Was ist Digital Engineering?

Digital Engineering verwendet Rechenwerkzeuge, digitale Modelle und verknüpfte Daten, um Design, Test, Überwachung und Wartung moderner cyber-physischer Systeme zu unterstützen. Ein Digital Engineering-System besteht aus einer ganzheitlichen Reihe von Engineering-Verfahren, die entwickelt wurden, um komplexe Systeme, sich entwickelnde Technologien und den Druck zu bewältigen, Produkte schneller auf den Markt zu bringen.     

Entwicklungsteams nutzen Digital Engineering als modellbasierten Ansatz der nächsten Generation für Produktentwicklung und Lebenszyklusmanagement. Dieser Ansatz zielt darauf ab, zeitnahe, kontextbezogene Einblicke zu liefern, die technische Entscheidungen unterstützen. Mit anderen Worten, es liefert die richtigen Informationen zur richtigen Zeit, im richtigen Kontext und im richtigen Format. Digital Engineering ist mehr als nur die Anwendung von Prinzipien der digitalen Transformation auf technische Daten. Es schafft ein Ökosystem, das fortschrittlichen Technologien Folgendes ermöglicht:

• Modellieren und Simulieren von Systemverhalten anhand von Anforderungen
• Umsetzen von Automatisierung
• Verbinden technischer Disziplinen in einem Unternehmen
• Etablieren maßgeblicher Sources of Truth für kritische Informationen 

Die potenziellen Vorteile von Digital Engineering machen seine Definition und Umsetzung zu einer logischen Weiterentwicklung traditioneller Verfahren der Entwicklung von Hardware mit Softwareabhängigkeiten. Bei der herkömmlichen Hardwareentwicklung wird anstelle der in der Softwareentwicklung üblichen agilen Methoden eine Wasserfallmethodik verwendet. Agile Ansätze eignen sich aufgrund der Komplexität und wechselseitigen Abhängigkeit von Hardwaresystemen oft nicht gut für die Hardwareentwicklung.

Die Einführung von modellbasierter Systemtechnik hat jedoch zwei Möglichkeiten gezeigt, die Vorteile agiler Methodiken zu berücksichtigen. Zunächst könnten Entwicklungsteams einen Ansatz auf Systemebene anwenden, um Produkte auf Grund ihrer Anforderungen zu modellieren. Weiterhin könnten sie Informationen über das Produkt klarer definieren und leichter zugänglich machen. Gemeinsam konnten mit dieser Strategieänderung die Abhängigkeiten von Organisation und Prozess beseitigt werden.

Das US-Verteidigungsministerium erkannte diese Vorteile und entwickelte 2018 eine Strategie für Digital Engineering mit den folgenden vier spezifischen Zielen:

1. Formalisierung der Entwicklung, Integration und Verwendung von Modellen als Grundlage für Entscheidungen bei Unternehmen und Programmen
2. Bereitstellung einer dauerhaften, maßgeblichen Source of Truth
3. Einbeziehung technologischer Innovationen zur Verbesserung der technischen Praxis
4. Aufbau von unterstützender Infrastruktur und Umgebungen zur Durchführung von Aktivitäten, Zusammenarbeit und Kommunikation zwischen Stakeholdern

DoD Instruction 5000.97 verfeinerte die Strategie weiter und ermutigte das Ökosystem zur Beschaffung von Rüstungsgütern, Digital Engineering einzuführen. Seit dieser Initiative setzen die Luft- und Raumfahrt- sowie die Verteidigungsbranche zunehmend auf Digital Engineering, aufgrund seiner inhärenten Fähigkeit, Kosten, Zeitpläne und Risiken effektiv zu verwalten.

Um die Dynamik von Digital Engineering besser zu verstehen, wollen wir die Phrase "zeitnahe, kontextbezogene technische Einblicke für technische Entscheidungen" genauer erklären.

