Digitaler Zwilling in der Produktion: Anwendungsfälle

Der digitale Zwilling in der Produktion ist eine Familie lebendiger Modelle, die Produkte, Prozesse und Produktionssysteme abbilden, damit Teams sie mit Daten statt mit Bauchgefühl überwachen, analysieren und verbessern können. Dieser Leitfaden erklärt die drei wichtigsten Zwillingstypen, die Anwendungsfälle, die am schnellsten Nutzen bringen, und einen konkreten Plan für die MQTT-Datenbasis, auf die jeder Fertigungszwilling angewiesen ist.

Drei Arten von digitalen Zwillingen in der Produktion

Der Begriff umfasst mehrere verschiedene Dinge. Wer sie auseinanderhält, vermeidet Missverständnisse, wenn Anbieter, Ingenieure und Manager aneinander vorbeireden.

Zwillingstyp	Was er abbildet	Hauptnutzer	Typische Daten	Beispielfrage
Produktzwilling	Ein Produktdesign oder eine einzelne Einheit im Einsatz	Konstrukteure, Serviceteams	CAD, Simulationsergebnisse, Nutzungsdaten aus dem Feld	Wie verhält sich dieses Design unter realen Lasten?
Prozesszwilling	Einen Fertigungsprozessschritt	Prozess- und Qualitätsingenieure	Prozessparameter, Qualitätsmessungen	Welche Parameter treiben den Ausschuss bei dieser Schweißung?
Produktionszwilling	Maschinen, Linien und das Werk	Betrieb, Instandhaltung, Planung	Maschinenzustände, Stückzahlen, Alarme, Energie	Wo verliert die Linie gerade Kapazität?

Die drei hängen zusammen. Ein Prozesszwilling eines Spritzgießschritts nutzt Daten von den Maschinen des Produktionszwillings; ein Produktzwilling kann Ist-Daten aus dem Prozesszwilling erhalten. Für den Start brauchen Sie aber nicht alle drei. Die meisten Hersteller beginnen mit dem Produktionszwilling, weil die Daten bereits in den SPSen liegen und der Nutzen schnell sichtbar wird. Die zugrunde liegenden Konzepte und Begriffe finden Sie im Leitfaden zur Digital-Twin-Technologie.

Anwendungsfälle mit hohem Nutzen

Produktionstransparenz und OEE

Ein Produktionszwilling, der für jede Maschine Zustand, Stückzahlen und Stillstandsgründe zeigt, macht Verfügbarkeits-, Leistungs- und Qualitätsverluste in Echtzeit sichtbar. Er ist die Grundlage für die meisten anderen Anwendungsfälle. Der Artikel zum digitalen Zwilling der Fabrik beschreibt Designs auf Linien- und Werksebene.

Prozessoptimierung und Qualität

Ein Prozesszwilling korreliert Parameter (Temperaturen, Drücke, Geschwindigkeiten, Verweilzeiten) mit Qualitätsergebnissen. Ingenieure sehen, welche Parameterfenster Gutteile erzeugen, und erkennen Drift, bevor Ausschuss entsteht.

Instandhaltung

Zustandsdaten und Betriebskontext in einem Modell ermöglichen zustandsbasierte und vorausschauende Instandhaltung, behandelt in Predictive Maintenance mit dem digitalen Zwilling.

Energie

Die Verknüpfung von Energiezählern mit dem Produktionszustand macht Leerlaufverbrauch und Energie pro Teil sichtbar, oft ein schneller Erfolg.

Inbetriebnahme und Umrüstung

Mit einem Prozess- oder Linienzwilling lassen sich SPS-Logik, Roboterbahnen oder Umrüstsequenzen virtuell testen, bevor die reale Anlage berührt wird, was die Inbetriebnahme verkürzt. Dafür werden oft Simulationsmodelle genutzt, die an dieselben Datenschnittstellen angebunden sind wie die reale Linie.

Schulung

Eine synchronisierte 3D- oder Schemaansicht hilft neuen Bedienern, das Verhalten der Linie zu verstehen, ohne die Produktion anzuhalten.

Die Datenbasis: Warum MQTT

Jeder Fertigungszwilling braucht darunter dasselbe: zuverlässige, strukturierte Echtzeitdaten aus der Fertigung. Punkt-zu-Punkt-Integrationen (jedes Dashboard fragt jede SPS ab) skalieren nicht und brechen bei jeder Änderung. In modernen Werken hat sich ein Publish/Subscribe-Backbone als gängiges Muster etabliert:

Edge-Gateways veröffentlichen Maschinendaten einmal an einen MQTT-Broker.
Jeder Zwilling, jedes Dashboard, jeder Historian und jeder Analysedienst abonniert, was er braucht.
Der Topic-Baum folgt der ISA-95-Hierarchie des Werks und bildet einen Unified Namespace (UNS).

