aiMOOC

Digitale Zwillinge und vernetzte Modelle – Modelle mit unabhängigen Fällen validieren

QR-Code

Digitale Zwillinge und vernetzte Modelle – Modelle mit unabhängigen Fällen validieren

Einleitung

Ein digitaler Zwilling ist mehr als ein schönes 3D-Modell: Er verknüpft ein reales oder geplantes technisches System mit Daten, Modellen und Auswertungen. In der Ausbildung ist dabei eine Frage entscheidend: Funktioniert das Modell auch bei Fällen, die nicht schon zur Anpassung des Modells benutzt wurden?

Merksatz: Ein Modell, das nur seine Anpassungsdaten gut erklärt, ist noch nicht überzeugend validiert. Für belastbare Aussagen brauchst Du zusätzlich unabhängige beziehungsweise zurückgehaltene Validierungsfälle.

Der Kurs nutzt einen konkreten Ausbildungsfall: Eine simulierte Montagezelle mit Förderband, Bearbeitungsstation und Prüfschritt. Das Modell soll Durchlaufzeit, Ausbringung und Störungsfolgen vorhersagen. Zuerst wird ausschließlich simuliert. Eine automatische Live-Ansteuerung realer Maschinen ist nicht Bestandteil dieses Kurses. Reale Arbeiten erfolgen nur unter geeigneter Fachaufsicht und nach betrieblicher Freigabe; Schutzeinrichtungen werden niemals umgangen.

Lernziele

Nach dem Kurs kannst Du:

Digitalen Zwilling und digitales Modell unterscheiden.
Anpassungs-, Prüf- und Validierungsdaten auseinanderhalten.
begründen, warum unabhängige Fälle die Aussagekraft einer Validierung erhöhen.
für einen Ausbildungsfall geeignete Kennzahlen und Toleranzen festlegen.
Abweichungen zwischen Modell und Realität systematisch untersuchen.
Ergebnisse mit Unsicherheit und Gültigkeitsbereich dokumentieren.
vernetzte Modelle sicher in einer Simulation prüfen, bevor reale Eingriffe erwogen werden.

Lerneinheit 1: Was ist hier eigentlich vernetzt?

Ein digitaler Zwilling verbindet Informationen über ein beobachtbares technisches System mit einem digitalen Modell. Je nach Anwendung fließen Messwerte, Zustände, Geometriedaten, Prozessparameter oder Ereignisse in das Modell ein. Die ISO-23247-Reihe beschreibt dafür einen Rahmen für digitale Zwillinge in der Fertigung; aktuelle Teile behandeln unter anderem Informationsaustausch, Digital Thread und die Zusammensetzung mehrerer Zwillinge.

Das Bild zeigt einen wichtigen Unterschied: Ein digitales Modell kann ohne automatische Datenkopplung bestehen. Ein Digital Shadow erhält Daten aus dem realen System in Richtung Modell. Bei einem Digital Twin wird eine weitergehende Kopplung zwischen physischem und digitalem System betrachtet.

Mini-Aufgabe – Basis: Nenne zwei Datenarten, die eine simulierte Montagezelle für eine realistische Abbildung benötigen könnte.

Begründetes Feedback: Gute Antworten beziehen sich zum Beispiel auf Bearbeitungszeiten, Störungsdauer, Ankunftszeiten oder Ausschuss. Entscheidend ist, dass die Daten zur späteren Fragestellung passen.

Gestufte Hilfe 1

Hilfe A: Denke an das, was an der Anlage gemessen werden kann.

Hilfe B: Trenne Eingaben und Ergebnisse.

Hilfe C: Eingaben sind zum Beispiel Bearbeitungszeit und Störungsrate; Ergebnisse können Durchlaufzeit und Ausbringung sein.

Lerneinheit 2: Anpassen ist nicht Validieren

Beim Erstellen eines Modells werden oft Parameter so gewählt, dass das Modell vorhandene Messdaten möglichst gut wiedergibt. Diese Daten sind Anpassungsdaten oder Kalibrierdaten. Würdest Du anschließend genau dieselben Fälle erneut verwenden, prüfst Du vor allem, ob die Anpassung funktioniert hat.

