Das Konzept der Digitalen Zwillinge hat in den letzten Jahren in der Fertigungsindustrie stark an Bedeutung gewonnen. Aber was genau sind sie und warum finden sie bei so vielen Unternehmen so großen Anklang?
Digitale Zwillinge nutzen Echtzeitdaten von IoT-Sensoren sowie andere Quellen wie ERP-Systemen oder Manufacturing Execution Systems (MES), und stellen dynamische, kontinuierlich aktualisierte digitale Modelle von physischen Objekten, Systemen oder Prozessen dar.
Unternehmen investieren häufig in Digitale Zwillinge mit relativ einfachen Zielen wie Echtzeitüberwachung, verbesserte betriebliche Transparenz und nahtlose Datenintegration über Plattformen hinweg. Diese Ziele sind für sich genommen wertvoll und bieten oft erhebliche Vorteile. Das wahre Potenzial von Digitalen Zwillingen wird jedoch erst deutlich, wenn fortschrittliche Analyse- und Simulationswerkzeuge eingesetzt werden. Diese Werkzeuge eröffnen vielfältige Möglichkeiten, wie Einblicke durch Vorhersagen, das Testen komplexer Szenarien oder anspruchsvolle Optimierungsstrategien, die eine intelligentere Entscheidungsfindung und kontinuierliche Verbesserungen ermöglichen.
- Digitale Zwillinge kategorisieren: Ein mehrdimensionaler Ansatz
1.1 Hierarchie (Granularität)
1.2 Zweck
1.3 Die Kraft der Kombination von Dimensionen
1.4 Klarheit ist der Schlüssel zum Erfolg - Einsatzmöglichkeiten für Digitale Zwillinge in der Fertigung
- Wichtige Aspekte der Digitalen Zwillinge
3.1 Homogenisierung
3.2 Semantik
3.3 Anwendungsfälle von Semantik und Homogenisierung
1 Digitale Zwillinge kategorisieren: Ein mehrdimensionaler Ansatz
Digitale Zwillinge in der Fertigung sind vielschichtige Werkzeuge, die entlang zweier wichtiger Dimensionen kategorisiert werden können: Hierarchie (Granularität) und Zweck. Mit einem guten Verständnis dieser Dimensionen können Organisationen Digitale Zwillinge entlang ihrer eigenen individuellen Anforderungen effektiver gestalten, implementieren und nutzen. Digitale Zwillinge können zudem mehrere Granularitäten umfassen und mehreren Zwecken gleichzeitig dienen, was ihr Potenzial zur Umgestaltung von Fertigungsabläufen erheblich steigert.
1.1 Hierarchie (Granularität)
Die hierarchische Dimension definiert die Flughöhe und den Umfang des Digitalen Zwillings, der von einzelnen Anlagen bis zu ganzen Prozessen reicht:
-
Asset-Level-Zwillinge: Diese Zwillinge konzentrieren sich auf einzelne Komponenten, Geräte oder Maschinen. Sie werden häufig für Echtzeitüberwachung, Fehlererkennung und Leistungsanalyse verwendet. Ein Digitaler Zwilling einer CNC-Maschine wertet beispielsweise die Betriebsparameter aus, um eine vorausschauende Wartung zu ermöglichen und eine optimale Leistung sicherzustellen.
-
System-Level-Zwillinge: System-Level-Zwillinge umfassen miteinander verbundene Anlagen, die zusammen eine bestimmte Funktion erfüllen. Beispiele sind Fertigungslinien oder automatisierte Produktionszellen. Diese Zwillinge sind von zentraler Bedeutung, um Abhängigkeiten zu analysieren, die Systemeffizienz zu steigern und die Ressourcenzuweisung zu optimieren.
-
Prozess-Level-Zwillinge: Auf der höchsten Ebene modellieren Prozess-Level-Zwillinge ganze Arbeitsabläufe oder Produktionsprozesse. Diese Zwillinge bieten einen ganzheitlichen Blick auf die Abläufe, ermöglichen eine End-to-End-Optimierung, die Identifizierung von Engpässen und eine strategische Entscheidungsfindung über den gesamten Produktionszyklus hinweg.
