Genauigkeit ist eine laufende Betriebsaufgabe
Ein digitaler Zwilling bleibt nach dem Go-Live wertvoll, wenn das Modell weiter zum Standort passt. Anlagen ändern sich: Geräte werden ersetzt, Räume umgebaut, Sensoren umbenannt, Wartungswege angepasst, Verfahren aktualisiert und Zugriffsrechte verfeinert.
Model Governance legt fest, wer jede Schicht besitzt, welche Feldänderungen ein Update auslösen, wie Änderungen geprüft werden, wie Versionen veröffentlicht werden und welche Anwendungen die freigegebene Version nutzen.
Für AI Agent und Physical AI schützt Governance den Kontext für Reasoning, Simulation und Empfehlung. Eine veraltete Asset-Beziehung oder Datenbindung kann Analysen in eine falsche Richtung lenken.
Änderungen nach Go-Live
| Quelle | Auswirkung |
|---|---|
| Geräteaustausch | Asset-ID, Geometrie, Dokumente, Wartungshistorie und Datenbindung |
| Raum- oder Layoutänderung | Raumhierarchie, Routen, Sicherheitsgrenzen und Berechtigungen |
| Sensor- oder Zählerumbenennung | DFS-Mapping, Einheiten, Historie und Dashboards |
| Verfahrensupdate | SOP-Links, Inspektionsvorlagen, Guidance und Freigaberegeln |
| Umbau oder Erweiterung | BIM, CAD, Punktwolken und As-built-Versionen |
| Systembeziehungsänderung | Upstream- und Downstream-Abhängigkeiten, betroffene Zonen, Alarmkontext |
| Berechtigungsänderung | Sensible Räume, kundenspezifische Bereiche und beschränkte Records |
Diese Änderungen gehören in eine kontrollierte Queue.
Schichten des Twins steuern
| Schicht | Governance-Gegenstand |
|---|---|
| Raum Modell | Standort, Gebäude, Etage, Raum, Zone, Route, Zugang, Sicherheitsgrenze |
| Asset Modell | Asset-ID, Name, Klasse, Hierarchie, Owner, Lifecycle-Status |
| System Modell | Strom, Kühlung, Luft, Wasser, Prozessversorgung, Logistik, Steuerung |
| Geometrie | BIM, CAD, 3D, Punktwolke, Quellversion, Gewicht, Detailgrad |
| Datenbindungen | Sensoren, Zähler, Alarme, Statuswerte, Kennzahlen, Aktualisierungsregeln |
| Dokumente und SOPs | Handbücher, Zeichnungen, Arbeitsanweisungen, Inspektionsvorlagen |
| Berechtigungen | Rollen, sensible Räume, kundenspezifische Layouts, beschränkte Dokumente |
| Anwendungsszenen | Designer-Szenen, Inspector-Formulare, Dashboards, Trainings, Simulationen |
Die Schichten helfen, Modellpflege als Betriebsprozess statt als Dateiproblem zu behandeln.
Praktischer Update-Prozess
- Änderung erfassen - Feldteam, Projekt, Inspektion, CMMS, BMS oder Punktwolkenreview erzeugt eine Anfrage.
- Auswirkung einordnen - Geometrie, Asset-Identität, Systembeziehung, Datenbindung, Dokumente, Berechtigungen oder Szenen prüfen.
- Quelle aktualisieren - Asset-Register, BIM/CAD, Punktwolke, Mapping, Dokumentablage oder Verfahrensbibliothek zuerst pflegen.
- Twin Release vorbereiten - Designer, Twin Engine und Data Fusion Services aktualisieren Runtime-Modell und Szenen.
- Mit Feldnachweis prüfen - Position, Asset-ID, Datenbindung, visueller Zustand, Dokumentlink und Berechtigungsverhalten validieren.
- Version veröffentlichen - Freigegebene Version mit Release Notes, Reviewer, betroffenen Bereichen und Rollback-Referenz publizieren.
- Nutzer informieren - Dashboards, Inspector Workflows, AI Agent Routinen, Simulationen und Trainings verwenden die freigegebene Version.
- Ergebnis auditieren - Prüfen, ob die Abweichung gelöst wurde und ob Folgeänderungen nötig sind.
Datenbindungen separat prüfen
Datenbindungen können leise brechen. Tags werden umbenannt, Zähler ersetzt, Sampling-Intervalle geändert oder Kennzahlen neu berechnet. Die 3D-Szene kann korrekt aussehen, während der Live-Kontext auf eine alte Quelle zeigt.
Data Fusion Services unterstützt die Zuordnung von Quellsystemen zu Twin-Entitäten. Für wichtige Bindungen sollten Quelle, Tag, Einheit, Zeitregel, Qualitätsstatus, Aktualisierungsfrequenz und Owner dokumentiert werden.
Für AI Agent Workflows ist diese Nachvollziehbarkeit wichtig, weil Empfehlungen von Beziehungen zwischen Signalen, Assets, Räumen, Dokumenten und Feldhistorie abhängen.
Feldnachweise schließen den Kreis
Inspector kann Abweichungen, Fotos, Inspektionen, Korrekturen und Arbeitsrecords direkt am Asset oder Raum speichern.
Nützliche Nachweise sind aktuelles Foto, sichtbare Asset-ID, Raum oder Route, betroffener Workflow, vorgeschlagene Korrektur, Dringlichkeit, Reviewer und Abschlussrecord.
So wird Modellpflege ein nachvollziehbarer Betriebsprozess.
Governance für AI und Simulation
AI Agent, Simulation und Physical AI sollten freigegebenen Modellkontext verwenden. Die Modellversion sollte festhalten, welche Geometrie, Asset-Beziehungen, Datenbindungen, Dokumente und Szenarioannahmen zum Zeitpunkt einer Empfehlung oder Simulation aktiv waren.
Diese Spur hilft, Ergebnisse über Releases hinweg zu vergleichen und Ursachen einzuordnen: Betriebsänderung, Datenqualität, Modellupdate oder AI Workflow.
Rhythmus
- täglich dringende Feldabweichungen und gebrochene Datenbindungen prüfen
- wöchentlich Asset-, Dokument-, Berechtigungs- und Workflow-Updates prüfen
- monatlich Modellqualität, alte Records und Quellsystem-Drift prüfen
- Release Notes für jede Produktionsänderung halten
- Rollback-Referenzen für größere Szenen- und Datenänderungen speichern
- Owner für Standort, System und Asset Library benennen
Checkliste
- Hat jeder Raum, jedes Asset, jedes System und jede Datenbindung einen Owner?
- Kommen Feldänderungen über einen freigegebenen Pfad in die Queue?
- Wird die Quelle vor dem Runtime-Twin aktualisiert?
- Sind Modellversionen mit Release Notes und Reviewern verbunden?
- Sind sensible Räume, beschränkte Dokumente und kundenspezifische Layouts geschützt?
- Können Inspector-Nachweise Modellupdates auslösen?
- Referenzieren AI Agent und Simulation die verwendete Modellversion?
Öffentliche Referenzen
Der BIM, CAD und Punktwolken Asset Pipeline Guide beschreibt die Vorbereitung vor dem Go-Live.
Der Data Readiness Guide beschreibt die Datenbasis für AI Agent und operative Twins.
Der Industrial Knowledge Graphs Guide beschreibt semantische Beziehungen für Assets, Räume, Systeme, Signale, Dokumente und AI Reasoning.