Digitaler Zwilling der Spritzgießmaschine – Simulation und Optimierung 2025

Einführung in digitale Zwillinge im Spritzguss

Digitale Zwillinge von Spritzgießmaschinen sind präzise Modelle, die reale Daten mit numerischen Simulationen verknüpfen, sodass das Verhalten der Maschine, des Werkzeugs und des Kunststoffs nahezu in Echtzeit beobachtet werden kann. Im Jahr 2024 hat der globale Markt für Digital Twins 15 Mrd. USD überschritten, und laut IDC wird er bis 2027 mehr als verdoppelt – der größte Anteil entfällt auf die Kunststoffverarbeitung. Der Grund ist einfach: Jede verkürzte Zyklusminute, jeder reduzierte Defekt verbessern den OEE-Index und senken den TCO der Produktionslinie.

Durch die Integration in Systeme wie OPC-UA, Euromap 77, SCADA oder MES liefert der digitale Zwilling ein vollständiges Bild des Prozesses und ermöglicht Simulationen der Auswirkungen von Änderungen an Rezeptur, Temperatur, Druck oder Geometrie der Kühlkanäle – ohne Produktionsstopp. Unternehmen, die Tederic Smart Monitoring mit CAE-Tools (Autodesk Moldflow, Moldex3D, Simcon) kombiniert haben, berichten von 25-35% kürzerer Inbetriebnahme neuer Werkzeuge und einer Reduktion der Anlaufabfälle um 40%.

Es geht nicht nur um Großkonzerne. Auch Betriebe mit 6-10 Spritzgießmaschinen erzielen echte Einsparungen, da der Zwilling Lean-Technologien und TPM unterstützt. In Echtzeit gibt er Hinweise, welche Werkzeugkavitäten Kühlkorrekturen benötigen und welche Parameter vor unbefugten Änderungen gesperrt werden sollten. Die Kopplung mit Energiecockpits ermöglicht die Zuordnung von kWh-Kosten zu spezifischen Produktionsaufträgen, was datenbasierte Preisverhandlungen mit Kunden statt Intuition erlaubt.

Was ist ein digitaler Zwilling einer Spritzgießmaschine?

Der digitale Zwilling ist eine dynamische Abbildung eines realen Objekts oder Prozesses, die Echtzeitdaten und prädiktive Algorithmen nutzt, um Ergebnisse vorherzusagen und Parameter zu optimieren. In der Spritzgussbranche umfasst er drei miteinander verknüpfte Ebenen:

Drei Schichten des digitalen Spritzguss-Zwillings:

• Maschinenzwilling - Hydraulik-, Antriebs- und Steuerparameter
• Prozesszwilling - Druck-, Temperatur- und Viskositätsprofile des Kunststoffs
• Werkzeug-/Produktzwilling - Verzug, Schrumpfung, Kühltrajektorien

Jede Ebene nutzt spezifische Datenströme, doch erst ihre Verknüpfung ergibt das volle Bild.

Die Implementierung des digitalen Zwillings basiert auf einer Regelkreisschleife. Prozessdaten gelangen von Sensoren zur Edge-Computing-Plattform, wo sie gefiltert und mit dem Simulationsmodell synchronisiert werden. ML-Algorithmen vergleichen den realen Verlauf mit der Referenz und berechnen Optimierungen, z. B. Korrekturen der Einspritzgeschwindigkeit oder des Nachdrucks. So erhält der Bediener konkrete Empfehlungen, und der Steuerung der Tederic DE- oder NE-Maschinen kann Mikroanpassungen innerhalb definierter Sicherheitsrichtlinien automatisch übernehmen.

Mit der Reife des Systems wird der Zwilling zur Plattform für die Zusammenarbeit von Technologen, Wartung und Planung. Er archiviert Prozesswissen: Rezeptparameter, Reaktionen von PCR-Materialien, Beobachtungen aus Versuchsläufen. Alles strukturiert und auditierbar nach IATF oder PPAP. Diese Wissensbasis minimiert Know-how-Verluste bei Personalwechseln und verkürzt die Einarbeitung neuer Spezialisten.

Entwicklungsgeschichte digitaler Zwillinge

Das Konzept des digitalen Zwillings wurde bereits 2002 von der NASA beschrieben, doch erst die rasante Digitalisierung von Betrieben und die Euromap-Standardisierung ermöglichten praktische Einführungen in polnischen Spritzereien. Von 2010–2015 dominierten statische CAE-Modelle, die nur im Konstruktionsbüro genutzt wurden. Ab 2018 erlaubten Werkzeugsensoren, Thermokameras und kostengünstige PLC-Steuerungen dichtere Datenübertragungen in die Cloud. 2023 brachte die nächste Revolution: Low-Code-Plattformen und AI-Bibliotheken (TensorFlow Lite, PyTorch Mobile) trainieren OEE-Korrelationsmodelle mit Prozessparametern in Stunden – ohne eigenen Data-Science-Abteilung.

