Ein digitaler Zwilling ist ein Computermodell eines geplanten oder realen physischen Produkts, Systems oder Prozesses (eines physischen Zwillings ), das als digitales Abbild desselben für Zwecke wie Simulation , Integration , Test , Überwachung und Wartung dient . [ 1 ] [ 2 ] [ 3 ]

Streng genommen unterscheidet sich ein digitaler Zwilling von einer gewöhnlichen Simulation dadurch, dass er kontinuierlich reale Daten seines physischen Gegenstücks nutzt, um sich dynamisch mit dem realen System zu synchronisieren. [ 4 ] [ 5 ] Ein Modell, das ohne Daten seines physischen Gegenstücks arbeitet, kann zwar ebenfalls als digitaler Zwilling bezeichnet werden, dies gilt jedoch als eine zu weit gefasste und vorwiegend marketingorientierte Interpretation des Konzepts. [ 6 ]

Ein digitaler Zwilling ist „ein Satz adaptiver Modelle, die das Verhalten eines physischen Systems in einem virtuellen System emulieren und sich mithilfe von Echtzeitdaten während ihres gesamten Lebenszyklus aktualisieren. Der digitale Zwilling bildet das physische System nach, um Ausfälle und Verbesserungsmöglichkeiten vorherzusagen, Echtzeitmaßnahmen zur Optimierung und/oder Minderung unerwarteter Ereignisse vorzuschreiben und das Betriebsprofil des Systems zu beobachten und zu bewerten.“ [ 7 ] Obwohl das Konzept bereits früher entstand (als natürlicher Aspekt der Computersimulation im Allgemeinen), stammt die erste praktische Definition eines digitalen Zwillings von der NASA im Jahr 2010, die damit die Simulation physikalischer Modelle von Raumfahrzeugen verbessern wollte. [ 8 ] Digitale Zwillinge entwickelten sich durch kontinuierliche Verbesserungen in Modellierung und Entwicklung.

In den 2010er- und 2020er-Jahren begannen Fertigungsunternehmen, über die digitale Produktdefinition hinauszugehen und das Konzept des digitalen Zwillings auf den gesamten Fertigungsprozess auszudehnen. Dadurch lassen sich die Vorteile der Virtualisierung auf Bereiche wie Bestandsmanagement (einschließlich Lean Manufacturing) , Maschinenkollisionsvermeidung, Werkzeugkonstruktion, Fehlersuche und vorbeugende Instandhaltung übertragen . Digitale Zwillinge ermöglichen somit die Anwendung von erweiterter Realität und Spatial Computing nicht nur auf das Produkt selbst, sondern auch auf alle Geschäftsprozesse , die zu seiner Produktion beitragen.

Geschichte

Der erste digitale Zwilling, obwohl damals nicht so bezeichnet, entstand in den 1960er Jahren bei der NASA als Mittel zur Modellierung der Apollo-Missionen . Die NASA nutzte Simulatoren, um den Ausfall der Sauerstofftanks von Apollo 13 zu analysieren. [ 9 ] Die weitergehende Idee, aus der das Konzept des digitalen Zwillings hervorging, wurde bereits 1991 in David Gelernters Buch „Mirror Worlds“ vorweggenommen . [ 10 ] [ 11 ]

In den späten 1990er Jahren lieferten die aufkommenden digitalen Städte erste praktische Beispiele für dieses Konzept im urbanen Maßstab. Projekte wie „Helsinki Arena 2000“ (initiiert 1996) erstellten interaktive virtuelle 3D-Modelle der realen Stadt. [ 12 ] Kurz darauf entwickelte Digital City Kyoto (gestartet 1998) das Paradigma weiter, indem es die physische Stadtumgebung explizit mit virtuellen Räumen verband. Es integrierte Echtzeit-Sensordaten – wie beispielsweise Live-Kamerabilder von Verkehrsknotenpunkten – in seine 3D-Umgebung und nahm damit die datengetriebene Synchronisierung moderner digitaler Zwillinge vorweg. [ 13 ]

Das Konzept des digitalen Zwillings besteht aus drei wesentlichen Komponenten: dem physischen Objekt oder Prozess und seiner physischen Umgebung, der digitalen Repräsentation des Objekts oder Prozesses sowie dem Kommunikationskanal zwischen der physischen und der virtuellen Repräsentation. Die Verbindungen zwischen der physischen und der digitalen Version umfassen Informations- und Datenflüsse, einschließlich physischer Sensordaten zwischen den physischen und virtuellen Objekten und Umgebungen. Diese Kommunikationsverbindung wird als digitaler Faden bezeichnet.

