Durch klare Regeln und Verantwortlichkeiten wird ein verlässlicher Datenfluss gewährleistet, um Entscheidungen und Prognosen auf Basis einer validen Datenlage treffen zu können. Insgesamt bieten Digital Twins und Data Governance eine vielversprechende Grundlage für Unternehmen, um ihre Prozesse zu optimieren, Risiken zu minimieren und ihre Position im Wettbewerbsumfeld zu stärken.
Unternehmen stehen vor immensen Herausforderungen: ein sich immer schneller änderndes Marktumfeld, gestiegene Kundenanforderungen in Bezug auf Lieferzeit, Qualität und Flexibilität sowie höhere Kosten. Um diesen Herausforderungen erfolgreich begegnen zu können, ist Digitalisierung erforderlich. Ein Ansatz, um den Mehrwert, den Digitalisierung bieten kann, zu maximieren, ist das Erstellen von Digital Twins. Ein Digital Twin ist eine Aggregation verschiedener Daten über ein Produkt oder eine Anlage. Er ermöglicht es dadurch, physische Assets digital zu replizieren und in virtuellen Umgebungen zu nutzen, und unterstützt tiefgreifendere Analysen, datengestützte Vorhersagen und neue innovative Geschäftsmodelle.
Vorteile einer solchen systematischen Nutzung von Daten finden sich entlang des gesamten Lebenszyklus von Produkten, Anlagen und Prozessen. In der Planung kann beispielsweise durch die Nutzung digitaler Prototypen Zeit und Geld gespart werden. Während der Nutzung ermöglicht eine Überwachung in Echtzeit eine bedarfsgesteuerte Wartung und erlaubt der Produktentwicklung, Verbesserungspotenziale ihres Produkts zu erkennen. Es ergibt sich eine deutlich schnellere Markteinführungszeit von neuen Produkten und insbesondere resultieren daraus Verbesserungen oder Anpassungen an bestehenden Produkten. Durch den Einsatz von Digital Twins können auch neue Geschäftsfelder erschlossen werden. Insbesondere As-a-Service-Dienstleistungen werden möglich.
Eine effektive Data Governance bildet die Grundlage für die erfolgreiche Implementierung und Nutzung von Digital Twins. Ohne klare Regeln und Standards für die Datenerfassung, -speicherung und -nutzung können Digital Twins nicht ihr volles Potenzial entfalten. Umgekehrt profitiert die Data Governance von den Erkenntnissen und Analysen, die durch die Nutzung von Digital Twins gewonnen werden, um Datenqualität und Prozessoptimierung kontinuierlich zu verbessern. Eine solide Data Governance gewährleistet dabei, dass die Daten, die für diese Prozesse genutzt werden, von hoher Qualität und Zuverlässigkeit sind.
Data Governance: Grundlagen und Praktiken
Die Data Governance ist die verantwortliche Funktion im Unternehmen, um korrekte, vertrauenswürdige Daten zu gewährleisten. Sie umfasst das System von Richtlinien, Rechten, Verantwortlichkeiten und Verfahren, die erstellt und verwendet werden, um Datenvermögenswerte zu kontrollieren. Das Hauptziel der Data Governance besteht darin, den Wert von Daten zu steigern, datenbezogene Risiken zu minimieren und regulatorische Anforderungen zu erfüllen, Regeln für die Datenverwendung innerhalb der Organisation festzulegen und den externen und internen Datenaustausch zu verbessern [IDW22]. Gut gestaltete Data-Governance-Strukturen erhöhen den Wert von Daten und ermöglichen datengetriebene Initiativen.
Die Data Governance spielt eine wichtige Rolle bei der Gewährleistung der Datenqualität, -sicherheit und -integrität (siehe Abbildung 1). Sie stellt sicher, dass Datenqualitätsstandards eingehalten werden, und überwacht die Daten, um sicherzustellen, dass sie korrekt und aktuell sind. Die Data Governance legt fest, wer auf welche Daten zugreifen kann und wie sie geschützt werden, um Datenschutzverletzungen zu vermeiden. Darüber hinaus gewährleistet sie, dass Daten konsistent und zuverlässig sind, was wichtig für fundierte Geschäftsentscheidungen ist [KPMG20].
Abb. 1: Einfluss der Data Governance
Eine effektive Data Governance ist wichtig, um die Zusammenarbeit zwischen verschiedenen Abteilungen und Teams zu fördern. Durch klare Regeln und Verantwortlichkeiten können Konflikte und Missverständnisse hinsichtlich Kompetenzen und Verantwortlichkeiten vermieden werden. Zudem kann die Data Governance dazu beitragen, die Effizienz von Geschäftsprozessen zu steigern, indem redundante Daten vermieden und Datenqualitätsprobleme frühzeitig erkannt und behoben werden.