Für eine stärkere Validierung hältst Du Fälle zurück, die bei der Anpassung nicht benutzt wurden. Solche Validierungsfälle können aus einem anderen Zeitraum, einer anderen Schicht, einer anderen Auftragsfolge oder einem geänderten, aber noch im vorgesehenen Einsatzbereich liegenden Betriebszustand stammen.

Wichtig: „Unabhängig“ bedeutet im Kurs vor allem nicht zur Modellanpassung verwendet. Statistische Unabhängigkeit ist eine zusätzliche, strengere Eigenschaft und muss gesondert geprüft werden.

Ausbildungsfall: Montagezelle M1

Die simulierte Zelle besitzt ein Förderband, eine Bearbeitungsstation und eine Qualitätsprüfung.

Größe	Anpassungsfall	Unabhängiger Validierungsfall
Auftragsfolge	Produkt A, A, B, A	Produkt B, A, B, B
Bearbeitungszeit	zur Parametrierung genutzt	nicht zur Parametrierung genutzt
Störungen	bekannte Sequenz	neue Sequenz
Zielgrößen	Durchlaufzeit, Ausbringung	dieselben Zielgrößen

Mini-Aufgabe – Anwendung: Du hast Messdaten aus Montag und Dienstag zum Parametrieren benutzt. Welche Daten eignen sich besser für eine unabhängige Prüfung: dieselben Montag-/Dienstagdaten oder eine vorher zurückgehaltene Mittwochsschicht?

Begründetes Feedback: Die zurückgehaltene Mittwochsschicht ist geeigneter, weil das Modell ihre Ergebnisse nicht schon während der Anpassung „gesehen“ hat. Dadurch prüfst Du besser, ob das Modell auf neue Fälle übertragbar ist.

Lerneinheit 3: Validierung braucht ein Ziel

Ein Modell ist nicht pauschal „richtig“. Es ist für einen bestimmten Verwendungszweck ausreichend oder nicht ausreichend. Für die Montagezelle kann der Zweck beispielsweise lauten:

„Das Modell soll die mittlere Durchlaufzeit einer Schicht für die Produktionsplanung mit höchstens 8 % relativer Abweichung abschätzen.“

Dann ist die Validierung auf diese Aussage ausgerichtet. Für eine andere Aufgabe, etwa Kollisionsvermeidung eines Roboters, wären andere Modelle, Daten, Zeitskalen und Sicherheitsanforderungen nötig.

NIST betont für vertrauenswürdige digitale Zwillinge die Verbindung aus Verification, Validation und Uncertainty Quantification (VVUQ). Vereinfacht:

Verifikation: Wurde das Modell wie vorgesehen umgesetzt?
Validierung: Ist es für den vorgesehenen Zweck ausreichend mit der Realität vereinbar?
Unsicherheitsquantifizierung: Wie unsicher sind Eingaben, Parameter und Ergebnisse?

Gestufte Hilfe 2

Hilfe A: Formuliere zuerst, wofür das Ergebnis gebraucht wird.

Hilfe B: Wähle danach eine messbare Zielgröße.

Hilfe C: Lege schließlich eine akzeptable Abweichung oder einen Akzeptanzbereich fest.

Lerneinheit 4: Einen unabhängigen Test planen

Für die Montagezelle gehst Du in fünf kurzen Schritten vor:

Zweck festlegen: Vorhersage der Schicht-Durchlaufzeit.
Anpassungsdaten sperren: Die bereits genutzten Fälle bleiben Kalibrierdaten.
Neue Fälle bestimmen: Eine zurückgehaltene Schicht oder eine neue Auftragsfolge.
Kennzahlen festlegen: beispielsweise mittlere Durchlaufzeit, 95%-Quantil und Ausbringung.
Akzeptanz vorab festlegen: Toleranzen werden vor dem Blick auf die Validierungsergebnisse dokumentiert.