Bildquelle: Unsplash
1.2 Zweck
Diese Dimension definiert den Anwendungsfall bzw. das Ziel des Digitalen Zwillings. Während einige Zwillinge sich auf einen einzigen Zweck konzentrieren, können andere mehrere Ziele erfüllen und so einen zusätzlichen Wert liefern. Zu den wichtigsten Zwecken gehören:
-
Visualisierung & Überwachung (deskriptiv): Diese Digitale Zwillinge bieten Echtzeit-Dashboards, 3D-Darstellungen und kontextbezogene Informationen (z.B. PDFs, Videos oder Wartungshandbücher), um ein umfassendes Verständnis von Anlagen oder Systemen zu liefern. Diese Zwillinge unterstützen die Entscheidungsfindung und verbessern das Situationsbewusstsein (ein klares Verständnis der aktuellen Bedingungen und ihrer Auswirkungen).
-
Augmented Reality (AR): Als Unterart der Visualisierung und Überwachung bietet AR eine immersive und interaktive Möglichkeit, digitale Informationen über die physische Welt zu legen. Dadurch können Geräte besser überwacht, Wartungen unterstützt und Echtzeit-Betriebsinformationen bereitgestellt werden, sodass komplexe Daten intuitiver nutzbar sind und Benutzer schneller handeln können.
-
3D Digitale Zwillinge: 3D-Digitale Zwillinge sind eine weitere spezialisierte Art der Visualisierung und bieten detaillierte dreidimensionale Darstellungen von Anlagen, Systemen oder Prozessen. Diese Modelle ermöglichen es Benutzern, komplexe Strukturen intuitiv zu erkunden und räumliche Beziehungen zu analysieren.
-
-
Prädiktion: Prädiktive Zwillinge analysieren historische und Echtzeitdaten, um zukünftige Ergebnisse wie Geräteausfälle, Nachfrageschwankungen oder Prozessabweichungen vorherzusagen. Sie bieten proaktive Einblicke und ermöglichen es den Herstellern, Probleme vorauszusehen und zu behandeln, bevor sie tatsächlich auftreten.
-
Betriebliche Effizienz: Diese Zwillinge konzentrieren sich auf die Erleichterung alltäglicher Aktivitäten wie Zeitplanung, Aufgabenmanagement und Echtzeitsteuerung von Maschinen und Systemen.
-
Simulation / Design (verhaltensorientiert): Simulationszwillinge modellieren Szenarien und testen Designänderungen, um Herstellern eine Bewertung der Auswirkungen von Änderungen ohne Betriebsunterbrechung zu ermöglichen. Sie sind für Forschung und Entwicklung, Prototyping und Schulungen von unschätzbarem Wert.
-
Optimierung (präskriptiv): Zwillinge zur Optimierung analysieren Daten und geben Umsetzungsempfehlungen zur Verbesserung von Prozessen, zur Reduzierung von Verschwendung und zur Steigerung der Produktivität. Sie setzen oft fortschrittliche Algorithmen und KI ein, um die besten Vorgehensweise zu ermitteln.
-
Operator Schulung: Zwillinge zur Schulung von Mitarbeitern schaffen immersive Umgebungen für die Weiterentwicklung des Betriebspersonals und nutzen reale Daten und Szenarien, um die Lernergebnisse zu verbessern. Diese Zwillinge sind besonders vorteilhaft für die Weiterbildung von Mitarbeitern in komplexen oder hochsensiblen Bereichen
-
Augmented Reality (AR) kann hier ebenfalls eine wichtige Rolle spielen, da sie interaktive, praktische Erfahrungen bietet, die reale Aufgaben simulieren.
-
1.3 Die Kraft der Kombination von Dimensionen
Eine robuste Strategie für Digitale Zwillinge profitiert von dem Zusammenspiel zwischen Granularität und Zweck. Durch die Entwicklung von Zwillingen, die mehrere Granularitäten und Zwecke ansprechen, können Unternehmen ihr volles Potenzial ausschöpfen. Zum Beispiel:
-
Ein System-Level-Zwilling, der prädiktive, betriebs- und optimierungsbezogene Zwecke unterstützt, kann sowohl die Zuverlässigkeit der Maschinen als auch den Produktionsdurchsatz verbessern.
-
Ein Prozess-Level-Zwilling mit Visualisierungs-, Simulations- und Schulungsfunktionen kann die Art und Weise revolutionieren, wie Mitarbeiter mit komplexen Fertigungsabläufen interagieren und zur Verbesserung dieser Abläufe beitragen.
Je mehr Dimensionen ein Digitaler Zwilling umfasst, desto mehr Einblicke kann er liefern, und desto größer ist sein Potenzial.
