Suchen

Digital Twin Der digitale Zwilling - aber bitte richtig

| Autor / Redakteur: Klaus Reichenberger & Eric Brabänder* / Sebastian Human

Die Kombination aus KI-basierten Suchverfahren und Knowledge Graphen schafft vollkommen neue Möglichkeiten für den digitalen Zwilling. Welche Vorteile bringt das konkret?

Firmen zum Thema

Auf dem Weg zur digitalisierten Industrie ist der digitale Zwilling ein wertvolles Asset.
Auf dem Weg zur digitalisierten Industrie ist der digitale Zwilling ein wertvolles Asset.
(Bild: gemeinfrei / Pixabay )

Der digitale Zwilling verspricht die virtuelle Nachbildung realer Maschinen, Prozessabläufe und Funktionen von Produkten und Systemen. Anhand dieser Simulationen lassen sich Prozessoptimierungen unter nahezu realen Bedingungen validieren, Auswirkungen von System-, Rohstoff- oder Prozessänderungen genau berechnen und zukünftige Ereignisse vorhersagen. Insgesamt bildet der digitale Zwilling ein neues Spektrum an Möglichkeiten, um mit einer umfassenden Datengrundlage bessere unternehmenskritische Entscheidungen zu treffen.

Bislang erlaubt der technologische Stand jedoch nur die Durchführung einzelner Simulationen, was den erwähnten Ansprüchen des digitalen Zwillings nicht genügt. Die virtuelle Nachbildung einer Maschine ist sehr anspruchsvoll, weil zum einen unterschiedliche Verfahren über verschiedene Modelle verfügen und zum anderen Informationen zur Maschine aus unterschiedlichen Quellen und Systemen kommen und nicht miteinander verknüpft sind.

Dies hat beispielsweise zur Folge, dass nach der Erkennung eines technischen Problems das benötigte Lösungswissen nicht automatisiert bereitgestellt werden kann. Im Wartungs- und Servicefall liegen somit dann häufig nicht alle benötigten Informationen vor, die notwendig sind, um den Fehler richtig einzuordnen oder zu finden. Wenn nicht bekannt ist, wie der Roboter zusammengesetzt ist, mit der es der Servicemitarbeiter zu tun hat, liefert eine Suche nach der richtigen Serviceinformation viele und vor allem viele irrelevante Treffer.

Mit der Kombination aus Suchverfahren und Knowledge Graphen hin zum “wahren“ digitalen Zwilling

Knowledge Graphen sind eine sehr einfache, allgemeine, flexible und natürliche Art menschliches Wissen technisch zu repräsentieren. Sie umfassen, genau genommen, die Ontologie, mit der Darstellungen von Kategorien, Eigenschaften und Beziehungen zwischen den Begriffen, Daten und Entitäten je Domäne erzeugt werden. Diese begrenzen also Komplexität und organisieren Daten in Informationen und Wissen.

Je vollständiger die Datengrundlage der physischen Welt ist, desto genauer fällt ihr virtuelles Abbild aus.
Je vollständiger die Datengrundlage der physischen Welt ist, desto genauer fällt ihr virtuelles Abbild aus.
(Bild: Empolis Information Management GmbH)

Ein Knowledge Graph ist das ideale Werkzeug, um einen digitalen Zwilling einer Maschine mit allen Komponenten und Funktionen abzubilden und um beispielsweise Symptome und Ursachen zu ergänzen.

Kombiniert mit KI-basierten Suchverfahren ergibt dies einen integrierten Datenansatz. Voraussetzung ist die Verknüpfung von Einzelsystemen aus verschiedenen Prozessen und IT-Lösungen in einem Ökosystem. Dazu werden intelligent vernetzte Informationen über den gesamten Lebenszyklus von Maschinen und Anlagen auf einer geeigneten Plattform benötigt. Erst die zusammenhängende Betrachtung von Daten aus den verschiedensten Bereichen ergibt ein möglichst vollständiges und korrektes Abbild der Wirklichkeit, das entsprechend verwaltet, gepflegt und genutzt werden kann.

Im Zusammenspiel mit Suchverfahren bietet die Knowledge-Graph-Technologie die Möglichkeit, Zusammenhänge von Informationen aus verschiedenen Datenquellen (PIM, ERP, SAP, technische Dokumentation, Servicedokumente) sowie die jeweils verwendeten Metadaten einheitlich aufeinander abzubilden.