So vermeidest Du, die Regeln nachträglich passend zum Ergebnis zu verändern.

Interaktives Mini-Modell: Fehler berechnen

Angenommen, der unabhängige Fall liefert real 52 Minuten mittlere Durchlaufzeit. Das Modell sagt 55 Minuten voraus.

Relative Abweichung: $\frac{| 55 - 52 |}{52} \cdot 100 % \approx 5,8 %$

Bei einer vorher festgelegten Grenze von 8 % wäre dieser einzelne Kennwert akzeptabel. Das beweist aber noch nicht, dass das gesamte Modell für alle Situationen gültig ist.

Mini-Aufgabe – Anwendung: Warum ist eine einzelne passende Kennzahl noch kein vollständiger Validierungsnachweis?

Begründetes Feedback: Ein Modell kann bei der mittleren Durchlaufzeit passen und trotzdem Spitzen, Störungsverläufe oder andere Betriebszustände falsch abbilden. Deshalb werden mehrere geeignete Kennzahlen und Fälle betrachtet.

Lerneinheit 5: Nicht nur Mittelwerte vergleichen

In Produktionssystemen können zeitliche Abläufe entscheidend sein. Zwei Systeme können denselben Mittelwert besitzen und sich trotzdem deutlich unterscheiden. Forschung zur Online-Validierung digitaler Zwillinge in der Fertigung untersucht deshalb auch Folgen von Ereignissen und Zeitreihen statt ausschließlich Mittelwerte.

Für die Montagezelle vergleichst Du zum Beispiel:

mittlere Durchlaufzeit,
Streuung oder Quantile,
Ausbringung pro Schicht,
Reihenfolge und Dauer von Störungen,
zeitlichen Verlauf eines Puffers.

Mini-Aufgabe – Transfer: Zwei Modelle liefern beide 52 Minuten mittlere Durchlaufzeit. Modell X bildet Staus korrekt ab, Modell Y glättet sie vollständig. Welches Modell ist für die Pufferdimensionierung plausibler?

Begründetes Feedback: Modell X ist plausibler, weil die Pufferdimensionierung vom zeitlichen Verlauf und von Spitzen abhängt. Der gleiche Mittelwert allein reicht hier nicht.

Lerneinheit 6: Vernetzte Modelle und Digital Thread

In realen Projekten besteht ein digitaler Zwilling oft aus mehreren verknüpften Teilmodellen: Produkt, Prozess, Maschine, Logistik oder Qualität. ISO 23247-5:2026 beschreibt den Digital Thread als Verbindung von Informationen über Lebenszyklusphasen; ISO 23247-6:2026 behandelt die Zusammensetzung mehrerer Digital Twins.

Damit wächst die Validierungsaufgabe: Nicht nur jedes Teilmodell, sondern auch Schnittstellen, Einheiten, Zeitstempel, Datenherkunft und Kopplungslogik können Fehler verursachen.

Prüffrage: Wenn Modell A Sekunden und Modell B Millisekunden erwartet, kann eine formal korrekte Datenübertragung trotzdem fachlich falsch sein? Ja. Die Schnittstelle funktioniert technisch, aber die Bedeutung der Werte stimmt nicht.

Das Video zeigt den Einsatz eines Digital Automation Twin für Engineering und virtuelle Inbetriebnahme. Für diesen Kurs gilt: Solche Abläufe werden zunächst in einer sicheren Simulationsumgebung untersucht. Ein Übergang zu realer Steuerung verlangt Fachaufsicht, betriebliche Freigabe, geeignete Schutzmaßnahmen und eine getrennte Sicherheitsbewertung.

Lerneinheit 7: Quellen kritisch vergleichen

Eine gute technische Entscheidung stützt sich nicht nur auf Herstellerwerbung. Vergleiche mindestens:

Normen oder offizielle Standards,
wissenschaftlich begutachtete Veröffentlichungen,
Veröffentlichungen öffentlicher Forschungsstellen,
Herstellerdemonstrationen als Anwendungsbeispiele.