In Polen kam der Durchbruch in ersten Automobil- und AGD-Fabriken, wo IATF 16949-Anforderungen und Tier-1-Druck schnellere Werkzeugvalidierungen erzwangen. 2024 setzen viele Mittelständler mit Förderungen für Robotik und Digitalisierung erste Zwillinge im Rahmen von FENG-Projekten um. 2025 sehen wir den Übergang von Einzel-Moldflow-Analysen zu vollständigen Ökosystemen mit Spritzgießmaschine, Werkzeug, Roboterausnahme und Verpackung sowie Überwachung von Hilfsmedien (Chiller, Kompressoren).

Arten von digitalen Zwillingen

Es gibt mehrere Klassifikationen, doch praxisnah lassen sich drei Haupttypen unterscheiden: der Prozess-Zwilling, fokussiert auf Strömungs- und Wärmephänomene, der Maschinen-Zwilling, der den Zustand von Komponenten beschreibt, und der Werkzeug- und Produkt-Zwilling, der Deformationen und Maßtoleranzen bewertet. Zunehmend wird ein Business-Zwilling definiert, der Produktionsdaten mit Energiekosten, CO₂-Fußabdruck und Kunden-SLAs verknüpft. Ein gut aufgebautes System erlaubt nahtlose Perspektivenwechsel ohne Zeitsynchronisationsverlust.

Praktisch starten Unternehmen mit einem einfachen Prozess-Zwilling – hier zeigen sich finanzielle Effekte am schnellsten durch Optimierung von Druck- und Temperaturkurven. Nächster Schritt: Erweiterung um Maschinenmodule mit MTBF-Analyse und prädiktivem Service. Dritte Stufe: Integration metrologischer Tools (3D-Scanner, CMM), sodass der Werkzeug-Zwilling sein Modell automatisch aktualisiert und prüft, ob geplante Einsatzkorrekturen die Verzugreduktion wirklich bringen.

Gewinnende Popularität erlangt der logistische und energetische Zwilling, verknüpft mit Hilfsmedienmanagement. Er überwacht Kühl-, Druckluft- und Vakuumbedarf und kontrastiert mit dem Produktionsplan. So kann der Planer Auftragssequenzen optimieren, um Anlagen nicht zu überlasten und günstige Energie-Tarife zu nutzen. Die hohe Datengranularität ermöglicht detaillierte ESG-Berichte nach CSRD-Richtlinie.

Digitaler Prozess-Zwilling im Spritzguss

Der Prozess-Zwilling konzentriert sich auf Daten der Einspritz- und Werkzeugeinheit: Temperaturprofile von Zylinder und Düse, Düsendruck, Kavitätsdruck, Schneckengeschwindigkeit, Pumpenlasten. Das Simulationsmodell bildet rheologische Phänomene spezifischer Granulate mit Viskositätskurven und thermischen Eigenschaften ab. Kernaufgabe: Vorhersage von Defekten (Short Shots, Sink Marks, Burn Marks) und Vorschläge für Geschwindigkeitsprofiländerungen. Ein gut implementierter Prozess-Zwilling warnt vor Abweichungen bis zu 15 Sekunden vor Defektbeginn – in der Massenproduktion einsparungstauglich für Tausende Teile.

Fortgeschrittene Plattformen koppeln den Prozess-Zwilling mit KI. Regressionsmodelle analysieren Zusammenhänge zwischen Heizzonentemperaturen und Energieverbrauch und generieren Empfehlungen wie „Zone 3 um 8°C absenken, Energiegewinn 4%, kein Einfluss auf Füllung". So erfüllen Unternehmen PPWR- und ESG-Ziele ohne Neumaschineninvestitionen. Wichtig: Algorithmen lernen aus betriebseigenen Daten und erreichen hohe Genauigkeit bei speziellen Mischungen (z. B. PP + 30% Fasern, PCR-Blends).

