementierungsfehler?

Die Scoping‑Arbeit von der Visualisierung des Zwillings bestimmen zu lassen. Das 3D‑Modell ist das, was in der Demo beeindruckt. Die Datenbasis ist das, was den Wert erzeugt. Anlagen, die auf Basis der Visualisierung in Auftrag geben, bekommen am Ende die Visualisierung, nicht den Wert.