Der Internationale Rat der Systemingenieure (INCOSE) erklärt in seinem Wissenskanon für Systemtechnik (SEBoK): „Ein digitaler Zwilling ist ein verwandtes, aber dennoch eigenständiges Konzept der digitalen Entwicklung. Der digitale Zwilling ist ein hochpräzises Modell des Systems, das zur Emulation des realen Systems verwendet werden kann.“ [ 14 ] Die sich weiterentwickelnde Initiative „Digital Engineering Strategy“ des US-Verteidigungsministeriums , die erstmals 2018 formuliert wurde, definiert einen digitalen Zwilling als „eine integrierte, multiphysikalische, multiskalige, probabilistische Simulation eines bestehenden Systems, die durch einen digitalen Faden ermöglicht wird und die besten verfügbaren Modelle, Sensorinformationen und Eingangsdaten nutzt, um Aktivitäten/Leistung über die Lebensdauer des entsprechenden physischen Zwillings abzubilden und vorherzusagen.“ [ 15 ]

Typen

Digitale Zwillinge werden üblicherweise in drei Subtypen unterteilt: Digitaler Zwillingsprototyp (DTP), Digitale Zwillingsinstanz (DTI) und Digitaler Zwillingsaggregat (DTA). [ 16 ] Der DTP umfasst die Entwürfe, Analysen und Prozesse, die ein physisches Produkt realisieren. Die DTI ist der digitale Zwilling jeder einzelnen Instanz des Produkts nach der Fertigung. Die DTI ist für die gesamte Lebensdauer ihres physischen Gegenstücks mit diesem verknüpft. Die DTA ist die Aggregation von DTIs, deren Daten und Informationen für Abfragen des physischen Produkts, Prognosen und Lernprozesse genutzt werden können. Die in den digitalen Zwillingen enthaltenen spezifischen Informationen werden durch Anwendungsfälle bestimmt. Der digitale Zwilling ist ein logisches Konstrukt, d. h. die eigentlichen Daten und Informationen können in anderen Anwendungen enthalten sein.

Bei einigen Arten von digitalen Zwillingen besteht Uneinigkeit darüber, ob die Bezeichnung zutreffend ist. So definiert beispielsweise LNS Research einen „digitalen Zwilling“ als jedes ausführbare virtuelle Modell eines physischen Systems. Forscher des National Physical Laboratory haben diese Definition infrage gestellt und argumentiert, dass sie auch „einfache“ Modelle umfasst, die keine Ergebnisse liefern, die den gemessenen Größen entsprechen oder nicht dynamisch entsprechend diesen Messungen aktualisiert werden. Sie befürchten, dass diese zu weit gefasste Definition dazu führen könnte, dass potenzielle Nutzer den „digitalen Zwilling“ als bloßes Schlagwort betrachten und der Idee skeptisch gegenüberstehen. [ 6 ] Der Begriff wurde auch auf große Sprachmodelle angewendet , die darauf trainiert wurden, bestimmte Personen zu imitieren. Diese als „digitale Zwillinge“ zu bezeichnen, impliziert eine umfassende Genauigkeit, die sie in der Praxis nicht erreichen, und kann bei Nutzern, die glauben, das Modell bewahre oder reproduziere die menschliche Identität, psychologischen Schaden anrichten. [ 17 ]

Beispiele

Fertigungsindustrie

Zivilluftfahrt und Verkehr

Im Jahr 2019 begann der internationale Flughafen Scheremetjewo mit der Entwicklung und Implementierung eines digitalen Zwillingsmodells, das die Prognose und Planung des gesamten Flughafenbetriebs zum Ziel hat. Bereits im Pilotstadium führte es zu Einsparungen von mehr als einer Milliarde Rubel (über 120 Millionen US-Dollar) [ 18 ] .

Design und Prototyping

In der Entwurfsphase wird häufig ein digitaler Zwilling (Digital Twin Prototype, DTP) erstellt, bevor ein physisches Produkt existiert. [ 19 ] [ 20 ] Dieses virtuelle Modell dient umfangreichen Simulationen, um Entwurfsentscheidungen und Fertigungsprozesse zu testen. Beispielsweise kann bei der virtuellen Inbetriebnahme ein digitaler Zwilling einer geplanten Produktionslinie deren Betrieb simulieren, um Engpässe zu identifizieren , die Maschinenanordnung zu optimieren und die Automatisierungslogik zu validieren, bevor physische Anlagen installiert werden. [ 19 ] Bei komplexen Prozessen wie dem Schweißen kann ein digitaler Zwilling für die Prozessplanung eingesetzt werden, indem er die Wärmeverteilung und die Materialeigenschaften einer geplanten Schweißverbindung simuliert. Dies ermöglicht es Ingenieuren, eine Schweißverfahrensspezifikation (WPS) virtuell zu definieren und zu qualifizieren, wodurch der Bedarf an kostspieligen physischen Tests reduziert wird. [ 21 ]

