Wie die SBB mit Digital Twins neue Dienstleistungen entwickelt

Was unterscheidet einen Digital Twin von einem "gewöhnlichen" smarten Gerät im IoT?

Andreas Meister: Das Internet der Dinge ist eine Voraussetzung für Digital Twins. Hier sammeln Geräte Daten aus ihrer Umgebung, vernetzen sich miteinander und tauschen diese ohne menschlichen Eingriff aus. Digital Twins sind digitale Abbilder von Prozessen oder Objekten. Um deren Zustand in Echtzeit spiegeln zu können, benötigen die Digital Twins die Informationen von den IoT-Sensoren.

Philipp Lombriser: Bei den SBB testen wir unter anderem verschiedene Anwendungen eines Digital Twins des Bahnhofs Zürich. Dazu gehören beispielsweise Informationen, welche Lifte in Betrieb sind. Andere Tests beschäftigen sich mit Personenaufkommen. Dabei verwenden oder speichern wir keine Kundendaten. Stattdessen analysiert der Digital Twin etwa Events rund um den Bahnhof und wertet bestimmte Hashtags und Geolokalisierungen auf Twitter aus, um zu errechnen, wie viele Menschen sich wann rund um den Bahnhof bewegen. So können wir Vorhersagen zum Personenaufkommen in Bahnhöfen treffen und entsprechend das Sicherheitspersonal steuern.

Wie optimiert ein Digital Twin Prozesse im Einsatz seines physischen Gegenstücks?

Philipp Lombriser: Nehmen wir etwa den Lift: Heute meldet ein Sensor selbstständig, wenn der Lift defekt ist. Regelmässige Kontrollrunden durch Menschen sind nicht nötig, wohl aber die Reparatur durch einen Mechaniker. Die Störungsinformationen stellen wir ausserdem in Zukunft den Reisenden auf sbb.ch zur Verfügung, damit diese einfach und schnell ihren Weg durch den Bahnhof finden. Das ist vor allem für Reisende mit eingeschränkter Mobilität hilfreich. In Zukunft wäre etwa der nächste Schritt, dass der Digital Twin das passende Ersatzteil gleich selbstständig bestellt. Und noch eine Stufe weiter wäre, dass der Digital Twin vorhersagt, wann der Lift ausfällt und vorsorglich schon das richtige Ersatzteil bestellt. So weit sind wir heute aber noch lange nicht.

Wie lernt ein Digital Twin?

Andreas Meister: Im Prinzip wie ein menschliches Gehirn – Digital Twins nehmen Daten auf, verarbeiten sie und stützen sich auf Erfahrungswerte aus der Vergangenheit, um "fürs nächste Mal" zu lernen. Je mehr Informationen ihnen vorliegen, desto bessere Entscheidungen können Digital Twins treffen. Man spricht hier vom "Deep Learning", oder allgemeiner von künstlicher Intelligenz oder Machine Learning.

Welche anderen Vorteile hat der Einsatz von Digital Twins?

Lombriser: Allein am Beispiel des Bahnhofs Zürich sehen wir viele Möglichkeiten. Wir können die Aufenthaltsqualität von Reisenden verbessern, die Sicherheit steigern und neue Dienstleistungen entwickeln. Durch die Automatisierung können wir ausserdem die Kosten für bestimmte Prozesse senken und die Effizienz steigern.

Was sind Ihrer Meinung nach die bisher bemerkenswertesten Use Cases von Digital Twins?

Lombriser: Die SBB haben das gesamte Schweizer Bahnnetz digitalisiert. Anhand eines selbstlernenden Systems wird der gesamte Bahnbetrieb repliziert und simuliert. Das Modell bildet die gesamte Historie des Bahnverkehrs ab und "spielt" sozusagen die Vergangenheit nach. Wann und wo fuhr welcher Zug durch, wann gab es welche Verspätung? Gleichzeitig werden innerhalb von Millisekunden neue Alternativen ausprobiert. Das sind immense Datenmengen. Das Ziel ist, dass das System aus der Vergangenheit lernt und die Zugverkehrsleiter bei Entscheidungen durch Empfehlungen unterstützt.

Welche Herausforderungen stellen sich noch bei der Entwicklung und dem Einsatz von Digital Twins?

Meister: Dreh- und Angelpunkt der Digital Twins sind Daten. Diese zu beschaffen, ist die erste Herausforderung. Welche Daten beziehe ich woher? Erfolgt die Datenerfassung gemäss den geltenden Datenschutzrichtlinien? Wo sind noch Sensoren anzubringen? Auf welche externen Quellen greife ich zurück? Sind diese Fragen geklärt und die Rohdaten beschafft, gilt es, diese zu aggregieren. Dazu gehört es unter anderem, Redundanzen zu filtern und sie sinnvoll miteinander zu verknüpfen.

Gerade künstliche Intelligenz und Machine Learning sind offensichtlich wichtig für die Entwicklung und den Einsatz von Digital Twins, aber von welchen anderen technologischen Fortschritten sind sie abhängig?

Meister: Da IoT eine Voraussetzung für Digital Twins ist, beeinflusst die weitere Entwicklung von IoT die Zukunft von Digital Twins stark. Aber auch Big Data sowie Virtual-Reality- und Augmented-Reality-Entwicklungen fliessen in Digital Twins ein.

Welche technischen und IT-Fachkräfte könnten durch Digital Twins auf längere Sicht überflüssig werden?

Lombriser: Bei den SBB tragen Digital Twins dazu bei, Dienstleistungen für Kunden, aber auch Arbeitsabläufe zu verbessern. Menschen werden deshalb nicht per se überflüssig. Vielmehr ändern sich ihre Aufgaben.

Welche Art von Spezialisten beziehungsweise welches Fachwissen erfordert der wachsende Einsatz von Digital Twins zukünftig?

Meister: Für die Weiterentwicklung von Digital Twins und ihren Anwendungen braucht es unter anderem Softwareingenieure, Softwarearchitekten, Datenanalysten oder Experten für User Experience.