Quellencheck: Frage bei jeder Quelle: Wer veröffentlicht? Ist die Methode beschrieben? Werden Grenzen genannt? Sind Daten und Testfälle nachvollziehbar? Ist die Quelle primär fachlich oder verkaufsorientiert?

NIST beschreibt die Glaubwürdigkeit digitaler Zwillinge ausdrücklich über Verification, Validation und Uncertainty Quantification. Eine begutachtete Arbeit in Computers in Industry zeigt zusätzlich, dass die Online-Validierung von Fertigungszwillingen zeitliche Datenfolgen berücksichtigen kann. Herstellerdemonstrationen sind nützlich, ersetzen aber keinen unabhängigen Validierungsnachweis.

Sicherheitsrahmen

Dieser Kurs steuert keine reale Maschine.

Maschinenabläufe werden zuerst simuliert.
Keine automatische Live-Ansteuerung aus Lernaufgaben.
Keine Umgehung von Schutzeinrichtungen oder Sicherheitsfunktionen.
Reale Arbeiten nur unter geeigneter Fachaufsicht und betrieblicher Freigabe.
Änderungen an Steuerung, Parametern oder Schnittstellen werden vor realem Einsatz separat geprüft und freigegeben.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Warum werden unabhängige Validierungsfälle verwendet? (Sie prüfen das Modell an nicht zur Anpassung verwendeten Fällen) (!Sie machen jede Simulation automatisch sicher) (!Sie ersetzen die Festlegung eines Verwendungszwecks) (!Sie garantieren fehlerfreie Messdaten)

Was ist ein Anpassungsdatensatz? (Ein Datensatz zur Parametrierung oder Kalibrierung des Modells) (!Ein Datensatz der erst nach Abschluss aller Prüfungen entsteht) (!Ein Datensatz ohne Messwerte) (!Ein Datensatz der nur aus Sicherheitsdaten besteht)

Welche Aussage beschreibt Validierung am besten? (Sie prüft die Eignung eines Modells für einen vorgesehenen Zweck) (!Sie beweist dass ein Modell überall exakt ist) (!Sie ersetzt die Verifikation) (!Sie prüft ausschließlich die Softwareinstallation)

Was sollte vor dem Blick auf die Validierungsergebnisse festgelegt werden? (Akzeptanzkriterien) (!Das gewünschte Endergebnis) (!Eine neue Schutzeinrichtung) (!Die spätere Begründung für jede Abweichung)

Warum reichen Mittelwerte häufig nicht aus? (Zeitliche Spitzen und Verteilungen können trotzdem falsch sein) (!Mittelwerte dürfen in der Technik nicht verwendet werden) (!Mittelwerte sind immer größer als Messwerte) (!Mittelwerte können nur bei Bildern berechnet werden)

Wofür steht VVUQ im Kern? (Verification Validation and Uncertainty Quantification) (!Virtual Value Utility Quality) (!Verified Voltage Unit Quantity) (!Variable Validation User Query)

Was ist bei vernetzten Modellen zusätzlich zu prüfen? (Schnittstellen Einheiten Zeitstempel und Datenbedeutung) (!Nur die Bildschirmauflösung) (!Nur der Name der Simulationsdatei) (!Nur die Farbe der 3D Modelle)

Welche Quelle eignet sich besonders für normative Anforderungen? (Eine einschlägige Norm) (!Ein Werbeprospekt ohne Methodenteil) (!Ein anonymer Kommentar) (!Ein ungeprüfter Social Media Beitrag)

Welche Vorgehensweise entspricht dem Sicherheitsrahmen dieses Kurses? (Maschinenabläufe zuerst simulieren) (!Schutzeinrichtungen für Testzwecke umgehen) (!Lernmodelle automatisch live mit Maschinen verbinden) (!Ungeprüfte Parameter direkt in die Steuerung übertragen)

Wann ist eine Modellabweichung fachlich zu bewerten? (Im Zusammenhang mit Verwendungszweck Kennzahl und Akzeptanzbereich) (!Nur anhand der Anzahl der Modellbauteile) (!Nur anhand der Dateigröße) (!Nur anhand der Simulationsdauer)