Produktion und Betrieb

Während der Produktion nutzen digitale Zwillinge Daten von Sensoren , die über das Internet der Dinge (IoT) mit den Fertigungsanlagen verbunden sind , um Abläufe zu überwachen und zu optimieren. Manchmal wird zwischen einem digitalen Schatten, bei dem Daten nur unidirektional vom physischen Objekt zum digitalen Modell fließen, und einem echten digitalen Zwilling unterschieden, bei dem der Datenfluss bidirektional ist und der Zwilling somit auch Steuerbefehle an das Objekt zurücksenden kann. [ 22 ] [ 23 ] Anwendungen in dieser Phase umfassen die Prozessüberwachung und -steuerung, bei der Sensoren, die Kraft, Temperatur, Vibration oder Stromverbrauch messen, Daten an einen digitalen Zwilling liefern, um einen Prozess in Echtzeit zu überwachen. Beim Rührreibschweißen beispielsweise können Kraftsensordaten anzeigen, ob ausreichend Kontakt zwischen Werkzeug und Werkstücken besteht, um eine hochwertige Schweißnaht zu gewährleisten. [ 21 ] In der Zerspanung können Schallemissionssignale analysiert werden, um ein verschlissenes Werkzeug von einem neuen zu unterscheiden und so eine automatisierte Qualitätskontrolle zu ermöglichen. [ 24 ] Eine weitere Anwendung ist die Echtzeit-Qualitätsprüfung, bei der in einen digitalen Zwilling integrierte Bildverarbeitungssysteme Produkte automatisch auf Fehler in der Produktionslinie prüfen können. Diese Systeme können Bilder verarbeiten, um Oberflächenfehler wie Risse oder Porosität in einer Schweißnaht zu erkennen oder geometrische Abmessungen zu messen, um sicherzustellen, dass diese den Spezifikationen entsprechen. [ 21 ]

Wartung und Service

Nach der Fertigung und Inbetriebnahme eines Produkts erfasst dessen digitaler Zwilling weiterhin Leistungsdaten, oft auch als Digital Twin Instance (DTI) bezeichnet. [ 19 ] Dies ist besonders wertvoll für hochwertige Industrieanlagen wie Triebwerke , Windkraftanlagen oder Industriemaschinen. Eine wichtige Anwendung ist die vorausschauende Wartung , bei der der digitale Zwilling Betriebsdaten (z. B. Temperatur, Vibration) analysiert, um den wahrscheinlichen Ausfall einer Komponente vorherzusagen. Beispielsweise kann ein Getriebe-Zwilling Vibrationssignale analysieren, um den bevorstehenden Bruch eines Zahns zu erkennen. [ 21 ] Dadurch kann die Wartung proaktiv geplant werden, ungeplante Ausfallzeiten werden reduziert und katastrophale Ausfälle verhindert. Eine weitere Anwendung ist die Leistungsoptimierung. Durch die Aggregation von Daten aus einer ganzen Anlagenflotte – einem Digital Twin Aggregate (DTA) – können Hersteller verstehen, wie ihre Produkte unter verschiedenen realen Bedingungen funktionieren. Diese Informationen können genutzt werden, um Anwendern Betriebshinweise zu geben oder die Entwicklung zukünftiger Produktgenerationen zu unterstützen. So entsteht ein geschlossener Feedback-Kreislauf von der Servicephase zurück zur Entwicklungsphase. [ 19 ]

Stadtplanung und Bauindustrie

Digitale Zwillinge revolutionieren das Bauwesen durch die Erstellung dynamischer digitaler Abbilder physischer Anlagen. Sie unterstützen die Zustandsüberwachung, die ergonomische Risikobewertung und die vorausschauende Instandhaltung von Bauwerken wie Brücken und historischen Gebäuden. Anwendungen optimieren zudem die Energie- und CO₂-Bilanz von Gebäuden. Fallstudien, wie beispielsweise der Hafen von Weihai, belegen ihren praktischen Erfolg. Digitale Zwillinge basieren auf robusten Systemarchitekturen und maßgeschneiderten, anforderungsorientierten Designs. Fortschrittliche Modelle wie LSTM ermöglichen Vorhersagefähigkeiten, jedoch bestehen weiterhin Herausforderungen hinsichtlich Integration und Skalierung. [ 25 ]

Jüngste Studien haben ihre Bedeutung für die Echtzeit-Betriebssteuerung von HLK-, Beleuchtungs-, Beschattungs- und erneuerbaren Energiesystemen hervorgehoben und damit einen wesentlichen Beitrag zu Dekarbonisierungsstrategien geleistet. Mehrschichtige Systemarchitekturen umfassen typischerweise Sensor-, Datenverarbeitungs-, Simulations- und Visualisierungsschichten, die skalierbare und interoperable Lösungen für diese Anwendungen unterstützen. [ 26 ]

