Doch was ist ein digitaler Zwilling und was ist nötig, um ihn im Energiebereich zur tatsächlichen Umsetzung zu bringen? Wofür kann der Digitale Zwilling eingesetzt werden und was ist sein grosser Nutzen? Diese Fragen wollen wir im Folgenden besprechen.

Mächtiges Instrument
Ursprünglich aus dem Bereich der Luft- und Raumfahrt stammend, findet der digitale Zwilling den Weg in immer mehr Branchen. Das Grundkonzept ist simpel: Man erschafft ein digitales Abbild – also einen Zwilling – einer echten Komponente oder Anlage, welches zu jedem Zeitpunkt den Zustand seines physischen Gegenübers widerspiegelt. Die Umsetzung dieses Grundgedankens birgt doch noch einige Schwierigkeiten, weshalb aktuell intensiv daran geforscht wird. Zentral ist die Tatsache, dass ein rein digitales Modell noch nicht als digitaler Zwilling verstanden werden kann.

Erst durch Echtzeit-Konnektivität zwischen physischer und virtueller Einheit sowie vollständigen Datenaustausch, der bidirektional verlaufen muss, entsteht ein Digitaler Zwilling. Er stellt ein völlig neues und mächtiges Instrument dar, um Prozesse und deren Abläufe in der Realität besser zu optimieren. Dazu ist es einerseits notwendig, neben der abzubildenden Komponente oder Anlage auch die Interaktion mit ihrer Umgebung in hinreichender Komplexität physikalisch-mathematisch zu beschrieben. Andererseits müssen ausreichend historische Daten über das Verhalten des Systems vorliegen, um für künftige Zustände sinnvolle Prognosen treffen zu können.

Digitales Abbild
Im Kontext der Energie 4.0 soll künftig ein digitaler Zwilling eingesetzt werden, um eine gesamte industrielle Anlage digital abzubilden und diese mit den gegebenen Randbedingungen der relevanten Energiemärkte für Wärme, Strom und Brennstoffe zu verknüpfen. Wenn die Modellierung der Anlage sowie die Verknüpfungen mit den Energiemärkten und deren Entwicklung in ausreichender Komplexität und zeitlicher Auflösung gelingt, können die anstehenden Produktionsaufträge in der Anlage zeitlich so geschichtet (Scheduling) und technisch so abgewickelt (Prozessführung) werden, dass gesetzte Ziele optimal erreicht werden.

Dabei geht es meist um Steigerung von Energieeffizienz und Wirkungsgraden sowie um Senkung von CO2-Emissionen, um Maximierung des Einsatzes erneuerbarer Energieträger, um Einsparung von Kosten oder um eine umfassende Umstrukturierung der Anlage (Designoptimierung) im Zuge eines Umbaues (Retrofit) oder des Neubaues (Greenfield), die zur Erreichung der genannten Ziele führen soll. Die Anwendung digitaler Zwillinge lässt im Energiebereich vor allem in der energieintensiven Grundstoff- und verarbeitenden Industrie sowie für Energieversorger grossen Nutzen erwarten.

Vom Modell zum digitalen Zwilling
Die wichtigsten Grundvoraussetzungen für die Umsetzung eines digitalen Zwillings sind genaue und zuverlässige Modelle der realen Komponenten sowie eine solide Datenbasis. Grundsätzlich unterscheidet man zwischen zwei konträren Möglichkeiten der Modellierung: die physikalische und die datengetriebene Modellierung. Im Zuge der Entwicklungen im Bereich der Datenspeicherung und Verarbeitung – Stichwort Big Data vs. Smart Data – und dem Aufkommen von Machine Learning, hat die datengetriebene Modellierung in den letzten Jahren stark an Bedeutung gewonnen. Sie bietet auch für digitale Zwillinge grosse Potenziale. Sie erlaubt z. B. anhand von Betriebsdaten ein Modell zu erstellen, das mithilfe der Echtzeitdaten des digitalen Zwillings laufend angepasst wird, und damit die optimale Fahrweise der realen Anlage zu erreichen. Über physikalische Modellierung (White box), reine datengetriebene Modelle (Black box) oder gemischt physikalisch-datengetriebene Methoden (Grey box) ist die Variation physikalischer und geometrischer Parameter möglich und damit die automatisierte Evaluierung von Szenarien, die in jedem Zeitpunkt zur Verfügbarkeit der jeweils optimierten Betriebsparameter führt.

Eine wichtige Voraussetzung für die Implementierung eines digitalen Zwillings ist die ausreichende Instrumentierung der Anlage mit Sensoren, um die aktuellen Betriebsparameter entsprechend zu erfassen. Es müssen alle relevanten Daten, Informationen und Modelle einer Komponente bzw. eines Prozesses in Echtzeit zusammenfliessen, um daraus ein digitales Abbild einer Komponente bzw. einer ganzen Anlage erstellen zu können. Nur so kann aus einem komplexen Modell sukzessive ein Digitaler Zwilling entstehen.