Memory

Kalibrierung	Modellparameter an Daten anpassen
Validierung	Eignung für vorgesehenen Zweck prüfen
Verifikation	korrekte Umsetzung des Modells prüfen
Holdout	zurückgehaltener Prüfdatensatz
Unsicherheit	begrenzte Genauigkeit von Daten und Aussagen
Digital Thread	nachvollziehbare Informationsverknüpfung über Lebenszyklusphasen

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Anpassungsdaten	Parameter bestimmen
Validierungsdaten	unabhängige Prüfung
Kennzahl	messbares Bewertungskriterium
Akzeptanzbereich	vorher festgelegte Toleranz
Freigabe	Voraussetzung vor realer betrieblicher Umsetzung

Kreuzworträtsel

Holdout	Wie heißt ein zurückgehaltener Datensatz mit einem englischen Fachwort?
Validierung	Wie heißt die Prüfung der Eignung für einen vorgesehenen Zweck?
Verifikation	Wie heißt die Prüfung der korrekten Umsetzung?
Simulation	Wie heißt das sichere Nachbilden eines Ablaufs im Modell?
Unsicherheit	Welcher Begriff beschreibt begrenzte Genauigkeit von Daten und Aussagen?
Schnittstelle	Wo werden Daten zwischen vernetzten Modellen übertragen?

LearningApps

Lückentext

Offene Aufgaben

Leicht

Datenaufteilung: Markiere in einem Beispieldatensatz, welche Fälle für Anpassung und welche für Validierung reserviert werden sollen. Begründe Deine Trennung.
Kennzahlen: Wähle für die Montagezelle drei Kennzahlen aus und erkläre jeweils, welche betriebliche Frage sie beantworten.
Quellenvergleich: Vergleiche eine NIST-Seite mit einer Herstellerdemonstration. Notiere je zwei Stärken und Grenzen.
Sicherheitscheck: Erstelle eine kurze Checkliste, die Simulation, Fachaufsicht und betriebliche Freigabe voneinander abgrenzt.

Standard

Validierungsplan: Formuliere für die Montagezelle einen Verwendungszweck, einen unabhängigen Testfall und zwei Akzeptanzkriterien.
Abweichungsanalyse: Erfinde drei plausible Ursachen dafür, dass das Modell die Durchlaufzeit richtig, die Stauereignisse aber falsch vorhersagt.
Zeitreihenvergleich: Skizziere zwei Zeitverläufe mit gleichem Mittelwert, aber unterschiedlichen Spitzen, und erkläre die Bedeutung für die Planung.
Schnittstellenprüfung: Entwirf eine Prüftabelle für Einheit, Zeitstempel, Wertebereich, Datenquelle und Aktualisierungsrate zweier gekoppelter Modelle.

Schwer

Robuste Validierung: Plane drei unabhängige Validierungsfälle mit unterschiedlichen Auftragsfolgen und Störungsszenarien. Lege vorher Kriterien für Bestehen und Nichtbestehen fest.
Unsicherheitsanalyse: Untersuche, wie Messfehler der Bearbeitungszeit die vorhergesagte Schichtleistung beeinflussen könnten.
Transfer auf Betriebsmittel: Übertrage das Vorgehen auf eine andere Anlage Deines Ausbildungsberufs. Beschreibe, was gleich bleibt und was neu validiert werden muss.
Freigabeentscheidung: Erstelle eine begründete Empfehlung, ob ein simulativ validiertes Modell bereits für eine reale automatisierte Ansteuerung freigegeben werden dürfte. Berücksichtige technische Validierung, funktionale Sicherheit, Fachaufsicht und betriebliche Freigabe.