Digitaler Maschinen-Zwilling

Der Maschinen-Zwilling modelliert das Verhalten von Antriebssystemen, Hydraulik und Elektrik der Spritzgießmaschine. In der Version für Tederic DE/NE-Maschinen integriert er sich in den Smart-Monitoring-Modul mit Daten zu Schließkraft, Druckpulsationen, Servoventil-Reaktionszeiten und Öl-Temperatur. Ergänzt durch Vibrationssensoren an Säulen, Linearencoder und Pumpenstromprofil-Analyse. Solcher Zwilling prognostiziert Kugelumlaufspindel-Ausfälle oder Dichtungslecks, bevor Produktqualität leidet.

Aus Wartungssicht ist der Komponenten-Lebensdauermodul entscheidend. Spektralanalyse von Strom und Schneckenlast berechnet Restlaufzeit bis Düsen- oder Rückschlagventilwechsel. Diese Daten mit Ausfallkosten und Produktionsplan verknüpft, empfehlen optimale Service-Termine. Dadurch steigt MTBF um 10-15%, und Ersatzteilebestände sinken um bis zu 20%.

Fortgeschrittene Nutzer einsetzen den Maschinen-Zwilling auch für Investitionsplanung. Lastzeitanalysen zeigen, ob eine Maschine an Parametergrenzen arbeitet. Bei Ja generiert der Zwilling Modernisierungsempfehlungen – z. B. Umrüstung auf All-Electric oder Hydraulikakkumulator. Solche datenbasierte Entscheidungen erleichtern Fördermittelbeantragungen.

Digitaler Werkzeug-Zwilling

Der Werkzeug-Zwilling basiert auf CAD-Daten, 3D-Scans und CMM-Messungen. Er integriert Kühlkanal-, Einsatz-, Schieber- und Bewegungsdaten. Mit Temperatur- und Kavitätsdrucksensoren modelliert er Spannungsverteilung und Schrumpfung. Entscheidend bei 16+-Kavitätswerkzeugen, wo Asymmetrien einseitige Ausschussmuster erzeugen. Der Werkzeug-Zwilling warnt vor Kanalverstopfungen oder Hot-Runner-Ungleichgewichten, bevor Defekte sichtbar werden.

Neuheit 2024/2025: Kopplung des Werkzeug-Zwillings mit Metall-3D-Druck. Basierend auf Betriebsdaten schlägt das System Korrekturen konformer Kühlkanäle oder Einsatzmaterialwechsel vor. Der Iterationsprozess verkürzt sich von Wochen auf Tage bei prognostizierbaren Kosten.

Aufbau und Hauptkomponenten

Ein vollständiger digitaler Zwilling verbindet Messschicht, Edge/Cloud-Infrastruktur, Modellbibliothek und Benutzeroberflächen. Praxisarchitektur:

• Sensoren - Temperatur, Druck, Vibration, Durchfluss
• Datenerfassungssystem - Signalerfassung und -aggregation
• Industrie-Netzwerk - Industrial Ethernet, Wi-Fi 6/5G MEC
• Verarbeitungsplattform - Edge-Server mit GPU/TPU
• Simulationssoftware - CFD/FEA-Modelle
• Analytikportale - Visualisierung und Berichterstattung

Essentiell: Integration mit MES/MOM, damit Zwilling-Erkenntnisse Produktionspläne, Traceability und CMMS-Wartungsaufträge beeinflussen.

Beim Rollout gilt „start small, scale fast“: Zuerst Monitoring kritischer Werkzeuge, dann weitere Maschinen und Module. So vermeidet man Datenparalyse und hohe CAPEX. In vielen Projekten liefert Tederic fertige KPI-Dashboard-Vorlagen (OEE, Energie pro Teil, Ausschussquote), erweiterbar um ESG- oder Kunden-SLA-Indikatoren.

Die Sicherheitschicht ist architektonisch entscheidend. Prozessdaten enthalten Know-how, daher Segmentierung (OT/IT-Zonen), Industriefirewalls, IDS und Multi-Faktor-Authentifizierung. Standard: TLS-Verschlüsselung vom Sensor zur Cloud und Datenpaket-Signaturen. So erfüllt man NIS2-Anforderungen und interne Konzernrichtlinien.

Sensorische Schicht

Die Zwillingseffektivität hängt von Datenqualität ab, weshalb hochpräzise Sensoren dominieren:

• K-Typ-Thermoelemente - Genauigkeit ±0,5°C
• Piezoelektrische Kavitätsdrucksensoren - direkt in der Kavität montiert
• Thermokameras 640×480 px - Werkzeugplatten-Temperaturverteilung
• Massenstromsensoren - in Kühlkreisläufen

Komponenten kommunizieren via IO-Link, CAN, EtherCAT oder drahtlose, vibrationsenergiegespeiste Sensornetze. Ermöglicht lückenlosen Überwachungsbetrieb ohne häufige Kalibrierungsstopps.