Geografische digitale Zwillinge haben in der Stadtplanungspraxis aufgrund des steigenden Interesses an digitalen Technologien im Rahmen der Smart-City -Bewegung an Popularität gewonnen. [ 27 ] Diese digitalen Zwillinge werden häufig in Form interaktiver Plattformen vorgeschlagen, um räumliche Echtzeitdaten in 3D und 4D zu erfassen und darzustellen, um städtische Umgebungen (Städte) und die darin enthaltenen Datenströme zu modellieren. [ 28 ]

Visualisierungstechnologien wie Augmented-Reality -Systeme (AR) werden sowohl als kollaborative Werkzeuge für Entwurf und Planung im bebauten Umfeld eingesetzt, indem sie Datenfeeds von eingebetteten Sensoren in Städten [ 25 ] und API-Dienste zur Erstellung digitaler Zwillinge integrieren. Beispielsweise kann AR verwendet werden, um Augmented-Reality-Karten, Gebäude und Datenfeeds zu erstellen, die auf Tische projiziert werden, um sie von Fachleuten im Bereich des bebauten Umfelds gemeinsam betrachten zu lassen. [ 29 ]

Im Bauwesen werden Planung, Entwurf, Bau sowie Betrieb und Instandhaltung zunehmend digitalisiert, unter anderem durch die Anwendung von Building Information Modeling (BIM). Digitale Zwillinge von Bauwerken gelten dabei als logische Weiterentwicklung – sowohl auf Ebene einzelner Objekte als auch auf nationaler Ebene. So veröffentlichte beispielsweise das Centre for Digital Built Britain im Vereinigten Königreich im November 2018 die Gemini-Prinzipien [ 30 ] , die Leitlinien für die Entwicklung eines „nationalen digitalen Zwillings“ [ 31 ] darlegen.

Eines der frühesten Beispiele für einen funktionierenden „digitalen Zwilling“ entstand 1996 beim Bau der Heathrow Express- Anlagen im Terminal 1 des Flughafens Heathrow . Das Beratungsunternehmen Mott MacDonald und der BIM-Pionier Jonathan Ingram verbanden Bewegungssensoren im Spundwandkasten und in den Bohrlöchern mit dem digitalen Objektmodell, um Bewegungen im Modell darzustellen. Ein digitales Injektionsobjekt wurde erstellt, um die Auswirkungen des Einpumpens von Injektionsmörtel in den Boden zur Stabilisierung von Bodenbewegungen zu überwachen. [ 32 ]

Digitale Zwillinge wurden auch als Methode vorgeschlagen, um den Bedarf an manuellen Sichtprüfungen von Gebäuden und Infrastruktur nach Erdbeben oder anderen Extremereignissen zu reduzieren. Dabei werden unbemannte Luftfahrzeuge (UAVs), LiDAR-Scanning und Photogrammetrie eingesetzt , um das virtuelle Modell automatisch zu aktualisieren und eine schnelle Schadensbewertung sowie die Planung von Gegenmaßnahmen zu unterstützen. [ 33 ] [ 34 ]

Gesundheitsbranche

Das Gesundheitswesen gilt als eine Branche, die durch die Technologie des digitalen Zwillings grundlegend verändert wird. [ 35 ] [ 36 ] Das Konzept wurde ursprünglich für die Prognose von Gesundheitsprodukten oder -geräten vorgeschlagen und erstmals angewendet. [ 36 ]

Mithilfe digitaler Zwillinge wird prognostiziert, dass sich das Leben in den Bereichen Medizin, Sport und Bildung durch einen datengestützten Ansatz im Gesundheitswesen verbessern lässt. Personalisierte Patientenmodelle, die sich kontinuierlich anhand erfasster Gesundheits- und Lebensstilparameter anpassen, könnten letztendlich zu einem virtuellen Patienten führen , der den Gesundheitszustand des Einzelnen detailliert beschreibt – und zwar nicht nur auf Basis früherer Aufzeichnungen. Darüber hinaus ermöglicht der digitale Zwilling den Vergleich individueller Datensätze mit denen der Gesamtbevölkerung, um Muster leichter und detaillierter zu erkennen. [ 35 ] Der größte Vorteil des digitalen Zwillings für das Gesundheitswesen liegt darin, dass die Gesundheitsversorgung individuell angepasst werden kann, um die Reaktionen einzelner Patienten vorherzusehen. Digitale Zwillinge sollen nicht nur zu präziseren Definitionen des Gesundheitszustands eines Individuums führen, sondern auch das Bild von Gesundheit verändern. Früher galt Gesundheit als Abwesenheit von Krankheitsanzeichen. Heute können „gesunde“ Patienten mit dem Rest der Bevölkerung verglichen werden, um Gesundheit neu zu definieren. [ 35 ] Die Einführung des digitalen Zwillings im Gesundheitswesen birgt jedoch auch das Risiko von Ungleichheit, da die Technologie möglicherweise nicht für alle zugänglich ist und die Kluft zwischen Arm und Reich vergrößert. Darüber hinaus kann der digitale Zwilling Muster in der Bevölkerung aufzeigen, die zu Diskriminierung führen können. [ 35 ]