Lernkontrolle

Übertragbarkeit: Ein Modell wurde nur mit einer Tagschicht kalibriert. Beurteile, ob es ohne weitere Prüfung für eine Nachtschicht mit anderer Auftragsstruktur eingesetzt werden sollte.
Zielkonflikt: Ein Modell erfüllt die Toleranz für mittlere Durchlaufzeit, verfehlt aber das 95%-Quantil deutlich. Entscheide, ob es für Lieferterminplanung geeignet ist, und begründe.
Fehlerursache: Zwei gekoppelte Modelle stimmen einzeln mit Referenzdaten überein, liefern gemeinsam aber falsche Ergebnisse. Entwickle eine systematische Prüfstrategie für die Schnittstelle.
Quellenkritik: Eine Herstellerdemo zeigt eine erfolgreiche virtuelle Inbetriebnahme, nennt aber keine Testdaten oder Unsicherheiten. Bewerte, welche Schlussfolgerungen daraus zulässig sind.
Sicherer Transfer: Beschreibe die zusätzlichen Schritte zwischen erfolgreicher Simulation und einem möglichen realen Einsatz in einer Produktionsanlage.
Validierungsdesign: Entwirf einen Plan, der verhindert, dass Validierungsdaten nachträglich zur Optimierung des Modells benutzt werden und danach trotzdem als „unabhängig“ gelten.

Lernnachweis

Für einen Lernnachweis solltest Du zeigen, dass Du:

den Verwendungszweck eines Modells präzise formulieren kannst,
Anpassungs- und Validierungsfälle sauber trennst,
unabhängige Fälle vor der Auswertung festlegst,
passende Kennzahlen und Akzeptanzbereiche begründest,
mehrere Betriebszustände statt nur einen Idealfall prüfst,
Unsicherheiten und Modellgrenzen dokumentierst,
Schnittstellen vernetzter Modelle fachlich prüfst,
Quellen nach Aussagekraft und Interessenlage vergleichst,
Simulation und reale Freigabe sicher voneinander trennst.

Fachlich geprüfte Quellen und Medienrechte

Fachquellen:

NIST: Digital Twins for Advanced Manufacturing. Projektseite zu Standards, Validierung und VVUQ: https://www.nist.gov/programs-projects/digital-twins-advanced-manufacturing
NIST: Shao, Hightower, Schindel: Credibility consideration for digital twins in manufacturing. Manufacturing Letters, 2023: https://www.nist.gov/publications/credibility-consideration-digital-twins-manufacturing
NIST: Validating and Advancement, aktualisierte Übersicht zur Validierung digitaler Zwillinge: https://www.nist.gov/digital-twins/validating-and-advancement
NISTIR 8620: Digital Twins Workshops Summary Report, 2026: https://www.nist.gov/publications/digital-twins-workshops-summary-report
ISO 23247-1:2021: Digital twin framework for manufacturing – Overview and general principles: https://www.iso.org/standard/75066.html
ISO 23247-4:2021: Information exchange: https://www.iso.org/standard/78745.html
ISO 23247-5:2026: Digital thread for digital twin: https://www.iso.org/standard/87425.html
ISO 23247-6:2026: Digital twin composition: https://www.iso.org/standard/87426.html
Online validation of digital twins for manufacturing systems, Computers in Industry 150, 2023, 103942: https://doi.org/10.1016/j.compind.2023.103942

Geprüfte Wikimedia-Commons-Medien:

Digital Twin Concept of Grieves and Vickers.png – Wikimedia Commons, CC BY-SA 4.0.
Data Flow Digital Model, Digital Shadow, Digital Twin.png – Wikimedia Commons, Martina Signorini, CC BY-SA 4.0.
Data Flow Digital Twin.png – Wikimedia Commons, Martina Signorini, CC BY-SA 4.0.
Sensat digital twin architecture.png – Wikimedia Commons, Jamaica Lancee, CC BY 4.0.

YouTube-Medien:

Siemens Software: The Real Value of the Digital Twin, Video-ID gK5sHDfBMP4.
Siemens Knowledge Hub: Demonstration eines Digital Automation Twin für Engineering und virtuelle Inbetriebnahme, Video-ID MeosU2DrwHU.

Die YouTube-Videos dienen als Demonstrationen und werden nicht als unabhängige wissenschaftliche Validierungsnachweise behandelt.