• Zeitnah: Aufgrund des wachsenden Wettbewerbsdrucks und der Systemkomplexität müssen Unternehmen nicht nur Produkte schneller designen und auf den Markt bringen, sondern auch die Verfügbarkeit erhöhen, Produktverbesserungen schneller validieren und umsetzen sowie Ausfälle vor Ort schneller diagnostizieren und beheben. Angesichts dieser wettbewerbsorientierten Anforderungen haben Entwicklungsteams nicht mehr den Luxus, sich mit verlängerten Zeitplänen für die Ausführung dieser Aufgaben zu befassen. Durch die Kombination modellbasierter Ansätze mit Automatisierung, maßgeblichen Sources of Truth und Rechenwerkzeugen kann eine Digital Engineering-Umgebung Informationen viel schneller produzieren als herkömmliche Methoden.
• Kontextbezogen: Moderne Simulationen und die Verbreitung von Sensoren über IoT (Internet of Things) haben eine beispiellose Fülle an Daten geschaffen. Damit diese Daten jedoch nützlich sind, müssen die Entscheidungsträger ihre Herkunft, ihre Beziehung zu anderen Daten, ihre Quellen und ihre Vertrauenswürdigkeit verstehen. Kontext stellt diese Informationen bereit, indem Daten mit den Bedingungen "wie ausgelegt", "wie gefertigt" und "wie betrieben" verknüpft werden.
• Technische Einblicke: Im Prinzip geht es beim Design von Produkten darum, dass sie Spezifikationen entsprechen, und Probleme gelöst werden, die während ihres Lebenszyklus auftreten. Um dies effektiv zu tun, benötigen Techniker*innen Informationen zu jedem Aspekt des Produkts – Werkstoffe, Betriebsumgebung, physische Geometrie, Leistung, Haltbarkeit und mehr. Ohne diese Einblicke müssen sich Teams auf Spekulationen und physische Tests verlassen, ein ineffizienter und kostspieliger Prozess. Digital Engineering gibt Stakeholdern im gesamten Unternehmen Zugriff auf produktspezifische Informationen, die sie für eine effektive Wahrnehmung ihrer Aufgaben benötigen.
• Technische Entscheidungen: Der Grund dafür, dass Teams zeitnahe, kontextbezogene technische Einblicke benötigen, besteht darin, fundierte Entscheidungen zu treffen. Diese Notwendigkeit kann frühzeitig im Produktentwicklungsprozess oder am Ende der Produktlebensdauer auftreten, z. B. bei der Bestimmung der besten Entsorgungsmethode. Digital Engineering ermöglicht den Shift-Left-Ansatz. Techniker*innen erhalten Einblicke in den Entscheidungsprozess in früheren Phasen der Entwicklung und so die Kosten senken effektiv über den gesamten Lebenszyklus.   

Darüber hinaus dient Digital Engineering als Grundlage für die Anwendung fortschrittlicher Technologien, die Einblicke und Schnelligkeit verbessern. Digital Engineering spielt eine entscheidende Rolle bei der Erstellung des digitalen Threads eines Produkts – nicht nur bei der Kuratierung der erforderlichen Daten, sondern auch bei der Definition der maßgeblichen Sources of Truth für Informationen, die über den Thread verbunden sind.

In Verbindung mit Systemtechnik und Rechenwerkzeugen, insbesondere modellbasierter Systemtechnik, bietet Digital Engineering Echtzeitzugriff auf digitale Modelle des Produkts auf Systemebene. Diese ermöglichen Vergleichsanalysen, Optimierung, Fehleranalyse und prädiktive Analysen, die sich über den gesamten Produktlebenszyklus erstrecken können. Durch die Einführung sich schnell weiterentwickelnder Technologien im Zusammenhang mit künstlicher Intelligenz (KI) wie maschinellem Lernen (ML), neuronalen Netzwerken und Large Language Models (LLM) kann ein Digital Engineering-Ökosystem noch mehr Automatisierung, aufschlussreichere prädiktive Analysen – insbesondere bei der Verwendung von erstklassigen physikbasierten Simulationen – und präskriptive Wartung ermöglichen. 

Digital Engineering-Systeme bestehen aus einer Sammlung von Werkzeugen, Prozessen, Datenquellen und Infrastruktur, die eine ganzheitliche und zuverlässige End-to-End-Ansicht des Produktlebenszyklus eines Systems bieten. Aktuelle Implementierungen enthalten in der Regel die folgenden Komponenten:

Datenkontext, -klassifizierung und -verbindung

Es ist bei der Einführung von Digital Engineering entscheidend, über Datenerfassung und Datenanalyse hinauszugehen. Um einen zusätzlichen Wert aus Daten zu erzeugen, müssen Teams ein Produkt zunächst um Kontextinformationen erweitern. Sie müssen dann die maßgeblichen Sources of Truth benennen und die Daten effizient, wiederholbar und überprüfbar mit Anwendungen verknüpfen. Die digitalisierten Informationen können dann als genau behandelt, unter dem Gesichtspunkt der Cybersicherheit geschützt und nachvollziehbar abgerufen werden. Dies bildet die Grundlage für den digitalen Thread.