Bis 2025 haben sich die Anwendungen digitaler Zwillinge im Gesundheitswesen erweitert und umfassen nun auch KI-gestützte Patientenüberwachungssysteme in Echtzeit, personalisierte chirurgische Simulationen und prädiktive Diagnostik mithilfe multimodaler Daten (z. B. Bildgebung + Wearables). [ 37 ] [ 38 ]

Automobilindustrie

Digitale Zwillinge in der Automobilindustrie werden mithilfe vorhandener Daten implementiert, um Prozesse zu vereinfachen und Grenzkosten zu senken. Automobildesigner erweitern die bestehende physische Materialität durch softwarebasierte digitale Funktionen. [ 39 ] Ein konkretes Beispiel für die Anwendung digitaler Zwillinge in der Automobilindustrie ist die Kombination dieser Technologie mit den Analysetools des Unternehmens, um das Fahrverhalten eines bestimmten Fahrzeugs zu analysieren. Dadurch können sie die Integration neuer Funktionen vorschlagen, die Verkehrsunfälle reduzieren – etwas, das zuvor in so kurzer Zeit nicht möglich war. [ 40 ] Digitale Zwillinge lassen sich nicht nur für einzelne Fahrzeuge, sondern auch für das gesamte Mobilitätssystem erstellen. Menschen (z. B. Fahrer, Beifahrer, Fußgänger), Fahrzeuge (z. B. vernetzte und automatisierte Fahrzeuge) und der Verkehr (z. B. Verkehrsnetze, Verkehrsinfrastrukturen) können sich von ihren auf Edge-/ Cloud -Servern bereitgestellten digitalen Zwillingen leiten lassen, um in Echtzeit Entscheidungen zu treffen. [ 41 ]

Erneuerbare-Energien-Branche

Digitale Zwillinge werden in der Branche der erneuerbaren Energien zunehmend eingesetzt, um Systeme wie Windparks, Solaranlagen, Mikronetze und Batteriespeicher zu überwachen und zu optimieren. Diese virtuellen Modelle helfen Betreibern, reale Bedingungen zu simulieren, Probleme vorherzusagen und die betriebliche Effizienz in einer risikoarmen Umgebung zu steigern. [ 42 ]

Aktuelle Studien betonen, dass digitale Zwillinge fortschrittliche Managementstrategien für Mikronetze unterstützen, wie z. B. die Tagesplanung und die Echtzeitkoordination erneuerbarer Energieanlagen, wodurch die Netzstabilität erhöht wird. [ 43 ] Systematische Analysen zeigen zudem, dass die Kombination digitaler Zwillinge mit prädiktiver Analytik in intelligenten Energiesystemen den Energieverbrauch dank optimierter Lastverteilung und proaktiver Wartung um bis zu 30 % senken kann. [ 44 ]

Die praktischen Anwendungen nehmen zu. Ein britisches Demonstrationsprojekt nutzte einen digitalen Zwilling für Spannungsregelungssimulationen in einem Mikronetz und zeigte eine Reduzierung der Abregelung erneuerbarer Energien um etwa 56 % im typischen Betrieb. [ 45 ] Energieversorger und Technologieanbieter weltweit erproben derzeit digitale Zwillingsplattformen, um die Turbinenwartung vorausschauend zu planen, die Nutzung von Batteriespeichern zu optimieren und das Netzverhalten unter extremen oder variablen Bedingungen zu simulieren. Dies deutet auf einen Trend hin zu stärker automatisierten und resilienten Energiesystemen.

Erbe

Ein 3D-Scanner mit strukturierter Lichtprojektion (Matterport Pro2) erstellt im Nationalen Kunsthandwerksmuseum in Delhi einen digitalen Zwilling eines historischen Tempelwagens.

Digitale Zwillinge werden im Bereich des Kulturerbes und der Archäologie eingesetzt, um den Verlust von Kulturgütern vorherzusehen, eine genaue Dokumentation gefährdeter Kulturgüter zu gewährleisten und gemeinsam mit Planern den Bedarf des Kulturerbesektors zu ermitteln. [ 46 ] Digitale Zwillinge können auch den Tourismus und städtische Kulturpfade fördern, indem sie als Einstieg in bedeutende oder ikonische Denkmäler dienen und so das kulturelle Erbe nutzen, um Menschen in die Stadtzentren zu locken.

