Eine zusätzliche Roboterstation, ein veränderter Materialfluss oder eine neue Auftragsreihenfolge: Eingriffe in die Produktion betreffen selten nur eine einzelne Maschine. Digitale Fabrikmodelle ermöglichen es, solche Veränderungen zunächst virtuell zu untersuchen. Produktionsabläufe, Ressourcen und logistische Zusammenhänge lassen sich modellieren, Varianten simulieren und mögliche Engpässe erkennen, bevor eine neue Konfiguration in der realen Fabrik umgesetzt wird.
Mit industrieller KI erhält dieser Ansatz zusätzliche Möglichkeiten. Lernende Modelle können den Aufbau virtueller Umgebungen unterstützen, Abweichungen zwischen Plan und Betrieb auswerten oder selbst innerhalb einer Simulation trainiert werden. Dabei entstehen unterschiedliche Kombinationen: Mal hilft KI, ein digitales Modell aufzubauen oder auszuwerten. Mal liefert der digitale Zwilling die Umgebung, in der eine KI ihre Aufgabe erlernt oder erprobt wird. Diese Rollen sind eng verbunden, aber nicht gleichzusetzen.
Nicht jede Simulation ist schon KI
Ein digitaler Zwilling hat auch ohne künstliche Intelligenz bereits einen erheblichen technischen Nutzen. Er bildet beispielsweise Geometrien, Bewegungen, Materialflüsse oder das Zusammenspiel mit einer Steuerung ab. Simulationen machen daraus überprüfbare Abläufe: Erreicht der Roboter seine Position? Funktioniert die geplante Reihenfolge? Wie reagiert das System auf veränderte Bedingungen? Solche Untersuchungen gehören zum etablierten Einsatz virtueller Maschinen- und Produktionsmodelle.
Der zusätzliche KI-Beitrag muss deshalb konkret benannt werden. Er kann darin bestehen, vorhandene Anlagen schneller in ein Modell zu überführen, Abweichungen zwischen Plan und Betrieb zu bewerten, KI-Funktionen einer Maschine vorab virtuell zu erproben oder Trainingsdaten für ein lernendes System zu erzeugen. Eine ansprechende 3D-Darstellung allein belegt dagegen noch keine KI-Anwendung.
Für Anwender ergibt sich daraus eine wichtige Planungsfrage: Soll die KI ein vorhandenes Modell besser nutzbar machen, soll sie bei der Planung helfen – oder soll sie im Modell auf ihren späteren Einsatz vorbereitet werden? Die Antwort entscheidet darüber, welche Daten, Simulationsfunktionen und Schnittstellen benötigt werden.
Produktionskontext macht den Unterschied
Dassault Systèmes verbindet mit DELMIA die Modellierung und Simulation von Fertigung, Fabriklayout, Produktionsabläufen und Logistik. Der als „Virtual Twin“ bezeichnete Ansatz stellt diese Bereiche nicht isoliert dar, sondern führt sie in einem gemeinsamen Modell zusammen. Damit lassen sich beispielsweise Produktionsszenarien, Ressourcenzuordnungen und logistische Abläufe untersuchen.
Für die Verbindung mit KI ist dieser Zusammenhang wesentlich: Empfehlungen sollen nicht nur aus statistischen Mustern entstehen, sondern zu den Ressourcen und Bedingungen des modellierten Produktionssystems passen. Die KI erhält damit einen Rahmen, innerhalb dessen Vorschläge technisch und organisatorisch bewertet werden können.
Wie das konkret aussehen kann, zeigt die modellgestützte Fabrikplanung. Laut Dassault kann KI Roboter und Betriebsmittel in Punktwolkenscans erkennen, zugehörige CAD-Modelle ermitteln und im digitalen Fabrikmodell positionieren. Die KI unterstützt hier zunächst den Aufbau der virtuellen Umgebung. Der Nutzen liegt nicht in einer automatisch optimierten Fabrik, sondern darin, vorhandene Produktionsstrukturen für weitere Untersuchungen schneller digital verfügbar zu machen.
Einen anderen Ansatz beschreibt das Unternehmen mit DELMIA Scheduling Intelligence. Die Anwendung vergleicht geplante mit tatsächlichen Abläufen, hebt relevante Abweichungen hervor und unterstützt Planer durch KI-basierte Vorschläge bei der Bewertung von Ursachen und Verbesserungsmöglichkeiten. Damit wird die Verbindung zwischen Modell und Betrieb zur Grundlage für die nächste Planungsentscheidung.
Der virtuelle Zwilling liefert der KI den Kontext: Im 3DEXPERIENCE-Modell einer Anlage wertet der virtuelle Begleiter AURA den Stand der Inbetriebnahme-Testpakete aus, benennt offene Blockaden und schlägt Prioritäten vor. Bild: Dassault Systèmes
Steuerung und Maschine virtuell erproben
Keba setzt näher an Steuerung und Maschine an. Zur offenen Automatisierungsplattform Kemro X gehört eine virtuelle Steuerung, die auf einem Standard-PC läuft und für Simulation, Technologieentwicklung und virtuelle Inbetriebnahme genutzt werden kann. Für Engineering, Simulation und Service stehen einheitliche Werkzeuge bereit. Ein Steuerungsprogramm lässt sich so in einer virtuellen Umgebung prüfen, bevor die reale Maschine verfügbar ist.
