Digital Twin im MES: Simulation auf Basis von Echtzeitdaten

Ein Digital Twin ist eine simulierte, digitale Abbildung einer Maschine, Linie oder Fabrik, die auf Echtzeitdaten aus MES, SCADA oder ERP aufsetzt. Während das MES erfasst, was in der Fertigung tatsächlich passiert, simuliert der digitale Zwilling, was passieren sollte oder als Nächstes passieren wird, etwa bei einer Umplanung oder einem Wartungsszenario.

Eine klassische Simulation rechnet auf Basis historischer oder angenommener Daten ein Szenario durch, ohne danach dauerhaft mit der Realanlage verbunden zu bleiben. Ein Digital Twin ist dagegen kontinuierlich mit Echtzeitdaten der realen Anlage synchronisiert und aktualisiert sich fortlaufend. Viele als Digital Twin vermarktete Anwendungen sind bei genauer Prüfung noch klassische Simulationen ohne diese durchgängige Live-Kopplung.

Marktanalysen beziffern den globalen Digital-Twin-Markt in der Fertigung für 2026 auf rund 47,24 Milliarden US-Dollar mit einer prognostizierten Wachstumsrate von etwa 62,4 Prozent pro Jahr bis 2030, wenn ein Marktvolumen von rund 328 Milliarden US-Dollar erreicht werden soll. Andere Analysen kommen auf ein Marktvolumen von etwa 149 Milliarden US-Dollar bis 2030, die genaue Zahl hängt stark von der jeweiligen Marktabgrenzung ab.

Das MES ist die operative Ausführungsebene: Es steuert Aufträge, erfasst Rückmeldungen und Qualitätsdaten in Echtzeit. Der Digital Twin setzt als Entscheidungsebene darüber, nutzt diese MES-Daten und simuliert Szenarien, etwa die Auswirkung einer Auftragsumplanung auf den Materialbedarf oder den Verschleiß einer Maschine. Ein Digital Twin ersetzt das MES nicht, sondern ergänzt es um eine vorausschauende Komponente.

Vorausschauende Instandhaltung (Predictive Maintenance) ist laut Marktanalysen mit rund 31 Prozent der größte Einzelanwendungsfall unter den Digital-Twin-Anwendungen 2026. Nach Twin-Typ entfallen rund 35,7 Prozent des Marktes auf sogenannte Produkt-Twins, also digitale Abbildungen einzelner Produkte statt ganzer Anlagen oder Prozesse.

Aktuell überwiegend ja. Marktanalysen zeigen, dass Großunternehmen rund 66,4 Prozent des Digital-Twin-Marktes nach Unternehmensgröße ausmachen. Das liegt vor allem an den notwendigen Investitionen in Sensorik, Rechenleistung und Modellierungs-Know-how. Für den Mittelstand sind einfachere Formen wie Prozess-Simulationen auf Basis vorhandener MES-Daten oft der realistischere Einstieg als ein vollständiger physikbasierter Zwilling.

Siemens Opcenter wird in Marktanalysen häufig als Anbieter mit robuster Digital-Twin-Integration für hochkomplexe diskrete Fertigung genannt. Dassault Systèmes positioniert mit DELMIA auf der 3DEXPERIENCE-Plattform einen PLM-integrierten virtuellen Zwilling, der Produkt, Prozess und Werkslayout verbindet. PTC bot mit ThingWorx lange einen eigenständigen IoT-Konnektivitätsansatz an, hat das ThingWorx- und Kepware-Geschäft laut Unternehmensmeldungen im März 2026 jedoch für rund 523 Millionen US-Dollar an den Finanzinvestor TPG verkauft, PTC-Angebote in diesem Bereich sollten seither unter neuer Eigentümerschaft neu geprüft werden. Eine pauschale Bestenliste über alle Fertigungsarten und Unternehmensgrößen hinweg gibt es nicht.

Nein. Ein Digital Twin lohnt sich vor allem dort, wo Simulationen vor einer realen Änderung Geld sparen, etwa bei teuren Anlagenumbauten, komplexer Instandhaltungsplanung oder Variantenfertigung mit vielen Umrüstvorgängen. Für einfache, stabile Fertigungsprozesse mit wenigen Änderungen liefert ein gut gepflegtes MES allein oft ausreichend Transparenz ohne zusätzliche Simulationsebene.

Ein Digital Twin ist nur so gut wie die Datenbasis, auf der er aufsetzt. Saubere, in Echtzeit verfügbare MES- und Maschinendaten, ein belastbares Prozessmodell sowie ausreichend Rechenkapazität für die Simulation sind Grundvoraussetzung. Ohne verlässliche MES-Datenbasis liefert auch der beste Digital Twin nur Simulationsergebnisse auf unsicherem Fundament.

Ein Asset-Twin benötigt mindestens die Sensorik, die die relevanten Verschleiß- oder Prozessparameter der jeweiligen Maschine erfasst. Fehlt diese Sensorik, muss sie vor dem eigentlichen Digital-Twin-Projekt nachgerüstet werden, was Zeitplan und Budget des Projekts unmittelbar verschiebt.

Belastbare, einheitliche Angaben existieren nicht, verschiedene Fachpublikationen und Anbieterquellen nennen aber grobe Größenordnungen: Ein eng begrenzter Asset-Twin ist oft schon für niedrige fünfstellige Beträge und innerhalb weniger Wochen umsetzbar, ein Prozess- oder Linien-Twin bewegt sich eher im Bereich weniger Monate, und ein vollständiger Fabrik-Twin wird in Fachartikeln mit Investitionen im hohen sechs- bis niedrigen siebenstelligen Bereich und einer Umsetzungsdauer von mehreren Monaten bis wenigen Jahren beziffert. Diese Zahlen stammen aus Anbieter- und Fachpublikationen, nicht aus einer einheitlichen, unabhängig geprüften Marktstudie, und sollten als grobe Orientierung, nicht als Angebot gelesen werden.

Ein Asset-Twin bildet eine einzelne Maschine ab, etwa für Predictive Maintenance. Ein Prozess- oder Linien-Twin simuliert einen ganzen Fertigungsabschnitt, etwa für Kapazitätsplanung. Ein Produkt-Twin begleitet ein einzelnes Produkt durch den Fertigungsprozess, meist für Traceability. Ein Fabrik-Twin bildet ein ganzes Werk ab und hat die höchste Datenanforderung, weshalb er in der Praxis am seltensten vollständig umgesetzt wird.

Für die meisten mittelständischen Anwendungsfälle reicht ein datengetriebenes Modell auf Basis vorhandener MES- und Maschinendaten, das schneller aufzubauen ist als ein physikalisches Modell. Physikalische oder hybride Modelle lohnen sich vor allem bei sicherheitskritischen oder sehr teuren Anlagen, bei denen auch selten beobachtete Zustände zuverlässig simuliert werden müssen.