Referenzen

  1. ^ Moi, Torbjørn; Cibicik, Andrej; Rølvåg, Terje (Mai 2020). „Digital Twin based condition monitoring of a knuckle beam crane: An experimental study“. Engineering Failure Analysis . 112 104517. doi : 10.1016/j.engfailanal.2020.104517 . hdl : 11250/2650461 .
  2. ^ Haag, Sebastian; Anderl, Reiner (Januar 2018). „Digitaler Zwilling – Machbarkeitsnachweis“. Manufacturing Letters . 15 : 64–66 . doi : 10.1016/j.mfglet.2018.02.006 .
  3. ^ Boschert, Stefan; Rosen, Roland (2016). „Digitaler Zwilling – Der Simulationsaspekt“. Mechatronic Futures . S.  59–74 . doi : 10.1007/978-3-319-32156-1_5 . ISBN 978-3-319-32154-7Die
  4. ^ „Digitale Zwillinge verstehen“ . PTC. 2021.
  5. ^ Grieves, Michael; Vickers, John (2017). „Digitaler Zwilling: Unvorhersehbares, unerwünschtes Verhalten in komplexen Systemen abmildern“. Transdisziplinäre Perspektiven auf komplexe Systeme . Springer. S.  85–113 . doi : 10.1007/978-3-319-38756-7_4 . ISBN 978-3-319-38754-3Die
  6. ^ a b Wright, Louise; Davidson, Stuart (11.03.2020). „Wie man den Unterschied zwischen einem Modell und einem digitalen Zwilling erkennt“ . Advanced Modeling and Simulation in Engineering Sciences . 7 (1) 13. doi : 10.1186/s40323-020-00147-4 . ISSN 2213-7467 . 
  7. ^ Semeraro, Concetta; Lezoche, Mario; Panetto, Hervé; Dassisti, Michele (September 2021). „Digitales Zwillingsparadigma: Eine systematische Literaturrecherche“ . Computer in der Industrie . 130 103469. doi : 10.1016/j.compind.2021.103469 .
  8. ^ Negri, Elisa; Fumagalli, Luca; Macchi, Marco (2017). „Eine Übersicht über die Rolle des digitalen Zwillings in CPS-basierten Produktionssystemen“ . Procedia Manufacturing . 11 : 939–948 . doi : 10.1016/j.promfg.2017.07.198 . hdl : 11311/1049863 .
  9. ^ Allen, B. Danette (03.11.2021). „Digitale Zwillinge und lebende Modelle bei der NASA“ . Digital Twin Summit .
  10. ^ Gelernter, David (1991). Spiegelwelten . doi : 10.1093/oso/9780195068122.001.0001 . ISBN 978-0-19-506812-2Die
  11. ^ „Siemens und General Electric rüsten sich für das Internet der Dinge“ . The Economist . 3. Dezember 2016. Diese Technologie ermöglicht es Herstellern, das zu erschaffen, was David Gelernter, ein Pionier der Informatik an der Yale University, vor über zwei Jahrzehnten als „Spiegelwelten“ bezeichnete.
  12. ^ Linturi, Risto; Koivunen, Marja-Riitta; Sulkanen, Jari (2000). „Helsinki Arena 2000 – Eine reale Stadt zu einer virtuellen erweitern“ . Digitale Städte: Technologien, Erfahrungen und Zukunftsperspektiven . Springer. doi : 10.1007/3-540-46422-0_8 .
  13. ^ Ishida, Toru (2002). „Digital City Kyoto“. Communications of the ACM . 45 (7): 76–81 . doi : 10.1145/514236.514238 .
  14. ^ „Digital Engineering – SEBoK“ . www.sebokwiki.org . Abgerufen am 12.12.2022 .
  15. ^ „US DoD Digital Engineering Working Group“ . Juni 2018. Abgerufen am 11. Dezember 2022 .
  16. ^ Grieves, Michael; Vickers, John (2017). „Digitaler Zwilling: Unvorhersehbares, unerwünschtes emergentes Verhalten in komplexen Systemen abmildern“. Transdisciplinary Perspectives on Complex Systems . S.  85–113 . doi : 10.1007/978-3-319-38756-7_4 . ISBN 978-3-319-38754-3Die
  17. ^ Annoni, Marco; Battisti, Davide; Marchegiani, Beatrice (29.01.2026). „Personalisierte LLMs und die Risiken der digitalen Zwillingsmetapher“ . KI & Gesellschaft . doi : 10.1007/s00146-026-02875-4 . ISSN 0951-5666 . 
  18. ^ „Der Flughafen Scheremetjewo hat einen eigenen digitalen Zwilling entwickelt und spart dadurch jährlich 1 Milliarde Rubel . “ TAdviser.ru . TAdviser Company Media. 5. Juli 2024. Abgerufen am 9. November 2025 .