1.4 Klarheit ist der Schlüssel zum Erfolg
Eine klare Vorstellung in Bezug auf die Granularität und den Zweck des Digitalen Zwillings ist für seine Planung und Umsetzung essentiell. Durch eine genaue Festlegung der Granularitätsebene eines Digitalen Zwillings wird sichergestellt, dass dieser ideal auf die zu lösende Problemstellung zugeschnitten ist. Gleichzeitig wird durch die Festlegung des Zwecks sichergestellt, dass der Zwilling mit den richtigen Fähigkeiten ausgestattet ist, um die gesteckten Ziele zu erreichen. Durch die Anwendung eines mehrdimensionalen Ansatzes können Hersteller Digitale Zwillinge entwerfen, die nicht nur zweckdienlich, sondern auch skalierbar und an zukünftige Anforderungen anpassbar sind. Die in diesem Artikel vorgestellte Kategorisierung hilft Unternehmen daher bei der Konzeption, der Planung und der Umsetzung Digitaler Zwillinge, die ideal auf die eigenen Ziele abgestimmt sind.
2 Einsatzmöglichkeiten für Digitale Zwillinge in der Fertigung
Digitale Zwillinge werden in allen Bereichen der Fertigung eingesetzt, um eine Vielzahl von unterschiedlichen Anforderungen zu erfüllen. Die folgenden Beispiele verdeutlichen, wie spezifische Anwendungsfälle zu einem bestimmten Zweck und gleichzeitig zu einer bestimmten Granularitätsebene passen:
-
Prädiktive Wartung mit Vibrationssensoren: Die Nutzung von Asset-Level-Zwillingen, die mit Vibrationssensoren ausgestattet sind, ermöglicht die Echtzeitüberwachung und die Vorhersage von Anlagenausfällen. Durch die Erkennung abnormaler Frequenzmuster in den Lagern eines motorisierten Förderbandes können Wartungsteams Verschleiß frühzeitig erkennen. Dies ermöglicht den präventiven Austausch von Komponenten, wodurch ungeplante Ausfallzeiten minimiert und die Wartungskosten gesenkt werden. Dies entspricht dem Zweck der Prädiktion.
-
Prädiktive Wartung für Metallbearbeitungsmaschinen: Asset-Level-Zwillinge für Metallbearbeitungsmaschinen kombinieren Echtzeitdaten mit dem Expertenwissen der Hersteller. Durch die Integration spezifischer Eingaben wie Art des zu schneidenden Materials, Nutzungsintensität und Sensordaten wie Werkzeugvibration oder Werkzeugtemperatur ermöglichen diese Zwillinge genaue Vorhersagen des Werkzeugverschleißes und optimale Austauschzeiten. Dadurch werden Werkzeugausfälle in kritischen Vorgängen reduziert, Abfall minimiert und eine gleichbleibende Produktqualität sichergestellt. Dies entspricht dem Zweck der Prädiktion.
-
Prozessoptimierung in der Motorenfertigung: Prozess-Level-Zwillinge können Engpässe identifizieren, Arbeitsabläufe optimieren, Arbeitslasten ausgleichen und Abfall reduzieren. Mittels eines Digitalen Zwillings einer Motorfertigungsstraße, die Schneide-, Schweiß- und Montagevorgänge umfasst, lassen sich Produktionsszenarien simulieren, um Verzögerungen zu erkennen, die durch falsch ausgerichtete Schweißstationen oder einen suboptimalen Materialfluss verursacht werden. Es können dann Anpassungen empfohlen werden, um die Reihenfolge und die Effizienz zu verbessern. Diese Anwendungen entsprechen den Zwecken der Optimierung, Effizienz und Simulation.
-
Energieoptimierung: Prozess-Level-Zwillinge helfen Herstellern, energieintensive Vorgänge zu identifizieren und Verbesserungen vorzunehmen. Ein Digitaler Zwilling könnte in Fertigungsprozessen, die Öfen, Schweißstationen oder großflächige Kühlsysteme umfassen, den Energieverbrauch überwachen sowie Ineffizienzen erkennen. Zu den Empfehlungen könnten die Optimierung der Temperatureinstellungen, die Verbesserung der Zeitplanung oder die Aufrüstung der Anlagen gehören, um die Energieverschwendung zu verringern und gleichzeitig die Produktionsqualität zu erhalten. Dieser Anwendungsfall ist mit dem Zweck der Optimierung verbunden.