Ein weiterer wichtiger Aspekt im Rahmen des Konzepts der Data Governance ist die Einhaltung von Datenschutzbestimmungen und -gesetzen. Unternehmen müssen sicherstellen, dass personenbezogene Daten nur für den vorgesehenen Zweck verwendet werden und dass die Datenschutzrechte der betroffenen Personen gewahrt bleiben. Die Data Governance kann dabei helfen, die Einhaltung dieser Vorschriften sicherzustellen und das Vertrauen von Kunden und Geschäftspartnern zu stärken.
Data Governance ist die "Legislative" zur Sicherstellung von Datenqualität. Sie ist eine organisatorische Funktion und repräsentiert die Designautorität über das Data Management. Das heißt, sie definiert und überwacht die Datenstrategie, die Richtlinien und Standards sowie die unternehmensweiten Datenmodelle und die damit verbundenen Prozesse und Systeme. Damit entscheidet Data Governance über ein unternehmensinternes Steuerungssystem, an dem die Geschäftsführung oder der Vorstand idealerweise beteiligt ist beziehungsweise das die Unternehmensleitung vollständig unterstützt.
Ein weiterer wichtiger Aspekt im Rahmen des Konzepts der Data Governance ist die Einhaltung von Datenschutzbestimmungen und -gesetzen. Unternehmen müssen sicherstellen, dass personenbezogene Daten nur für den vorgesehenen Zweck verwendet werden und dass die Datenschutzrechte der betroffenen Personen gewahrt bleiben. Die Data Governance kann dabei helfen, die Einhaltung dieser Vorschriften sicherzustellen und das Vertrauen von Kunden und Geschäftspartnern zu stärken.
Beim Digital Twin (dt. Digitaler Zwilling) handelt es sich um eine virtuelle Repräsentation eines physischen Produkts, Prozesses oder Systems (siehe Abbildung 2). Die digitale Replik ermöglicht es Unternehmen, reale Objekte oder Abläufe in einer virtuellen Umgebung zu simulieren und zu analysieren. Dadurch eröffnen sich vielfältige Möglichkeiten zur Verbesserung von Produktentwicklung, Betriebsoptimierung, Wartung und letztlich zur Steigerung der Gesamteffizienz.
Abb. 2: Darstellung eines Digital Twin
Digital Twin: Konzepte und Anwendungen
Der Digital Twin ergibt sich aus der systematischen Nutzung bereits vorhandener Technologien. So existieren insbesondere bei produzierenden Unternehmen dreidimensionale Modelle des Endprodukts. Dieses wird um weitere Daten angereichert, wie zum Beispiel Echtzeit-Daten aus Sensoren des eingesetzten Produkts. Dadurch können das Verhalten und die Eigenschaften des Digital Twin nicht nur gemessen und Verbesserungen in unterschiedlichen Bereichen angestoßen, sondern auch neue Anwendungsfälle generiert werden.
Der Digital Twin bietet den Vorteil, dass bereits existierende Technologien systematisch genutzt werden können und somit ein neuer Mehrwert aus vorhandenen Technologien generiert werden kann. Branchenübergreifend gewinnt der Digital Twin immer weiter an Bedeutung. Er bietet Unternehmen einen tiefgreifenden Einblick und verbesserte Entscheidungsfindung in Bezug auf die Produktentwicklung des Unternehmens und die Chance, innovative Lösungen zu entwickeln, um den Anforderungen einer zunehmend digitalisierten Welt gerecht zu werden. In vielen Branchen, vor allem in den Sektoren Produktion, Automobile, Luftfahrt und Energie, wird der Digital Twin bereits heute erfolgreich genutzt. In diesen und weiteren Sektoren ist in den nächsten Jahren ein enormes Wachstum zu erwarten, das den geschaffenen Mehrwert verdeutlicht. Für die Zeit zwischen den Jahren 2023 und 2028 wird global eine jährliche Wachstumsrate von rund 60 Prozent prognostiziert. Bis 2028 soll sich die gesamte Marktgröße dann in etwa verzehnfacht haben (siehe Abbildung 3) [Mar23].
Abb. 3: Globale Marktgröße (in Milliarden USDollar) des Digital Twin
Der Digital Twin findet in unterschiedlichen Prozessen und Branchen Einsatzmöglichkeiten. In der Automobilindustrie kann der Digitale Produkt- und Produktions-Zwilling genutzt werden, um eine virtuelle Simulation von Fahrzeugen und deren Komponenten zu erstellen, wodurch die Design- und Fertigungsprozesse effizienter werden können. Der Digitale Performance-Twin unterstützt bei der Überwachung der Leistung und des Verschleißes von Fahrzeugen und kann somit frühzeitig auf Risiken hinweisen und die Wartung unterstützen.
