Warum Industrie-Assets eine höhere Bereitschaft brauchen
Viele Unternehmen besitzen CAD-Dateien, BIM-Modelle, Scans, 3D-Szenen und Visualisierungen digitaler Zwillinge. Diese Inhalte helfen bei Design Reviews, Zusammenarbeit, Training und Management-Kommunikation. Physical AI verlangt zusätzlich, dass ein Asset berechenbar und simulierbar wird.
Eine Produktionslinie, ein Reinraum, ein Lager, eine Roboterzelle oder eine Verpackungsstation braucht realen Maßstab, stabile Koordinaten, Objektidentität, Semantik, Physikannahmen, Verhaltensregeln, Prozessstatus und operative Datenbezüge. Erst diese Schichten machen ein Asset für Simulation, Robotiktraining, synthetische Daten, Layoutprüfung, Prozessprobe und AI-Agent-Workflows nutzbar.
NVIDIA beschreibt SimReady als Framework für simulationsbereite 3D-Assets und digitale Zwillinge auf OpenUSD. Für Industrieprogramme entsteht daraus ein Weg, Asset-Bibliotheken von visuellen Inhalten zu wiederverwendbaren digitalen Objekten zu entwickeln.
Ebenen eines SimReady Assets
| Ebene | Vorbereitung |
|---|---|
| Geometrie und Maßstab | Abmessungen, Ursprung, Ausrichtung, Einheiten, Detailgrad und räumliche Grenzen |
| Materialien und Darstellung | Materialien, Texturen, Lichtverhalten, Reflexion, Transparenz und Oberflächenklassen |
| Physik | Kollision, Masse, Reibung, Dichte, Gelenke, Constraints, Bewegungsbereich und Sicherheitsabstände |
| Semantik | Equipment-Klasse, Teilefunktion, Funktionsbereich, Prozessrolle, Asset-ID und Twin-Beziehung |
| Verhalten | Zustände, Start und Stopp, Fehler, Recovery, Interlocks, Routen und Interaktionsbedingungen |
| Datenbindung | PLC-Signale, Sensorwerte, Alarme, Work Orders, MES-Kontext, Energie und Inspektionsdaten |
| Governance | Quelldateien, Version, Owner, Annahmen, Qualitätschecks, Simulationsergebnisse und Review-Notizen |
Warum Verhaltenslogik wichtig ist
Physikeigenschaften beschreiben Bewegung, Kollision und Kräfte. Industrielle Abläufe folgen zusätzlich Prozessregeln und Betriebszuständen. Maschinen starten, warten, stoppen, melden Fehler, erholen sich, blockieren vorgelagerte Stationen oder geben Material frei nach Steuerlogik und Arbeitsanweisungen.
FactVerse Designer nutzt Behavior Trees und Szenariologik, um diese Regeln zu modellieren. Verpackungsanlagen, Förderer, Roboterzellen, Reinräume und Facility Assets können Zustände, Trigger, Timing und Interaktionsregeln tragen. Dadurch werden sie für Prozesssimulation, Training, Robotik-Kollaboration, Sicherheitsübungen, Ausnahmefälle und Physical AI nutzbar.
DataMesh Workflow
- Quellassets sammeln - CAD, BIM, 3D, Scans, Zeichnungen, Equipment Records, Prozessdokumente und Steuerungskontext zusammenführen.
- Szene normalisieren - Maßstab, Koordinaten, Hierarchie, Namen, Objektidentität, Position und Versionen in FactVerse ausrichten.
- Industrielle Semantik ergänzen - Equipment-Klasse, Prozessrolle, Funktionsbereich, Asset-ID, Beziehungen, Dokumente und Owner hinzufügen.
- Physikkontext vorbereiten - Kollision, Masse, Reibung, Gelenke, Bewegungsgrenzen, Zugangsbereiche, Roboterzonen und Sicherheitsgrenzen definieren.
- Verhalten modellieren - Zustandswechsel, Arbeitsschritte, Interlocks, Fehler, Recovery, Routen und Varianten in Designer erstellen.
- Operative Daten verbinden - Data Fusion Services nutzen, wenn PLC, Sensoren, Alarme, Work Orders, Produktionsstatus, Energie oder Inspektionshistorie benötigt werden.
- OpenUSD-Pfad vorbereiten - FactVerse Adaptor for NVIDIA Omniverse überträgt Szenenstruktur, Metadaten, Verhalten und Asset-Kontext in OpenUSD und Omniverse Workflows.
- Validieren und steuern - Rendering, Physik, Verhalten, Labels, Szenenabdeckung und nachgelagerte Simulationsergebnisse prüfen.
Nutzen einer SimReady Asset Library
- Verpackungsanlagen mit Takt, Zustand, Beziehungen, Fehlerlogik, physischen Grenzen und Prozessverhalten.
- Roboterzellen mit Arbeitsbereich, Sicherheitszonen, Sensorlayout, Greifzielen, Aufgabenfolge und Koordinationsregeln.
- Förder- und Logistikassets mit Richtung, Geschwindigkeit, Blockierregeln, Übergaben, Routenzustand und Datenbindung.
- Reinräume und kontrollierte Umgebungen mit Layout, Zugangswegen, Luftstromannahmen, Wartungswegen, Energiebezug und Risikoregeln.
- Lagerzonen mit Regalen, Gängen, Paletten, Staging-Flächen, mobilen Geräten und Logistikstatus.
Standardisierte, objektisierte, verhaltensreiche und physikbewusste Assets können in Linienplanung, Fabrikumbau, Training, Robotikeinführung, Störfallübungen, Energieanalyse und AI-Training wiederverwendet werden.
Rolle in Physical AI
Physical AI braucht hochwertige digitale Welten mit Raum, Objekten, Semantik, Physik, Verhalten, Prozesszustand und Daten. SimReady Assets liefern dafür wiederverwendbares Produktionsmaterial.
Für Robotik zählen auch unsichtbare Kontexte wie Temperatur, Druck, Vibration, Equipment-Status, Work Orders, Sicherheitszonen und Prozessgrenzen. FactVerse kann diesen Kontext in den Twin bringen. Omniverse, PhysX, Newton und verwandte Workflows unterstützen Rendering, Physik, Sensorsimulation und Robotikbewertung.
Governance Checkliste
- Quelldateien, Owner, Lizenzen und Versionen dokumentieren.
- Einheiten, Maßstab, Koordinaten, Ursprung und Ausrichtung validieren.
- Asset-Identität mit operativem Twin und Enterprise Asset Records abgleichen.
- Semantische Labels mit kontrollierten Vokabularen pflegen.
- Physikannahmen mit Simulationsziel dokumentieren.
- Verhaltenslogik mit Zuständen, Triggern, Timing, Fehlern und Recovery beschreiben.
- Datenbindungen mit Quelle, Einheit, Zeitstempel, Aktualisierungsregel und Qualitätsstatus versehen.
- Simulationsergebnisse auf Asset-Version, Szenenversion, Annahmen und Reviewer zurückführen.
Öffentliche Referenzen
NVIDIA bietet mit SimReady overview, SimReady specification und SimReady FAQ öffentliche technische Grundlagen für SimReady Assets auf OpenUSD.
Die DataMesh Referenzen zu FactVerse und NVIDIA Omniverse sowie GTC 2025 zeigen die öffentliche Richtung für Simulation Digital Twins, OpenUSD Workflows und Physical AI Vorbereitung.