-
Qualitätsmanagement mit visueller Teileinspektion: Asset-Level-Zwillinge überwachen die Qualität einzelner produzierter Teile in Echtzeit, ermöglichen so die Fehlersortierung, das Nacharbeitsmanagement und die Überwachung von Qualitäts-KPIs. Ein Digitaler Zwilling könnte die Kanten von geschnittenen Teilen visuell untersuchen, die Kantenqualität bewerten und Abweichungen durch abgenutzte Werkzeuge oder falsche Einstellungen erkennen. Dies entspricht gleichermaßen den Zwecken der betriebliche Effizienz und der Visualisierung.
-
Arbeiterschulung und Kompetenzentwicklung: Trainingszwillinge schaffen virtuelle Umgebungen, die reale Umgebungen simulieren und sichere, kosteneffiziente Schulungen für Mitarbeiter bieten. Augmented Reality und 3D-Digitale Zwillinge spielen oft eine bedeutende Rolle und verknüpfen diesen Anwendungsfall mit dem Zweck der Operator Schulung.
-
Optimierung der Lieferkette: Digitale Zwillinge bieten Echtzeit-Einblicke, Vorhersagefunktionen und Werkzeuge für die strategische Planung im Lieferkettenmanagement. Beispielsweise könnte ein Digitaler Zwilling eines Verteilungsnetzwerks, der Prozess-Level-Granularität abbildet, verschiedene Szenarien simulieren, um Engpässe zu ermitteln, wie etwa Verzögerungen in bestimmten Lagern oder ineffiziente Routenführung von Lieferfahrzeugen. Durch die Analyse von Lagerbeständen, Laufzeiten und Nachfrageprognosen könnte der Zwilling optimale Bestandszuweisung und Routenplanungen empfehlen, um die Effizienz zu verbessern und Kosten zu reduzieren. Dies entspricht den Zwecken der Optimierung und Prädiktion.
Bildquelle: Unsplash
3 Wichtige Aspekte der Digitalen Zwillinge
3.1 Homogenisierung
Homogenisierung bezieht sich auf den Prozess, einen einheitlichen und konsistenten Rahmen für das Management und die Interaktion mit Daten, Systemen und Prozessen zu schaffen. Im Zusammenhang mit Digitalen Zwillingen spielt die Homogenisierung eine entscheidende Rolle, wenn es darum geht, sicherzustellen, dass unterschiedliche Datenquellen, Tools und Technologien nahtlos zusammenarbeiten, um kohärente Erkenntnisse zu gewinnen und effiziente Abläufe zu schaffen.
3.1.1 Datenhomogenisierung
Digitale Zwillinge verlassen sich auf Daten aus verschiedenen Quellen wie IoT-Geräten, Sensoren, ERP-Systemen und Fertigungsanlagen. Diese Daten werden oft in unterschiedlichen Formaten, Standards und Protokollen erzeugt. Die Datehomogenisierung addressiert folgende Aspekte:
-
Datenintegration: Heterogene Daten werden gesammelt, transformiert und in ein einheitliches Modell integriert.
-
Standardisierung: Datenformate und -strukturen werden standardisiert, um eine plattform- und systemübergreifende Kompatibilität zu gewährleisten.
-
Interoperabilität: Systeme verschiedener Anbieter können Daten gemeinsam nutzen und korrekt interpretieren.
Beispiel: In einem Fertigungsbetrieb könnte die Homogenisierung darin bestehen, Sensordaten von Maschinen, die mit unterschiedlichen Protokollen arbeiten (z. B. OPC-UA, MQTT) zu normieren und mit einem einheitlichen Framework für Analysezwecke zur Verfügung zu stellen.
3.1.2 Zugangshomogenisierung
Die Zugangshomogenisierung stellt sicher, dass alle Beteiligten - Ingenieure, Bediener, Manager, externe Partner und sogar automatisierte Systeme oder Anwendungen, die über APIs interagieren - nahtlos auf den Digitalen Zwilling zugreifen und mit ihm interagieren können, unabhängig von ihren Rollen, Werkzeugen oder Systemschnittstellen.
Bei diesen APIs werden sowohl menschliche als auch maschinelle Interaktionen von vornherein berücksichtigt.