  19. ^ a b c d Crespi, Drobot & Minerva 2023 , S. .
  20. ^ Vohra, Manisha (Hrsg.). (2022). Digital Twin Technology . doi : 10.1002/9781119842316 . ISBN 978-1-119-84220-0Die
  21. ^ a b c d Pal et al. 2022 , S. .
  22. ^ Sabri, Soheil; Alexandridis, Kostas; Lee, Newton (Hrsg.). (2024). Digitaler Zwilling . doi : 10.1007/978-3-031-67778-6 . ISBN 978-3-031-67777-9Die
  23. ^ Kritzinger, Werner; Karner, Matthias; Traar, Georg; Henjes, Jan; Sihn, Wilfried (2018). „Digitaler Zwilling in der Fertigung: Eine kategorische Literaturübersicht und Klassifizierung“ . IFAC-PapersOnLine . 51 (11): 1016–1022 . doi : 10.1016/j.ifacol.2018.08.474 .
  24. ^ Ostaševičius, Vytautas (2022). Digitale Zwillinge in der Fertigung . Springer Series in Advanced Manufacturing. doi : 10.1007/978-3-030-98275-1 . ISBN 978-3-030-98274-4Die
  25. ^ ein b Jebelli et al. 2024 , S. .
  26. ^ Mousavi, Yalda; Gharineiat, Zahra; Karimi, Armin Agha; McDougall, Kevin; Rossi, Adriana; Gonizzi Barsanti, Sara (10.09.2024). „Digital Twin Technology in Built Environment: A Review of Applications, Capabilities and Challenges“ . Smart Cities . 7 (5): 2594–2615 . doi : 10.3390/smartcities7050101 . ISSN 2624-6511 . 
  27. ^ Huzzat, Annysha; Anpalagan, Alagan; Khwaja, Ahmed S.; Woungang, Isaac; Alnoman, Ali A.; Pillai, Anju S. (2025). „Ein umfassender Überblick über Digital-Twin-Technologien in Smart Cities“ . Digital Engineering . 4 100040. doi : 10.1016/j.dte.2025.100040 .
  28. ^ NSW, Digital (25. Februar 2020). „NSW Digital Twin“ . Abgerufen am 25. Februar 2020 .
  29. Lock, Oliver; Bednarz, Tomasz; Pettit, Christopher (2019). „ HoloCity – Erkundung der Nutzung von Augmented-Reality-Stadtlandschaften für das kollaborative Verständnis umfangreicher urbaner Sensordaten“. Proceedings der 17. Internationalen Konferenz über Virtual-Reality-Kontinuum und seine Anwendungen in der Industrie . S.  1–2 . doi : 10.1145/3359997.3365734 . ISBN 978-1-4503-7002-8Die
  30. ^ „Die Gemini-Prinzipien“ (PDF) . www.cdbb.cam.ac.uk. Centre for Digital Built Britain. 2018. Abgerufen am 1. Januar 2020 .
  31. ^ Walker, Andy (7. Dezember 2018). „Prinzipien zur Entwicklung des nationalen digitalen Zwillings veröffentlicht“ . Infrastructure Intelligence . Abgerufen am 1. Juni 2020 .
  32. ^ Ingram, Jonathan (2020). Understanding BIM . S.  128–132 . doi : 10.1201/9780429282300 . ISBN 978-0-429-28230-0Die
  33. ^ Hosamo, Haidar Hosamo; Nielsen, Henrik Kofoed; Alnmr, Ammar Njeeb; Svennevig, Paul Ragnar; Svidt, Kjeld (09.11.2022). „Eine Überprüfung der Digital Twin-Technologie zur Fehlererkennung in Gebäuden“ . Grenzen in der gebauten Umwelt . 8 1013196. doi : 10.3389/fbuil.2022.1013196 . ISSN 2297-3362 . 
  34. Zhang , Tianxiong; Grzelak, Dominik; Zhao, Wanqi; Islam, Md Ashraful; Fricke, Hartmut; Aßmann, Uwe (24.05.2025). „Ein Überblick über Konstruktion, Modellierung und Konsistenz digitaler Zwillinge für fortschrittliche Anwendungen der Luftmobilität“ . Drones . 9 (6): 394. Bibcode : 2025Drone...9..394Z . doi : 10.3390/drones9060394 . ISSN 2504-446X . 
  35. ^ a b c d Bruynseels, Koen; Santoni de Sio, Filippo; van den Hoven, Jeroen (13. Februar 2018). „Digitale Zwillinge im Gesundheitswesen: Ethische Implikationen eines aufkommenden technischen Paradigmas“ . Grenzen in der Genetik . 9 31. doi : 10.3389/fgene.2018.00031 . PMC 5816748 . PMID 29487613 .  