Digitale Zwillinge

Digitale Darstellungen eines gesamten Systems, seiner Komponenten oder seiner Subsysteme bieten Einblicke, die über statische Daten hinausgehen. Diese Modelle werden oft als digitale Zwillinge bezeichnet und ermöglichen es Techniker*innen, Betriebsbedingungen, geometrische Parameter und nicht-technische Eingaben zu ändern, um zu sehen, wie das System unter den Bedingungen "wie ausgelegt" und "wie betrieben" reagiert. Digitale Zwillinge können u. a. aus folgenden Elementen bestehen:

• 3D-CAD-Modelle (computer-aided design) der Geometrie
• Modellbasiertes Design
• 0D-/1D-/3D-Simulationsmodelle
• Aus kuratierten Daten generierte Umsetzungstabellen
• Aus detaillierten Simulationen oder Testdaten generierte Reduced-Order Models (ROMs)
• Darstellungen von Unternehmen und Lieferketten 

Prozessautomatisierung

Um den Produktentwicklungsprozess zu optimieren, implementieren Unternehmen, die Digital Engineering einführen, Automatisierung und Orchestrierung. Das vereinfacht und beschleunigt den Zugriff auf Informationen im digitalen Thread, es werden Rechenmodelle ausgeführt und das System wird um Daten erweitert. Automatisierung ermöglicht auch den Zugriff für Nicht-Experten einer bestimmten Disziplin, was das Ziel unterstreicht, den richtigen Personen zum richtigen Zeitpunkt die richtigen Informationen zur Verfügung zu stellen.

Einführung in Unternehmen und Paradigmenwechsel

Wenn ein Unternehmen Digital Engineering implementiert, sind Verhaltensänderungen genauso wichtig wie technische Änderungen. Jeder Stakeholder, der am Lebenszyklus eines Produkts beteiligt ist, muss einen datengesteuerten Ansatz auf Systemebene für die Produktentwicklung verstehen und anwenden. Das Unternehmen sollte sowohl die Zusammenarbeit als auch die Innovation über verschiedene Bereiche hinweg fördern, sichtbare Unterstützung durch die Führung sicherstellen, strenge Data Governance-Praktiken einführen und agile Methodiken fördern.

Offene Architekturen für Werkzeuge

Das Implementierungsteam muss sicherstellen, dass alle Werkzeuge in seinem Digital Engineering-System eine offene Architektur verwenden, die einen effizienten, rückverfolgbaren, wiederholbaren, interoperablen, kollaborativen und genauen Zugriff auf Daten ermöglicht. Isolierte Werkzeuge, die in ihrem eigenen, geschlossenen Ökosystem arbeiten – anstatt moderne branchenübliche APIs (Application Programming Interfaces) einzuführen – verhindern, dass Unternehmen von einigen Digital Engineering-Vorteilen profitieren. 

Metaoberflächen-Geometrie mit drei Arten von Meta-Atomen (dreieckige, runde und quadratische Säulen)

Digital Engineering kann die Produktlebenszyklusprozesse jedes Unternehmens verbessern, unabhängig von der Branche. Am meisten profitieren jedoch Branchen mit strengen gesetzlichen Anforderungen, komplexen elektromechanischen Systemen und strengen Leistungszielen. Luft- und Raumfahrt, Gesundheitswesen und Automobilbranche haben einige der stärksten Anwendungsfälle.

Akku-Gigafactorys

Der rasante technologische Fortschritt und die exponentielle Zunahme der Nachfrage nach Akkus für Luft- und Raumfahrt, Energiesektor und Automobilanwendungen treiben Hersteller dazu, Digital Engineering in ihren Gigafactorys einzuführen – ein Begriff, den einige Unternehmen in jüngster Zeit zur Beschreibung ihrer Fabriken für Akkus und Elektrofahrzeuge gewählt haben.

Honeywell Process Solutions bietet beispielsweise Automatisierungssysteme an, die auf der Basis von Digital Engineering erstellt wurden. Diese Systeme kombinieren Echtzeitdaten und physikbasierte Simulation, um Produktionslinien zu designen, die sich dynamisch an sich ändernde Bedingungen anpassen. Mit diesem Ansatz können Kunden höhere Erträge, niedrigere Kosten und höhere Energieeffizienz erzielen.