Redundanz und Datenvalidierung sind essenziell. Standard: Doppelsensoren an kritischen Kanälen mit Vergleich. Bei Überschreitung von 1,5°C Differenz Alarm und Durchflusskontrolle. Steigert Modellzuverlässigkeit und minimiert Fehlalarme.

Analytik- und CAE-Plattform

Kern des Zwillings: Simulations- und Analytiksoftware. Top-Pakete (Moldflow, Moldex3D, Simcon Cadmould) bieten APIs für Echtzeitdateneinspeisung. Ergänzt durch Plattformen wie AVEVA, Siemens Insights Hub, Cognite Data Fusion oder Tederic Smart Monitoring. Pipeline: Daten in ETL-Modul für Einheitsformat (z. B. OPC-UA Companion Specification), dann in Modell-Engine mit CFD/FEA-Solver und ML-Modulen. Ergebnisse visualisiert in Cockpits für Technologen, Planer und Wartung.

Low-Code-Tools gewinnen an Bedeutung und erlauben Prozessingenieuren programmierungsfreie „What-if“-Szenarien. Schnell testen z. B. Materialwechsel PP zu PCR-PP mit angepasster Viskosität und Wärmeleitfähigkeit. Mit ESG-Modulen berechnet die Plattform CO₂-Reduktion pro Teil – relevant für CSRD-Reporting.

Wichtige technische Parameter

Beim Bewerten des digitalen Zwillings sollten mehrere technische Parameter überwacht werden:

• MAPE (Vorhersagegenauigkeit) - 3-5% für Druck, 2-3% für Temperatur
• Sample Time (zeitliche Auflösung) - 100 ms
• Verarbeitungslatenz - maximal 1,5 s
• Abdeckung der Prozessvariablen - Monitoring-Vollständigkeit
• Aktualisierungsrate der Modelle - Aktualisierungszyklus
• IEC 62443-Konformität - Cyber-Sicherheitsnormen

Ebenso wichtig sind Geschäftsindikatoren:

• OEE - Verbesserung um +5 Prozentpunkte
• Energie - Einsparung -10% bis -15%
• Ausschuss - Defektreduzierung
• Verkürzung der Start-up-Zeit - Einführungszeit neuer Werkzeuge

In Referenzprojekten erreicht der Tederic Digital Twin eine MAPE von 3-5% für die Vorhersage des Drucks in der Kavität sowie 2-3% für die Werkzeugtemperatur. Die Analyselatenz in der Edge+Cloud-Architektur überschreitet nicht 1,5 s, was eine Echtzeitsteuerung des Druckprofils ermöglicht. Die Daten werden mit einer Auflösung von 100 ms archiviert, sodass gesamte Prozessverläufe bei Kundenreklamationen reproduziert werden können.

Beim Design von KPIs lohnt es sich, Datenqualitätsindikatoren hinzuzufügen, z. B. Data Availability Rate (Zeit, in der alle Sensoren korrekte Daten übertragen) sowie Model Confidence Index, der den Bediener darüber informiert, ob eine Empfehlung ausreichend zuverlässig ist. Sinkt der Index unter einen festgelegten Schwellenwert, fordert das System automatisch eine Validierung an und schlägt zusätzliche Kalibrierungsversuche vor.

Anwendungen digitaler Zwillinge

Digitale Zwillinge bringen Vorteile über den gesamten Lebenszyklus von Werkzeug und Spritzgießmaschine:

• Konstruktionsphase - Optimierung des Kühlsystems und Auswahl der Eintrittspunkte
• Start-up-Phase - Reduzierung der Versuche durch bekannte optimale Parameter
• Serienproduktion - Überwachung des Energieverbrauchs und Warnung bei Abweichungen
• Wartungsphase - Hinweise zur Schneckenregeneration oder Kavitätenpolitur

Darüber hinaus erleichtern die gesammelten Qualitäts- und Prozessdaten die Erfüllung von IATF 16949, ISO 13485 oder PPAP-Anforderungen.

Praktisches Beispiel: Ein Hersteller medizinischer Komponenten hat einen Prozess-Zwilling für 32-Kavitäten-Werkzeuge aus PC implementiert. Nach einem halben Jahr sank der Ausschuss von 2,8% auf 0,6%, und die Start-up-Zeit neuer Werkzeuge verkürzte sich von 48 auf 28 Stunden. Die Energieeinsparungen beliefen sich auf 11% durch Optimierung der Heizzonentemperaturen und des Kühlsystems. Ähnliche Ergebnisse erzielen Automotive-Unternehmen bei „smart PPAP"-Programmen, wo der Zwilling jedes Maschineneinstellung zusammen mit geometrischen Messergebnissen dokumentiert.