Der UNS ist damit das eigentliche Fundament jedes Fertigungszwillings. Die ISA-95-Anlagenhierarchie (Enterprise → Site → Area → Line → Cell, nach IEC 62264) wird eins zu eins zur Topic-Struktur, etwa acme/werk-stuttgart/montage/linie-1/zelle-3/temperatur. SPS, MES und ERP tauschen Daten über diesen gemeinsamen Namensraum aus, und jeder neue Zwilling abonniert einfach den Ast, den er braucht. Wie Sparkplug B und UNS zusammenpassen, erklärt Sparkplug B und Unified Namespace.

MQTT eignet sich für diese Rolle, weil es schlank und ereignisgesteuert ist, von den meisten modernen SPSen und Gateways unterstützt wird und Funktionen bietet, auf die Zwillinge angewiesen sind: Retained Messages für den aktuellen Zustand, QoS-Stufen für wichtige Ereignisse sowie in MQTT 5 Message Expiry, Session Expiry und Shared Subscriptions. Diese Funktionen halten einen Zwilling genau, wenn sich Geräte neu verbinden oder Daten veralten.

Wo der Broker läuft, ist eine praktische Frage. Beim Selbsthosting sind Patches, Zertifikate, Monitoring und Skalierung Ihre Aufgabe. Ein verwalteter MQTT-Broker verlagert diese Arbeit zum Anbieter. ConnectMQ bietet geteilte Serverless-Tarife, isolierte Dedicated-Cluster, BYOC-Deployments in Ihrem eigenen Cloud-Konto, von ConnectMQ verwaltet, und eine Self-Managed-Enterprise-Option für Werke, die alles On-Premises halten müssen.

Einstieg: ein Schritt-für-Schritt-Plan

Wählen Sie eine Linie und ein Problem. Zum Beispiel ungeklärte Stillstände an Linie 2. Ein fokussierter Umfang liefert in Wochen einen funktionierenden Zwilling statt einer Roadmap, die über Jahre läuft. Gerade im Mittelstand ist das oft der einzige Weg, ein Industrie-4.0-Projekt mit begrenztem Team und Budget zum Erfolg zu führen.
Erfassen Sie die Signale. Listen Sie für jede Maschine die SPS-Tags für Zustand, Stückzahl, Ausschusszahl, aktiven Alarm und Zykluszeit auf. Bestätigen Sie, dass ein Gateway sie lesen kann.
Definieren Sie die Topic-Hierarchie. Nutzen Sie die ISA-95-Ebenen: <enterprise>/<site>/<area>/<line>/<cell>/<data-type>. Diese Struktur ist der Startpunkt Ihres UNS und wächst später mit jeder weiteren Linie mit. Der Leitfaden ISA-95 digitaler Zwilling erklärt die Namensregeln.
Definieren Sie die Payloads. JSON mit expliziten Einheiten und Quellzeitstempeln ist ein einfacher Einstieg. Nutzt Ihre Edge Sparkplug B, kann ConnectMQ es dekodieren und in ISA-95-Topics neu veröffentlichen.
Binden Sie die Edge an. Nutzen Sie ein Gateway wie Node-RED, den nativen MQTT-Client der SPS oder einen Sparkplug-Edge-Node. Veröffentlichen Sie über TLS mit einer Zugangskennung pro Gateway.
Prüfen Sie die Daten im Topic-Explorer des Brokers, bevor Sie Visualisierungen bauen.
Speichern Sie die Historie mit einem separaten Subscriber, der in eine Zeitreihendatenbank schreibt.
Bauen Sie die Zwillingsansicht: ein einfaches Linienschema oder eine 3D-Szene, die Live-Topics abonniert.
Ziehen Sie nach zwei Wochen mit den Bedienern Bilanz, beheben Sie Unklarheiten und erweitern Sie dann auf die nächste Linie.

Praxis: Produktionsdaten in Minuten veröffentlichen

Bevor Sie eine echte SPS anbinden, können Sie den Datenfluss mit dem öffentlichen MQTT-Broker unter broker.connectmq.com erproben. Verwenden Sie ein eindeutiges Topic-Präfix und ausschließlich simulierte Werte, da der öffentliche MQTT-Broker für alle lesbar und nur für Tests und Prototypen gedacht ist.