Für Robotikanwendungen kombiniert Keba das Robotiksystem KeMotion mit der Simulationssoftware RoboDK. Die beiden offenen Plattformen ermöglichen es, mehrere Szenarien einer Roboterzelle am Desktop zu erstellen und zu testen und erst danach die reale Produktionszelle aufzubauen.
KI kommt bei Keba vor allem über die Steuerung ins Spiel. Mit dem Erweiterungsmodul AE 550 lassen sich KI-Anwendungen direkt in der Maschine ausführen, etwa eine Objekterkennung, deren Ergebnisse die SPS- oder Robotersteuerung für das Handling nutzt. Kemro X nennt außerdem KI-basierte Assistenzsysteme in Regelungs- und Technologiefunktionen. Beruhen virtuelle und reale Steuerung auf derselben Plattform, lässt sich eine Applikation virtuell vorbereiten, bevor sie an der Maschine läuft.
Zur SPS 2026 kündigt Keba eine virtuelle Produktionslinie sowie neue digitale Lösungen für Simulation, Diagnose und KI-gestützte Entwicklung an.
Ein Modell für den ganzen Lebenszyklus
Schneider Electric nimmt eine Schwäche vieler heutiger digitaler Zwillinge ins Visier: Sie bleiben Insellösungen. Proprietäre Datenmodelle erschweren den Austausch zwischen Werkzeugen und Herstellern. Zudem geht beim Übergang von der Planung über den Bau bis zum Betrieb häufig der Zusammenhang zwischen ursprünglicher Entwurfsabsicht und tatsächlichem Anlagenverhalten verloren. Das begrenzt gerade jene vorausschauenden und präskriptiven Anwendungen, bei denen KI ihr Potenzial entfalten kann.
Für einen durchgängigen digitalen Zwilling setzt Schneider auf OpenUSD, ein offenes Framework zur Beschreibung komplexer digitaler Szenen. Es ermöglicht, unabhängig entwickelte Anlagen- und Systemmodelle in einer gemeinsamen Umgebung zusammenzuführen und ihre semantischen und strukturellen Zusammenhänge zu erhalten. AVEVA übernimmt dabei die Integration auf Systemebene, während NVIDIA Omniverse Echtzeitvisualisierung und gemeinsame Simulationen unterstützt. Die Architektur verbindet vorhandene Fachwerkzeuge, statt sie zu ersetzen, und reduziert den Aufwand, Modelle zwischen Planung, Bau und Betrieb immer wieder neu aufzubauen.
Darauf aufbauend skizziert Schneider mehrere KI-Anwendungen. Generative KI und Reinforcement Learning können helfen, schwer erkennbare Fehlerketten und Risiken aufzudecken. Physikalisch fundierte synthetische Daten aus dem digitalen Zwilling bieten Trainingsmaterial für KI-Modelle, etwa zur Erkennung kaskadierender elektrischer Fehler. KI-Copiloten eröffnen zudem die Möglichkeit, den Zwilling in natürlicher Sprache abzufragen. Wie eine fachübergreifende Simulation aussehen kann, verdeutlicht Schneider am Beispiel einer höheren Rack-Leistungsdichte: Deren Auswirkungen auf Transformatorerwärmung, Schalterbelastung und Kühlkreislauf lassen sich innerhalb eines gemeinsamen Modells untersuchen.
Auf der SPS 2026 präsentiert Schneider Electric unter anderem den ETAP Digital Twin für elektrische Energiesysteme, AVEVA-Software sowie neue Agentic-AI-Funktionen in EcoStruxure Automation Expert.
Schneider Electric und ETAP verbinden die Simulation elektrischer Energiesysteme mit NVIDIA Omniverse. Digitale Zwillinge bilden damit die Grundlage für domänenübergreifende Analysen von KI-Infrastrukturen. Bild: Schneider Electric/ETAP
Vom virtuellen Ergebnis zur realen Entscheidung
Gemeinsam ist diesen Lösungen, dass der virtuelle Versuch der realen Umsetzung vorausgeht. Wie aussagekräftig seine Ergebnisse sind, hängt jedoch davon ab, ob das Modell die entscheidenden Eigenschaften des untersuchten Systems erfasst. Schneider nennt eine uneinheitliche Modellgüte ausdrücklich als Grund dafür, dass Simulationen und Vorhersagen an Vertrauen verlieren. Eine virtuelle Empfehlung muss deshalb im Hinblick auf ihren konkreten Einsatzzweck bewertet werden.
Der entscheidende Schritt zur intelligenten Fabrik besteht deshalb nicht darin, möglichst viele Systeme mit einem KI-Etikett zu versehen. Er besteht darin, die passende Verbindung herzustellen: zwischen einer klaren technischen Frage, einem geeigneten Modell und einer nachvollziehbaren KI-Aufgabe. Dann wird der digitale Zwilling vom Anschauungsobjekt zum Entwicklungswerkzeug – und die reale Fabrik muss nicht für jeden Versuch selbst zum Testfeld werden. [hjs]