-
Einheitliche Schnittstellen: Digitale Zwillinge bieten oft eine gemeinsame Benutzeroberfläche oder API für den Zugang und die Visualisierung von Daten, wodurch die Komplexität bei der Arbeit mit mehreren Systemen reduziert wird.
-
Rollenbasierter Zugang: Durch anpassbare Zugriffsberechtigungen wird sichergestellt, dass die richtigen Personen zur richtigen Zeit auf die richtigen Daten zugreifen, um Effizienz und Sicherheit zu verbessern.
-
Cloud- und Edge-Integration: Die Homogenisierung ermöglicht einen reibungslosen Datenfluss zwischen Edge-Geräten und Cloud-Systemen und stellt sicher, dass sowohl Echtzeit- als auch historische Daten für die Analyse zur Verfügung stehen.
Beispiel: Ein Produktionsleiter und ein Wartungstechniker können auf denselben Digitalen Zwilling zugreifen. Sie haben dabei Zugriff auf unterschiedliche Schnittstellen, die auf ihre jeweiligen Rollen zugeschnitten sind, aber denselben, homogenisierten Datensatz nutzen.
Beispiel: Ein automatisiertes Qualitätskontrollsystem fragt den Digitalen Zwilling über eine standardisierte API ab, um Produktionsdaten wie z. B. Temperatur, Druck und Zykluszeiten in Echtzeit abzurufen, und verwendet dabei einheitliche Datentypen die unabhängig vom Hersteller der Maschinen sind. Gleichzeitig greift eine Analyseplattform eines Drittanbieters auf denselben Digitalen Zwilling zu, um Energieeffizienzanalysen in der gesamten Fabrik durchzuführen. Beide Systeme profitieren von einem einzigen, einheitlichen Zugangspunkt zu homogenisierten Daten, so dass keine benutzerdefinierten Integrationen oder komplexen Datenkonvertierungen mehr erforderlich sind. Diese Konsistenz verschlankt Automatisierungsprozesse erheblich, reduziert Integrationskosten und ermöglicht genaue Einblicke über die Systemgrenzen hinweg.
Bildquelle: Unsplash
3.2 Semantik
Das Zusammenspiel zwischen Semantik und Homogenisierung schafft eine mächtige Synergie im Kontext von Digitalen Zwillingen, insbesondere in der Fertigung. Durch die Kombination von Semantik - strukturierte Bedeutung und Beziehungen - mit Homogenisierung können Unternehmen ihr Verständnis der eigenen Fertigungsprozesse verbessern sowie einen höheren Grad der Integration und Automatisierung ihrer Fertigungsprozesse erreichen.
3.2.1 Definition von Semantik in Digitalen Zwillingen
Semantik in Digitalen Zwillingen bezieht sich auf die Verwendung eines strukturierten und standardisierten Rahmens, um die Bedeutung, den Kontext und die Beziehungen von Daten zu definieren.
Semantik kann von etwas so Einfaches wie der Standardisierung von Einheiten für ähnliche Messungen über die Etablierung einheitlicher Modelle für die Abbildung gleichartiger Maschinen und deren Fähigkeiten, bis hin zur Definition der Beziehungen zwischen Komponenten, Maschinen und Prozessen reichen.
3.2.2 Zusammenspiel von Semantik und Homogenisierung
Bei der Homogenisierung liegt der Schwerpunkt auf der Vereinheitlichung über unterschiedliche Daten und Systeme hinweg. Die Semantik verstärkt dies, indem sie Kontext und Bedeutung hinzufügt und so sicherstellt, dass die homogenisierten Daten nicht nur konsistent, sondern auch interpretierbar und systemübergreifend einsetzbar sind.
Dateninteroperabilität
Die Semantik bietet ein gemeinsames Vokabular, das es verschiedenen Systemen und Geräten ermöglicht, Daten zu verstehen und korrekt zu übermitteln, auch wenn sie ursprünglich nicht für die Zusammenarbeit konzipiert wurden.
-
Beispiel: Ein Temperatursensor eines Herstellers und ein Vibrationssensor eines anderen Herstellers können ein semantisches Modell verwenden, um ihre Datenausgaben zu vereinheitlichen und die Kompatibilität im Digitalen Zwilling sicherzustellen.
Kontextualisierung
Homogenisierte Daten allein können nicht genügend Kontext für fortgeschrittene Analysen bieten. Die Semantik stellt dies sicher:
-
Die Daten sind mit relevanten Metadaten versehen (z. B. „Die Temperatur stammt von Maschine A während Vorgang Y“).