Die Liste der Anwendungen erweitert sich stetig:

• Einarbeitung von Bedienern – der Zwilling dient als Trainings-Simulator, der die Auswirkungen von Parameteränderungen ohne Produktionsrisiko demonstriert.
• Gemeinsames Werkzeugprogrammierung – Konstrukteur und Technolog können parallel an einem Werkzeug arbeiten, basierend auf derselben Datenbank und unter Berücksichtigung von Produktionsfeedback.
• Optimierung des Materialmixes – schnelle Tests, wie eine PCR/Virgin-Mischung das Befüllungsergebnis und die Schrumpfung beeinflusst, ohne physisches Mischen einer vollen Granulatcharge.
• Energie-Management – der Zwilling analysiert Verbrauchsprofile und schlägt „Peak-Shaving“-Taktiken oder intelligente Starts in Zeiten niedriger Tarife vor.
• Verkaufsunterstützung – Zwillingdaten können in Gesprächen mit OEM-Kunden genutzt werden, um Prozesswiederholbarkeit und Toleranzeinhaltung zu demonstrieren.

Wie wählt man die richtige Digital-Twin-Strategie?

Die Auswahl der Lösung sollte aus den Geschäftsziellen resultieren. Wenn die Verkürzung der Start-up-Zeit neuer Werkzeuge priorisiert wird, lohnt ein Prozess-Zwilling mit starkem CAE-Backend. Bei Fokus auf Störungsvorhersage und stabiler Maschinenverfügbarkeit steht ein Maschinen-Zwilling mit prediktiver Wartung im Vordergrund. Für Werke mit hohen Dimensionsanforderungen (medizinisch, optisch) ist ein Werkzeug-Zwilling mit 3D-Metrologie entscheidend.

Den Auswahlprozess in Schritte unterteilen:

1. Audit von Daten und OT-Infrastruktur
2. Definition von KPIs (z.B. OEE +5 P.p., Energie -10%)
3. Design-Thinking-Workshop mit Technologen, IT und Wartung
4. Pilot auf einer Linie
5. Schrittweises Skalieren

Auch Lizenzierung und Kompetenzen beachten – Kunden schätzen XaaS-Modelle (Subscription), bei denen der Anbieter Modellpflege, Updates und Prozessberatung übernimmt.

Wartung und Pflege des Modells

Der digitale Zwilling erfordert regelmäßige Kalibrierung wie die Maschine selbst. Planen: Aktualisierung der Materialmodelle nach jedem Granulatwechsel, Validierung der Sensordaten (Vergleichstest, Austausch verschlissener Komponenten), Überprüfung der Cyber-Sicherheit und Schulung der Bediener. Wichtig ist auch die Versionsverwaltung der Modelle (Model Governance), um zu früheren Konfigurationen einer Produktionsserie zurückzukehren und Kundenspuranforderungen zu erfüllen.

Unternehmen folgen dem 3-6-12-Prinzip:

• Alle 3 Monate - Validierung der Daten und Update reologischer Modelle
• Alle 6 Monate - Hardware-Check und Backups
• Alle 12 Monate - Audit der Gesamtlösung und KPI-Benchmark

Gute Praxis ist die Kopplung der Zwillingspflege an TPM-Überprüfungen – das sorgt für einen einheitlichen Kalender und klare Verantwortlichkeiten.

Zusammenfassung

Digitale Zwillinge für Spritzgießmaschinen entwickeln sich von der Neugierde zum Standard in modernen Werken. Durch Verknüpfung realer Daten mit CAE-Simulationen ermöglichen sie Defektsvorhersagen, kürzen Start-ups, stabilisieren die Qualität und senken den Energieverbrauch um bis zu 15%. Schlüssel zum Erfolg: schrittweises Rollout, Datenpflege und klare KPIs. Die Zusammenarbeit mit einem Partner, der digitale Technologien und Spritzguss-Realitäten versteht, wandelt das Digital-Twin-Potenzial in greifbare finanzielle Vorteile und Wettbewerbsvorsprünge um. Planen Sie den Einstieg? Fangen Sie mit einem Daten-Audit und Pilot auf einem kritischen Werkzeug an – die Effekte kommen schneller, als Sie denken.