Dann können zum Beispiel die Grundvariante eines Roboters und die eingebauten Komponenten durch den Integrator im Knowledge Graphen modelliert werden, was ein digitales Abbild der realen Konfiguration des Roboters darstellt. Im Fehlerfall kann dann ermittelt werden, ob dieser aufgrund einer bestimmten Konfiguration auftritt und entsprechende Maßnahmen vorgeschlagen werden.

Vorteile der Abbildung des digitalen Zwillings in einem Knowledge Graphen

Erst mit der Kombination von Suchverfahren und Knowledge Graphen lassen sich alle Produktinformationen in allen Lebenszyklusphasen für alle Unternehmensbereiche verknüpfen und nutzbar machen: Konfigurationsdaten, Service-Tickets, kaufmännische Daten, Ersatzteilkatalog, Sensordaten sowie Technische Dokumentation. In Zukunft tauschen sich R&D, Produktion, Sales, Installation, After-Sales, Wartung und Service untereinander aus und können abteilungsübergreifend Simulationen von Zusammenhängen und Auswirkungen ausführen.

  • Aufnahme aller Aspekte des digitalen Zwillings: Verbindung von Komponenten mit Tätigkeiten, Werkzeugen, Symptomen etc.
  • Komponenten, die mehrfach verwendet werden, müssen nur einmal im Datenbestand geführt werden
  • Intelligente Suchen und Auswertungen: ähnliche Fälle, mögliche Ursachen, Experten finden
  • Einmal den digitalen Zwilling modellieren, unterschiedliche Funktionen damit speisen: Filterung, Navigation, Suchunterstützung, Kontextboxen, Personalisierung

Mit der Kombination von Suchverfahren und Knowledge Graphen beider Lösungen können Unternehmen dann Zusammenhänge in ihren Daten erkennen und anschließend intelligent und performant durchsuchen. Neben der zielgerichteten Suche nach der richtigen Information erhalten sie darüber hinaus wichtige Erkenntnisse über die Zusammenhänge im Unternehmen und können entsprechend bessere Entscheidungen treffen.

Welche Use Cases ergeben sich zum Beispiel für den Service?

Ein Überblick über die Ausgangssituation in den meisten Industrieunternehmen.
Ein Überblick über die Ausgangssituation in den meisten Industrieunternehmen.
(Bild: Empolis Information Management GmbH)

  • Schnellere Eingrenzung möglicher Fehlerquellen mithilfe des Abgleiches ähnlicher Fälle
  • Besseres Verständnis von Risiken und Auswirkungen verschiedener Fehlertypen
  • Zurückverfolgung problematischer Bauteile in anderen Projekten und Anfertigung von Qualitätsauswertungen
  • Vergleich von Sensordaten auf Ähnlichkeit und Zusammenhänge
  • Bessere Nachvollziehbarkeit von verwendeten Lösungswegen inkl. Dokumentation oder Wartungsanleitung bei erfolgreicher Reparatur (besonders von Bedeutung bei personalisierter Wartungsdokumentation)
  • Ermittlung möglicher Folgeschäden bei ähnlichen Fällen

Fazit

Zukünftig lassen sich sogar vollständig wissensbasierte digitale Zwillinge realisieren, mit denen intelligent vernetzte Informationen über den gesamten Produktlebenszyklus von der Konstruktion und Fertigung von Maschinen und Anlagen, bis hin zur Installation, Inbetriebnahme, Wartung und Service geschaffen werden. Diese werden über alle bestehenden Daten- und Informationssilos hinweg mit digitalen Knowledge Graphen abgebildet und analysiert. Diese digitalen Zwillinge bieten dann neue Möglichkeiten, um mit einer umfassenden Datengrundlage bessere unternehmenskritische Entscheidungen zu treffen.

* Klaus Reichenberger arbeitet als Geschäftsführer der intelligent views GmbH und verantwortet neben Vertrieb und Marketing den Bereich Knowledge Engineering.

* Eric Brabänder arbeitet als Chief Product Officer und Mitglied der Geschäftsleitung bei der Empolis Information Management GmbH und leite die markt- und kundenorientierte Neu- und Weiterentwicklung der Empolis-Cloudlösungen.

(ID:46485648)