  36. ^ a b Tao, Fei; Cheng, Jiangfeng; Qi, Qinglin; Zhang, Meng; Zhang, He; Sui, Fangyuan (Februar 2018). „Digital Twin-gestütztes Produktdesign, Fertigung und Service mit Big Data“. The International Journal of Advanced Manufacturing Technology . 94 ( 9–12 ): 3563–3576 . doi : 10.1007/s00170-017-0233-1 .
  37. ^ „Digitale Gesundheit“ . OECD . Abgerufen am 20.09.2025 .
  38. ^ Katsoulakis, Evangelia; Wang, Qi; Wu, Huanmei; Shahriyari, Leili; Fletcher, Richard; Liu, Jinwei; Achenie, Luke; Liu, Hongfang; Jackson, Pamela; Xiao, Ying; Syeda-Mahmood, Tanveer; Tuli, Richard; Deng, Jun (22. März 2024). „Digitale Zwillinge im Gesundheitswesen: Eine Übersichtsarbeit“ . npj Digital Medicine . 7 (1) 77. doi : 10.1038/ s41746-024-01073-0 . PMC 10960047. PMID 38519626 .  
  39. ^ Yoo, Youngjin; Boland, Richard; Lyytinen, Kalle; Majchrzak, Ann (September–Oktober 2012). „Organizing for innovation in the digitized world“. Organization Science . 23 (5): 1398–1408 . doi : 10.1287/orsc.1120.0771 . JSTOR 23252314 . 
  40. ^ Cearley, David W.; Burker, Brian; Searle, Samantha; Walker, Mike J. (3. Oktober 2017). „Die 10 wichtigsten strategischen Technologietrends für 2013“ (PDF) . Gartner Trends 2018 : 1–24 .
  41. ^ Wang, Ziran; Gupta, Rohit; Han, Kyungtae; Wang, Haoxin; Ganlath, Akila; Ammar, Nejib; Tiwari, Prashant (September 2022). „Mobility Digital Twin: Concept, Architecture, Case Study, and Future Challenges“. IEEE Internet of Things Journal . 9 (18): 17452–17467 . Bibcode : 2022IITJ....917452W . doi : 10.1109/JIOT.2022.3156028 .
  42. ^ Kumari, Namita; Sharma, Ankush; Tran, Binh; Chilamkurti, Naveen; Alahakoon, Damminda (21. Juli 2023). „Eine umfassende Übersicht über die Digital-Twin-Technologie für netzgekoppelte Mikronetzsysteme: Stand der Technik, Potenzial und Herausforderungen“ . Energies . 16 (14): 5525. doi : 10.3390/en16145525 .
  43. ^ Kandemir, Ege (2024). „Prädiktiver digitaler Zwilling für Windenergieanlagen: eine Literaturübersicht“ . Energy Informatics . 7 68. doi : 10.1186/s42162-024-00373-9 .
  44. ^ Ardebili, Ali Aghazadeh (2024). „Digitale Zwillinge intelligenter Energiesysteme: Ermöglicher, Design, Management und Herausforderungen“ . Energy Informatics . doi : 10.1186/s42162-024-00385-5 .
  45. ^ Deakin, Matthew (2024). „Digitale Zwillinge intelligenter Energienetze: Ergebnisse eines Demonstrationsprojekts in Großbritannien“. International Journal of Electrical Power and Energy Systems . 162 110302. arXiv : 2311.11997 . Bibcode : 2024IJEPE.16210302D . doi : 10.1016/j.ijepes.2024.110302 .
  46. ^ Gaffney, C.; Croucher, K.; Bates, C. R.; Booker, O.; Dunn, R.; Evans, A.; Ichumbaki, E. B.; Moore, J.; Ogden, J.; Ritchings, J.; Simpson, S.; Sparrow, T.; Walker, A.; Wilson, A. S. (2025). „Digitale Zwillinge im Stadt- und Gemeindemaßstab: Europa und darüber hinaus“ . Internet Archaeology (70). doi : 10.11141/ia.70.5 .

Quellen

  • Crespi, Noel; Drobot, Adam T.; Minerva, Roberto (Hrsg.). (2023). Der digitale Zwilling . doi : 10.1007/978-3-031-21343-4 . ISBN 978-3-031-21342-7Die
  • Jebelli, Houtan; Asadi, Somayeh; Mutis, Ivan; Liu, Rui; Cheng, Jack (Hrsg.). (2024). Digitale Zwillinge im Bauwesen und der gebauten Umwelt . doi : 10.1061/9780784485606 . ISBN 978-0-7844-8560-6Die
  • Pal, Surjya Kanta; Mishra, Debasish; Kumpel, Arpan; Dutta, Samik; Chakravarty, Debashish; Kumpel, Srikanta (2022). Digitaler Zwilling – Grundlegende Konzepte für Anwendungen in der fortschrittlichen Fertigung . Springer-Reihe in Advanced Manufacturing. doi : 10.1007/978-3-030-81815-9 . ISBN 978-3-030-81814-2Die

Weiterführende Literatur