Vom Dashboard zum Qualitätsregelkreis: Was digitale Zwillinge wirklich leisten

Kurzfazit

Unilever will mehr als 40 KI-gestützte digitale Zwillinge in seinem Produktionsnetzwerk ausrollen. Das Unternehmen berichtet unter anderem über 30 Prozent weniger Qualitätsfehler, stabilere Produktmerkmale und geringeren Materialausschuss. Für das Qualitätsmanagement ist weniger die virtuelle Darstellung entscheidend als der geschlossene Regelkreis: valide Messdaten, ein qualifiziertes Modell, definierte Eingriffsgrenzen, menschliche Aufsicht und nachgewiesene Wirksamkeit.

FQI Takeaway

• Ein digitaler Zwilling ist mehr als ein Dashboard: Er verbindet den realen Prozess mit Simulation, Prognose und kontrollierter Rückwirkung.
• Modellgüte ersetzt keine Prozessbeherrschung: Sensorik, Datenqualität, Systemgrenze und Reaktionsplan bestimmen den Qualitätsnutzen.
• Autonomie muss stufenweise freigegeben werden: Empfehlung, bestätigte Anpassung und automatischer Eingriff benötigen unterschiedliche Nachweise.

Das Prinzip auf einen Blick

Unilever und Accenture kündigten im Juni 2026 an, innerhalb von 18 Monaten mehr als 40 digitale Zwillinge aufzubauen. Gemeldet werden unter anderem 20 Prozent weniger Abfall und zehn Prozent mehr Kapazität an einem Standort, nahezu 30 Prozent weniger Abfall bei stabilerer Viskosität sowie 30 Prozent weniger Qualitätsfehler über vier Jahre in einer Seifenproduktion. Es handelt sich um Unternehmensangaben aus einer gemeinsamen Pressemitteilung. Definitionen, Vergleichszeiträume und statistische Absicherung sind nicht vollständig offengelegt.

Begriffe kurz erklärt

• KI: Künstliche Intelligenz; Systeme, die aus Daten Muster ableiten oder Aufgaben automatisiert unterstützen.
• Schattenbetrieb: Testbetrieb, in dem ein System mitläuft, aber noch keine automatischen Entscheidungen auslöst.
• MSA: Messsystemanalyse; Prüfung, ob ein Messsystem für die vorgesehene Entscheidung geeignet ist.
• SPC: Statistische Prozessregelung; Überwachung und Steuerung von Prozessen mit statistischen Methoden.

Deep Dive

Ein digitaler Zwilling ist eine laufend aktualisierte Repräsentation eines physischen Produkts, Betriebsmittels oder Prozesses. Für die Qualität entsteht sein Wert nicht aus der grafischen Ähnlichkeit, sondern aus der Fähigkeit, reale Zustände zu erfassen, Abweichungen vorherzusagen, Handlungsoptionen zu simulieren und eine kontrollierte Reaktion auszulösen. Damit ähnelt er einem erweiterten Qualitätsregelkreis.

Dieser Regelkreis beginnt mit Messungen. Sensoren, Laborwerte, Prüfmerkmale, Rezepturen und Prozessparameter müssen zeitlich synchronisiert, eindeutig einem Los oder Produkt zugeordnet und messtechnisch geeignet sein. Fehlerhafte Zeitstempel, nicht erkannte Sensorabweichung oder fehlende Materialgenealogie können das virtuelle Modell präzise aussehen lassen, obwohl seine Eingangsdaten falsch sind. Measurement System Analysis (MSA; Messsystemanalyse) und Datenqualitätsregeln bleiben daher unverzichtbar.

Die zweite Ebene ist das Modell. Ein digitaler Zwilling kann physikalische Gleichungen, datengetriebene Modelle oder hybride Ansätze kombinieren. Für qualitätsrelevante Entscheidungen muss bekannt sein, in welchem Prozessfenster das Modell validiert wurde. Eine Viskositätsprognose für eine Rezeptur ist nicht automatisch auf andere Rohstoffe, Anlagen oder Umgebungstemperaturen übertragbar. Die Systemgrenze und der zulässige Anwendungsbereich müssen deshalb wie bei einem Prüfmittel dokumentiert sein.

Die dritte Ebene ist die Reaktion. Ein Modell kann zunächst nur informieren, anschließend konkrete Sollwertänderungen empfehlen und später begrenzte Anpassungen selbst ausführen. Diese Stufen besitzen unterschiedliche Risiken. Eine falsche Empfehlung kann ein Mensch zurückweisen. Ein autonomer Eingriff verändert dagegen unmittelbar den Prozess und möglicherweise das Produkt. Freigabekriterien sollten deshalb den Automationsgrad berücksichtigen: erlaubte Parameter, maximale Änderungsgeschwindigkeit, Plausibilitätsprüfung, Rückfallwert und Not-Halt beziehungsweise sicheren Zustand.