-
Beziehungen zwischen Datenpunkten (z. B. „Temperatur beeinflusst die Prozessgeschwindigkeit“) werden erfasst.
Plug-and-Play-Integration
Die Semantik ermöglicht es dem Digitalen Zwilling, sich anzupassen, wenn neue Datenquellen, Geräte oder Systeme ergänzt werden. Durch die Einhaltung des vordefinierten semantischen Rahmens werden diese neuen Elemente im Zwilling ergänzt, ohne dass eine umfangreiche Neukonfiguration oder eine tiefergehende Anpassungen erforderlich ist. Diese Anpassungsfähigkeit stellt sicher, dass der Zwilling skalierbar und zukunftssicher bleibt und sich mit den Veränderungen in der Fertigungsumgebung mit entwickeln kann.
3.3 Anwendungsfälle von Semantik und Homogenisierung
3.3.1 Dashboards für mehrere Maschinentypen
Durch die Modellierung einer spezifischen Eigenschaft einer Maschine, wie z. B. Wartung, und die Standardisierung ihrer Darstellung über mehrere Maschinentypen hinweg, wird ein einheitlicher Rahmen geschaffen, der eine nahtlose Datenaggregation und -analyse ermöglicht. Durch diese Standardisierung wird auch sichergestellt, dass wartungsbezogene Daten - wie z. B. Nutzungskennzahlen, Ausfallraten und Wartungspläne - unabhängig von der Marke oder dem Modell der Maschine einheitlich strukturiert sind. So lassen sich umfassende, maschinenübergreifende Dashboards erstellen, die in Echtzeit Einblicke in den Wartungsstatus geben und die Wartungspläne für die gesamte Flotte optimieren. Dieser Ansatz verbessert nicht nur die betriebliche Effizienz, sondern unterstützt auch skalierbare Analysen auf einfache Weise.
3.3.2 Übergeordnete Logik / KI
Die standardisierte Modellierung eines Merkmals wie Energieverbrauch über verschiedene Maschinentypen hinweg ermöglicht die Entwicklung von Logik und Intelligenz auf höherer Ebene. Durch die Vereinheitlichung der Messung und Meldung des Energieverbrauchs sind Systeme in der Lage Maschinen hinsichtlich ihrer Energieeffizienz zu vergleichen, Anomalien zu erkennen und die Energiezuweisung im gesamten Fertigungsprozess zu optimieren. Diese Vereinheitlichung ermöglicht die Integration von Fachwissen, z. B. die Erkennung von Mustern der Ineffizienz unter bestimmten Betriebsbedingungen oder die Korrelation von Energiespitzen mit potenziellem Wartungsbedarf. Im nächsten Schritt kann der Digitale Zwilling KI nutzen, um optimierte Maschinenkonfigurationen vorzuschlagen, Arbeitsabläufe energieeffizient zu priorisieren oder sogar dynamisch anzupassen - womit Kosten gesenkt und gleichzeitig die Leistung aufrechterhalten wird. Dies ermöglicht intelligentere und nachhaltigere Fertigungsverfahren.
David Lane ist Principal Solution Architect und IoT-Spezialist bei iteratec. Mit seiner Expertise in Smart Products, Smart Manufacturing und IoT-Sicherheit entwickelt er innovative und sichere Lösungen für die digitale Transformation. Sein technisches Know-how und seine Begeisterung für IoT nutzt er, um Unternehmen bei der Entwicklung digitaler Produkte oder der Optimierung von Fertigungsprozessen durch maßgeschneiderte, leistungsstarke und skalierbare IoT-Plattformen zu unterstützen.
Andreas Strafner unterstützt unsere Kunden seit vielen Jahren als erfahrener Projektmanager und technischer Ansprechpartner. Sein Fokus liegt auf innovativen IoT-Lösungen – von der Entwicklung umfassender IoT-Plattformen über die Umsetzung spezifischer IoT-Anwendungsfälle und deren Integration in Geschäftsprozesse bis hin zur Realisierung innovativer Geschäftsmodelle und Produkte.
Haben Sie Fragen oder benötigen Unterstützung?
Weitere Informationen über die Möglichkeiten von Digitalen Zwillingen für Ihr Unternehmen, finden Sie auf unserer Website. Kontaktieren Sie uns gerne.