Typische Zwecke
Typische Zwecke, die mit dem digitalen Zwilling besser erreicht werden können als mit den bisher üblichen Werkzeugen, reichen bereits von der Optimierung der Gesamtanlage in der Entwurfsphase (Design) bis zur Betriebsoptimierung sowie zu Predictive Maintenance oder Demand Forecasting. Durch optimale Fahrweise und gegebenenfalls auch bauliche Veränderungen können Energiebedarf, Kosten oder Emissionen eines Prozesses verringert und Fehler sowie Ausfallszeiten reduziert werden. Gleichzeitig ist es möglich, im Prozess auch externe oder interne und teilweise volatile Ressourcen, wie erneuerbare Energien oder Abwärme, optimal zu nutzen und dadurch volkswirtschaftliche oder globale Zielsetzungen zu unterstützen.

Schwerpunkte aktueller Forschung
Um von der Idee des digitalen Zwillings zur konkreten Umsetzung in der Industrie zu gelangen, beschäftigen sich Forschung und Industrie derzeit verstärkt mit diesem Thema. Ein Fokus in der aktuellen Forschung an der TU Wien, gemeinsam mit der Industrie, ist die Entwicklung und Kombination unterschiedlicher Modelltypen und Digitalisierungsmethoden, die miteinander gekoppelt sind und miteinander bidirektional kommunizieren können. Dafür ist eine gut durchdachte und hinsichtlich der erwarteten Funktionalität vollständige Daten- und Informationsbasis unumgänglich. Erst damit werden Industriebetriebe in die Lage versetzt, die innerbetriebliche Flexibilität, die in der Kette ihrer zeitlich variablen Produktionsschritte steckt, bewusst zur Senkung des Energiebedarfs zu nutzen.

Ein wichtiger Aspekt dabei ist die Prognose der optimalen Betriebsfahrpläne in Abhängigkeit von den Preisprognosen für die involvierten möglichen Energieträger. Aus verschiedenen Werkzeugen gemeinsam, wie beispielsweise mathematischer Optimierung und Machine Learning, wird die Intelligenz des Systems geschaffen. Dem zugrunde liegt eine zusammengeführte Daten- und Informationsverwaltung, welche die Zwillinge voll funktionsfähig werden lassen. Dabei kommt einem Modul besondere Bedeutung zu: dem Prognosemodul. Dieses verknüpft die Welt der physikalischen Anlage mit jener der Rahmenbedingungen und macht eine Voraussage über den künftig optimalen Betrieb der Anlage unter Berücksichtigung der jeweils erwarteten Umgebungsbedingungen.

Ausblick
Der digitale Zwilling bietet eine Vielzahl an Möglichkeiten für Energie 4.0: Unter anderem wird er für optimales Design, Betrieb und vorausschauende Wartung eingesetzt werden und damit zur Steigerung der Gesamtenergieeffizienz der gekoppelten Sektoren und Reduktion von CO2-Emissionen beitragen. Mithilfe des digitalen Zwillings werden Anlagen und Systeme entlang ihres gesamten Lebenszyklus simuliert werden. Der digitale Zwilling wird es dem Betrieb selbst einerseits ermöglichen, seine Effizienz zu steigern sowie Produktionskosten, Ressourcenverbrauch und Emissionen zu minimieren – durch optimale Kopplung von Wärme, Strom, Brennstoffen und Produktion. Gleichzeitig wird der Industriebetrieb als flexibler Verbraucher die vermehrte Nutzung volatiler erneuerbarer Energieträger und damit deren zunehmende Integration in den industriellen Energiemarkt unterstützen. Damit werden der Gesamtnutzen, die Zuverlässigkeit und die Produktivität industrieller Prozesse gesteigert werden – vor allem in der energieintensiven Grundstofferzeugung und in der verarbeitenden Industrie.

Digitale Zwillinge einzelner Anlagenteile werden bereits in den ersten Industrieunternehmen eingesetzt. Die Umsetzung erfordert fundiertes Prozessverständnis sowie interdisziplinäres Know-how in den Bereichen Modellierung, Informationsmanagement sowie Digitalisierung und Sensorik. Die bidirektionale Abbildung ganzer Fabriken und der sie umgebenden Energieversorgung in Digitalen Zwillingen bleibt auch für die nächsten Jahre eine herausfordernde Aufgabe für Wissenschaftler, Ingenieure und Manager.

Text: Prof. René Hofmann / Nico Litzel, TU Wien