Aus Sicht von SPC (Statistical Process Control; statistische Prozessregelung) ist der Zwilling kein Ersatz für Stabilitätsanalyse. Er kann zusätzliche Einflussgrößen berücksichtigen und zukünftige Entwicklungen prognostizieren. Die klassischen Regeln bleiben jedoch eine wichtige unabhängige Schutzschicht. Wird ein Prozess instabil, darf die KI nicht lediglich einen optimalen Sollwert nachführen und dadurch die besondere Ursache verdecken.

Für die Wirksamkeitsprüfung sind technische und wirtschaftliche Kennzahlen zu trennen. Qualitätskennzahlen können Ausschuss, Fehlerquote, Streuung, Reklamationen und Prozessfähigkeit umfassen. Ergänzend sind Fehlalarme, unberechtigte Eingriffe, Modellabweichung, Anteil menschlicher Übersteuerungen und Zeit bis zur Reaktion zu messen. Erst dieser mehrdimensionale Nachweis zeigt, ob der Zwilling Qualität verbessert oder lediglich Prozessleistung auf Kosten verborgener Risiken optimiert.

Eine sinnvolle Einführungsfolge beginnt deshalb im Schattenbetrieb. Der Zwilling prognostiziert und empfiehlt, greift aber nicht ein. Seine Vorschläge werden gegen reale Ergebnisse und Entscheidungen erfahrener Prozessverantwortlicher verglichen. Danach folgt ein begrenzter Assistenzbetrieb mit verpflichtender Bestätigung. Erst bei nachgewiesener Stabilität darf eine eng umrissene automatische Anpassung freigegeben werden. Jede Stufe braucht eigene Akzeptanzkriterien, Rückfalloptionen und eine erneute Bewertung nach relevanten Änderungen an Sensorik, Rezeptur oder Prozessfenster. Der Übergang muss dokumentiert und freigegeben sein.

Grenzen und Risiken

Erstens stammen die Leistungsangaben von den beteiligten Unternehmen. Eine unabhängige Überprüfung und vollständige Versuchsbeschreibung fehlen.

Zweitens können Standortergebnisse durch parallele Prozessverbesserungen, Schulungen oder Investitionen beeinflusst sein. Die Wirkung ist nicht zwingend allein dem digitalen Zwilling zuzurechnen.

Drittens erzeugt ein fehlerhaftes Modell bei breiter Skalierung einen gemeinsamen Fehlermechanismus über mehrere Werke hinweg.

Viertens steigt mit automatischen Eingriffen der Validierungs- und Überwachungsaufwand. Ein erfolgreicher Informationszwilling ist nicht automatisch für Closed-Loop-Control freigegeben.

FQI Fazit

Digitale Zwillinge können Qualität, Materialeffizienz und Reaktionsgeschwindigkeit verbinden. Ihr Reifegrad zeigt sich nicht an der Visualisierung, sondern an einer qualifizierten Kette aus Messung, Modell, Entscheidung und Eingriff. Für das Qualitätsmanagement lautet die Kernaufgabe, diese Kette risikobasiert freizugeben, Änderungen zu beherrschen und Nutzen wie Fehlwirkungen kontinuierlich zu messen.

Quellen & Transparenz

• Unilever: Unilever scales digital twins across global manufacturing network with Accenture, 16. Juni 2026.
• Evidenzstatus: gemeinsame Unternehmens- und Anbieterquelle; keine unabhängige wissenschaftliche Wirksamkeitsstudie.
• FQI-Transfer: Die Einordnung als geschlossener Qualitätsregelkreis mit MSA, SPC und gestufter Autonomie ist eine fachliche Ableitung von FQI.
• Prozentangaben wurden aus der Quelle übernommen; Bezugsgrößen und statistische Details sind dort nur teilweise beschrieben.
• Bild: FQI-Fachinfografik, deterministisch erstellt; keine Darstellung eines konkreten Unilever-Standorts.
• Dieser Beitrag und die FQI-Eigenvisualisierung wurden KI-unterstützt erstellt, fachlich geprüft und am 10. August 2026 ausdrücklich zur Veröffentlichung freigegeben.
• Freigabestatus: Begriffserklärungen und Glossar wurden am 17. August 2026 erneut menschlich geprüft und zur Veröffentlichung freigegeben. Freigabe: Johann Fischer.