Veröffentlichen Sie einen Maschinenzustand und eine Stückzahl über die Kommandozeile:

ID=$(head -c4 /dev/urandom | od -An -tx1 | tr -d ' \n')
BASE="connectmq/demo/$ID/acme/line2/press1"

mosquitto_pub -h broker.connectmq.com -p 1883 -i "press1-$ID" -r -q 1 \
  -t "$BASE/state" -m '{"state":"running","ts":"2026-10-16T08:00:00Z"}'

mosquitto_pub -h broker.connectmq.com -p 1883 -i "press1c-$ID" -q 0 \
  -t "$BASE/counts" -m '{"good":1520,"reject":12,"ts":"2026-10-16T08:00:05Z"}'

echo "Subscribe with: mosquitto_sub -h broker.connectmq.com -p 1883 -i viewer-$ID -t \"connectmq/demo/$ID/#\" -v"

Ein Node-RED-Gateway, das eine SPS ausliest, würde dieselben Nachrichten über einen mqtt out-Node veröffentlichen, mit einer mqtt-broker-Konfiguration, die auf broker.connectmq.com an Port 1883 zeigt, oder auf Ihren privaten Broker an Port 8883 mit TLS und Ihren Zugangsdaten YOUR_USERNAME, YOUR_PASSWORD und YOUR_CLIENT_ID.

Ein minimaler Zwillingsdienst in Python kann dann je Maschine eine Live-Ausschussquote berechnen und zurück veröffentlichen:

import json
import uuid

import paho.mqtt.client as mqtt

PREFIX = "connectmq/demo/REPLACE_ID"  # use the id printed above


def on_connect(client, userdata, flags, reason_code, properties):
    client.subscribe(f"{PREFIX}/+/+/+/counts", qos=1)


def on_message(client, userdata, msg):
    counts = json.loads(msg.payload)
    total = counts["good"] + counts["reject"]
    rate = round(100 * counts["reject"] / total, 2) if total else 0.0
    kpi_topic = msg.topic.rsplit("/", 1)[0] + "/kpi"
    client.publish(kpi_topic, json.dumps({"rejectRatePct": rate}), qos=1, retain=True)
    print(kpi_topic, rate)


client = mqtt.Client(mqtt.CallbackAPIVersion.VERSION2, client_id=f"kpi-svc-{uuid.uuid4().hex[:6]}")
client.on_connect = on_connect
client.on_message = on_message
client.connect("broker.connectmq.com", 1883, keepalive=30)
client.loop_forever()

Das Muster skaliert: Zwillingsdienste abonnieren Roh-Topics und veröffentlichen abgeleitete KPIs auf benachbarten Topics, sodass jeder Konsument konsistente Zahlen sieht.

Häufige Fehler beim Einstieg

Mit dem 3D-Modell beginnen. Visualisierungen beeindrucken in Demos, hängen aber vollständig von den Daten ab. Schaffen Sie zuerst die Datenbasis.
Alles auf einmal wollen. Ein werksweites Programm ohne ersten Anwendungsfall übersteht selten die Budgetrunde.
OT-Sicherheit ignorieren. Gateways sollten sich ausgehend über TLS verbinden; SPS-Netzwerke bleiben abgetrennt, idealerweise nach dem Zonen-und-Conduit-Modell der IEC 62443.
Kein Verantwortlicher für die Topic-Hierarchie. Ohne Governance driftet die Benennung auseinander und der Zwilling bricht.
Simulation mit einem Zwilling verwechseln. Eine Simulation ohne Live-Daten ist wertvoll, aber kein Zwilling; siehe Digitaler Zwilling vs. Simulation.

Starten Sie Ihren digitalen Zwilling in der Produktion auf ConnectMQ

ConnectMQ bietet Ihrem Werk ein MQTT-5-Backbone mit TLS, ISA-95-fähigen Geräteansichten und Sparkplug-B-Dekodierung, vom kostenlosen geteilten Broker bis zu Dedicated- und BYOC-Deployments. Registrieren Sie sich unter app.connectmq.com für den kostenlosen Serverless-Tarif, ohne Kreditkarte, und binden Sie noch diese Woche Ihre erste Linie an.

Häufig gestellte Fragen

Was ist ein digitaler Zwilling in der Produktion?

Ein lebendiges digitales Modell eines Produkts, Prozesses oder Produktionssystems, das mit realen Daten synchron gehalten wird und dazu dient, Fertigungsabläufe zu überwachen, zu analysieren und zu verbessern.

Welchen digitalen Zwilling sollte ein Hersteller zuerst bauen?

Meist einen Produktionszwilling für eine Linie, weil Maschinenzustände und Stückzahlen in den SPSen leicht verfügbar sind und der Nutzen aus Transparenz und Stillstandsanalyse schnell sichtbar wird.

Warum MQTT für digitale Zwillinge in der Fertigung nutzen?

MQTT entkoppelt Datenerzeuger von Konsumenten, ist schlank und ereignisgesteuert und bietet Retained Messages und QoS-Stufen, die den Zustand des Zwillings genau und aktuell halten.

Brauche ich Sparkplug B für einen Fertigungszwilling?

Nein. Einfaches JSON auf ISA-95-Topics funktioniert gut. Wenn Ihre Geräte bereits Sparkplug B nutzen, kann ConnectMQ es dekodieren und die Daten in ISA-95-Topics neu veröffentlichen.

Digitaler Zwilling in der Produktion: Anwendungsfälle und Einstieg