Tabelle 1 zeigt diese und weitere Anwendungsfälle.
Vorteile des Digital Twin
Von der beschleunigten Produktentwicklung über die bedarfsoptimierte Wartung bis hin zur Optimierung von Betriebsabläufen – ein Digital Twin kann eine transformative Rolle in einem Unternehmen spielen und dabei helfen, neue Möglichkeiten der Wertschöpfung zu erschließen.
Die Implementierung eines Digital Twin geht über die reine Technologie hinaus – sie ermöglicht es Unternehmen, eine Reihe qualitativer und quantitativer Vorteile zu realisieren (siehe Abbildung 4) [Mor24], die einen deutlichen Einfluss auf die Wettbewerbsfähigkeit und den Erfolg haben können.
Abb. 4: Übersicht der Vorteile bei Einführung eines Digital Twin
Insgesamt zeigt sich, dass ein Digital Twin weit über technologische Aspekte hinausgeht und vielfältige qualitative Vorteile bietet. Von der Kosteneinsparung in der Produktentwicklung bis zur Ermöglichung innovativer Geschäftsmodelle eröffnet diese Technologie ein breites Spektrum an Chancen für Unternehmen, die auf der Suche nach nachhaltigem Wachstum und Wettbewerbsvorteilen sind.
Außerdem verdeutlichen die quantitativen Vorteile des Digital Twin das transformative Potenzial dieser Technologie für Unternehmen. Von möglichen Umsatzsteigerungen über beschleunigte Markteinführungszeiten bis hin zur Verbesserung der Produktqualität bieten Digital Twins klare finanzielle Vorteile, die Unternehmen dabei unterstützen, ihre Leistungsfähigkeit zu maximieren und sich in einer zunehmend digitalisierten Geschäftswelt erfolgreich zu positionieren.
Data Governance als notwendige Bedingung für den Digital Twin
Die Berücksichtigung von Digital Twins in der Digitalisierungsstrategie ist von entscheidender Bedeutung für Unternehmen, die ihre Infrastrukturen effizient verwalten und optimieren möchten. Zu den Schlüsselelementen zählen insbesondere die Daten und die damit verbundenen Organe. Ein Digital Twin benötigt umfassende und korrekte Daten, weshalb ein effektives Master Data Management (MDM) und Data Governance unerlässlich sind. Eine moderne, skalierbare und sichere IT-Infrastruktur ist ebenfalls wichtig für den Erfolg des Digital Twin. Zudem müssen die Prozesse an den Digital Twin angepasst werden, um eine nahtlose Interaktion zwischen dem physischen System und seinem digitalen Abbild zu ermöglichen.
Im Kontext des Digital Twin ist Data Governance besonders wichtig, da der Digital Twin auf Daten basiert. Um ein genaues Abbild der physischen Welt zu erstellen, müssen Daten aus verschiedenen Quellen gesammelt und verarbeitet werden. Dies macht die Sicherstellung einer hohen Datenqualität zu einem Kernelement des Digital Twin. Diese Daten müssen konsistent, korrekt und aktuell sein, um ein genaues Abbild der physischen Welt zu erstellen. Durch die Data Governance erfolgt die Festlegung klarer Verantwortlichkeiten für die Datenqualität im Kontext des Digital Twin, einschließlich der Zuweisung von Data Stewards, die speziell für die Überwachung und Pflege der Daten zuständig sind.
Des Weiteren ist es wichtig, automatisierte Prozesse zur Überwachung und Verbesserung der Datenqualität einzusetzen, um sicherzustellen, dass die Daten, die den Digital Twin unterstützen, stets von hoher Qualität sind. Somit bildet eine solide Data Governance die Grundlage für die Datentransparenz, -integrität und -verfügbarkeit, die für die Erstellung und Wartung eines Digital Twin erforderlich sind.
Potenzielle Herausforderungen und Lösungsansätze
Die Etablierung und Durchführung einer Data Governance ist eine komplexe Aufgabe. Eine der größten Herausforderungen bei der Einführung einer Data Governance ist die Festlegung des Verantwortungsbereichs. Im Kontext Digital Twin müssen sich mehrere Bereiche Daten teilen, zum Beispiel die F&E-Abteilung, die Produktion, das Wartungsmanagement, der Einkauf und das Controlling. Es ist wichtig sicherzustellen, dass alle Beteiligten verstehen, wer für die Verwaltung der Daten verantwortlich ist und welche Aufgaben und Rollen damit verbunden sind. Ein Silodenken ist dabei aufzulösen.
