Digital Twins sind in Branchen wie der Automobilindustrie etabliert und anerkannt. Dieser Artikel stellt 5 Schritte vor, die Bauunternehmen machen können, um ihre Digital Twin zu entwickeln.
Die Komplexität des Digital twin
Der Begriff Digital Twin ist nicht eindeutig definiert, aber die gängigste Definition ist: „Ein Digital Twin ist eine virtuelle Darstellung, die als digitales Echtzeit-Gegenstück eines bestehendes oder zukünftigen physischen Objekts oder Prozesses dient.“ Dies ist eine gute Allround-Definition eines Digital Twin, aber sie bietet wenig Informationen in Bezug auf die Entwicklungsstufen von Digital Twins. Aus diesem Grund wurden verschiedene Entwicklungsframeworks, wie diese von BuildingSmart, Verdantix und aus der akademischen Welt erarbeitet. Allerdings führen diese auch ein Dutzend neuer Begriffe ein, die diejenigen, welche sich mit dem Thema vertraut machen wollen, zusätzlich verwirren können. In diesem Artikel werden gemeinsame Faktoren aus diesen Frameworks vorgestellt, die einen Digital Twin zu einer höheren Entwicklungsstufe führen werden.
1. BIM
Die Bezeichnung für den ersten Schritt eines Digital Twin variiert zwischen „Static Twin“, „Descriptive Twin“ und „As-designed Twin“. Der erste Schritt in allen Frameworks ist jedoch die Visualisierung des physischen Objekts und die Speicherung der zugehörigen Informationen durch BIM. Eine visuelle Replikation des physischen Objekts mit verknüpften Informationen ist der Grundstein für die weitere Entwicklung.
2. Integration von Daten
Der zweite Schritt auf dem Weg zu einem voll entwickelten Digital Twin ist die Integration von Daten. Die Verbindung der physischen und virtuellen Umgebung durch Sensoren ist entscheidend, um den tatsächlichen Zustand des physischen Objekts während des Baus und später in der Betriebsphase widerzuspiegeln. Trotzdem sollte man sich kritisch fragen, welche Datenquellen notwendig sind. Der Versuch, alle Arten von Daten zu erfassen, ist nicht nachhaltig und wird für die Entwicklung des Digital Twin kontraproduktiv sein.
3. Datenvervaltung
Sobald ein Echtzeit-Monitoring verfügbar ist, sollten die Echtzeitdaten genutzt werden um Erkenntnisse gewinnen. Allerdings sind die Erkenntnisse nur so gut wie die verfügbaren Daten, warum die Daten bereinigt werden müssen. Sind die Daten aufbereitet, können sie von den Entwicklungsteams genutzt werden. Letztere sind somit sich nicht mehr auf die Baustellenteams angewiesen um dieselben Informationen zu erhalten, was zu einem besseren kontinuierlichen Verbesserungsprozess führt.
4. Künstlche Intelligenz (KI)
Nutzbare aggregierte Daten ermöglichen auch den Einsatz KI, um Muster zu erkennen und Frühwarnungen zu geben. Mit der erhöhten Rechenleistung, die KI mit sich bringt, können Tausende von Was-wäre-wenn-Szenarien in Echtzeit simuliert werden. Dies kann Betriebsleiter und Konstruktionsteams bei der Entscheidungsfindung unterstützen, um die Produktivität zu steigern und Ausfallzeiten durch „Predictive Maintenance“ zu vermeiden.
5. Autonomie
Der letzte Entwicklungsschritt für einen Digital Twin ist das Erreichen einer Stufe, auf welcher der virtuelle Twin autonom Entscheidungen trifft und in die physische Anlage eingreift, um Fehler zu korrigieren und zu vermeiden sowie die Leistung zu optimieren. Um diesen Schritt zu erreichen, muss der virtuelle Twin in der Lage sein, aus früheren Entscheidungen zu lernen und sich zu verbessern. Vor allem wird es den Betreibern des Digital Twin viel abverlangen, da sie die Parameter für die Ziele festlegen und darauf vertrauen müssen, dass das virtuelle System eigenständig funktioniert.