Die Einführung einer Data Governance erfordert oft zusätzliche Kapazitäten, insbesondere wenn neue Systeme und Technologien implementiert werden müssen. Die Sicherstellung der Verfügbarkeit ausreichender Ressourcen im Unternehmen ist dabei wichtig, um die Data Governance erfolgreich umzusetzen. Die Einführung einer erfolgreichen Data Governance erfordert eine klare Kommunikation und einen effektiven Change-Management-Prozess. Nur durch eine unternehmensweite Akzeptanz der neuen Design-Autorität kann die Data Governance erfolgreich arbeiten.
Ebenso birgt die Implementierung eines Digital Twin in einem Unternehmen eine Reihe von Herausforderungen. Zunächst müssen Daten aus verschiedenen Systemen und Quellen integriert werden. Die Quellen können dabei jenseits der eigenen Unternehmensgrenzen liegen, wenn es zum Beispiel darum geht, die Daten (Abmessungen und Beschaffenheiten) der Vorprodukte des Digital Twin aufzunehmen. Gleichzeitig muss auf die Qualität dieser Daten geachtet werden, um die Zuverlässigkeit des Digital Twin sicherzustellen. Die Komplexität der zu erstellenden Modelle kann eine weitere Hürde darstellen, insbesondere bei komplexen Systemen. Eine robuste technische Infrastruktur ist unerlässlich, um große Datenmengen zu verarbeiten und komplexe Analysen durchzuführen.
Die Einführung eines Digital Twin wie auch einer Data Governance erfordert oft einen kulturellen Wandel im Unternehmen, da neue Arbeitsweisen und Technologien implementiert werden müssen. Zentral ist hierbei insbesondere die Integration der Datenqualität als festen Bestandteil im Unternehmen. Sicherheits- und Datenschutzbedenken sind ebenfalls von entscheidender Bedeutung, um sensible Daten (insbesondere F&E-Daten) vor unbefugtem Zugriff zu schützen und die Einhaltung von Datenschutzbestimmungen zu gewährleisten. Schließlich müssen die Kosten für die Entwicklung, Integration, Wartung und Schulung sorgfältig berücksichtigt werden, um den Return on Investment (ROI) des Digital Twin zu maximieren.
Die Bewältigung dieser Herausforderungen erfordert eine sorgfältige Planung wie auch die Zusammenarbeit zwischen verschiedenen Abteilungen und möglicherweise die Unterstützung externer Experten und Anbieter. Die zentrale Herausforderung bei beiden Konzepten ist die Integration der Datenqualität als festen Bestandteil im Unternehmen.
Fazit
Die Digitalisierung bietet Unternehmen die Möglichkeit, den Herausforderungen des sich schnell ändernden Marktumfelds, gestiegenen Kundenanforderungen und höheren Kosten erfolgreich zu begegnen. Ein Ansatz, um den Mehrwert der Digitalisierung zu maximieren, ist das Erstellen von Digital Twins. Diese ermöglichen tiefgreifendere Analysen, datengestützte Vorhersagen und neue, innovative Geschäftsmodelle entlang des gesamten Lebenszyklus von Produkten, Anlagen und Prozessen. Eine effektive Data Governance ist dabei unerlässlich, um die Datenqualität und Prozessoptimierung kontinuierlich zu verbessern und das volle Potenzial von Digital Twins auszuschöpfen. Unternehmen sollten daher klare Regeln und Standards für die Datenerfassung, -speicherung und -nutzung festlegen, um die erfolgreiche Implementierung und Nutzung von Digital Twins zu gewährleisten.
Ein Beitrag von Stefan Riess und Markus Stratz, unter Mitwirkung von Meike Humrich, Christian Bloier, Lamar Lambertz und Joline Stockhausen.
Weitere Informationen
[IDW22] IDW: Data Governance – Die Bedeutung einer guten Governance für den Umgang mit Daten im Unternehmen. 16.3.2022,
https://www.idw.de/IDW/Medien/Knowledge-Paper/IDW-Knowledgepaper-Data-Governance.pdf, abgerufen am 15.7.2024
[KPMG20] KPMG: Datenqualität – das A und O der Digitalisierung. 2020,
https://hub.kpmg.de/datenqualitaet, abgerufen am 15.7.2024
[Mar23] MarketsAndMarkets: Digital Twin Market Size. Juli 2023,
https://www.marketsandmarkets.com/Market-Reports/digital-twin-market-225269522.html, abgerufen am 15.7.2024
[Mor24] Mordor Intelligence: Digital Twin Market Size & Share Analysis.
https://www.mordorintelligence.com/industry-reports/digital-twin-market, abgerufen am 15.7.2024