Softwaredefinierte Fahrzeuge

Im Automobilbereich verändern intelligente Systeme, die über Software gesteuert werden, die Wettbewerbslandschaft. Viele Automobilhersteller nutzen Digital Engineering, um schneller und mit weniger Problemen vor Ort auf softwaredefinierte Fahrzeuge umzustellen. Digital Engineering ermöglicht es Originalherstellern und ihren Zulieferern, bei Design, Validierung und Implementierung ihrer Vision von softwaredefinierten Fahrzeugen zusammenzuarbeiten. Viele Implementierungen nutzen die Digital Engineering-Plattformen der Hersteller, um:

• KI in ihre Lösungen einzubeziehen
• organisatorische Barrieren zwischen Elektrotechnik, Maschinenbau und Softwareentwicklung zu überwinden
• Designs mit Multiphysik-Optimierung zu verbessern
• Informationen aus anderen Disziplinen zu integrieren
• Robustheit ihrer eingebetteten Software zu verbessern

Testen von Medizinprodukten in silico

Im Gesundheitswesen und in anderen Branchen bezieht sich der Begriff "in silico" auf Tests mit digitalen Modellen in der Produktentwicklung. Dies steht im Gegensatz zu Tests "in vivo" (im Körper) und "in vitro" (außerhalb des Körpers, z. B. im Labor). Mit der Einführung von Digital Engineering wird der gesamte Produktentwicklungsprozess besser auf die strengen gesetzlichen Anforderungen der Entwicklung und Zulassung von Medizinprodukten abgestimmt. Entwicklungsteams können eine zentrale, dokumentierte Source of Truth pflegen, ihren Entwicklungsprozess beschleunigen und Verifizierungs- und Validierungsdaten für Aufsichtsbehörden bereitstellen. 

Modellierungs- und Simulationswerkzeuge erweitern Digital Engineering über die Datenverwaltung hinaus und ermöglichen es Entwicklungsteams, die Produktleistung mithilfe von hochpräzisen, physikbasierten Analysen effizient zu untersuchen. Simulation liefert auch verwertbare Einblicke zu einem früheren Zeitpunkt im Entwicklungsprozess. Ein gut implementiertes Digital Engineering-System sollte Simulationswerkzeuge mit folgenden Eigenschaften verwenden:

Offene Eingabe/Ausgabe von Daten und Automatisierungsunterstützung 

Effektives Digital Engineering erfordert Integration und Automatisierung, mit der externe Werkzeuge Ergebnisse extrahieren, Eingaben aus vertrauenswürdigen Quellen integrieren und aktive Simulationsmodelle verwalten können. Das Werkzeug PyAnsys für Python-Zugriff von Ansys-Software ist eine gut dokumentierte Lösung, die Dateiformate nach Industriestandard unterstützt. Darüber hinaus bietet die Software Ansys Minerva für Simulationsprozesse und Datenmanagement eine zentrale Source of Truth für die Steuerung und den Zugriff auf Simulationsdaten und -modelle. 

Eine offene Plattform unterstützt auch die Integration anderer Disziplinen in Ihre Simulationen. So kann beispielsweise eine Materialinformationslösung wie die Produktkollektion Ansys Granta Rückverfolgbarkeit bieten und eine zentrale Source of Truth für Materialeigenschaften gewährleisten. Offenheit ermöglicht auch Optimierungswerkzeuge wie die Software zur Prozessintegration und Designoptimierung Ansys optiSLang sowie neue Lösungen für künstliche Intelligenz (KI) wie die cloudfähige KI-Plattform Ansys SimAI .

Physikbasierte und Multiphysiksimulation 

Die Rechenwerkzeuge in Digital Engineering-Lösungen müssen genau sein und auf der Physik beruhen, die sie darstellen. Erstklassige Werkzeuge von Ansys, Teil von Synopsys, liefern Simulationen auf Komponenten- und Subsystemebene:

• Ansys Fluent-Software
• Ansys HFSS-Software
• Ansys Maxwell-Software
• Ansys Mechanical-Software

Da die meisten Produkte mehrere Physiken umfassen, verwendet Ansys einen Multiphysik-Ansatz, um strukturelle, thermische, elektrische, elektromagnetische und optische Wechselwirkungen in einer virtuellen Darstellung eines Produkts zu verstehen. 

Simulation auf Systemebene

Sobald die Komponente und die Subsysteme exakt modelliert sind, müssen im nächsten Schritt Simulationswerkzeuge auf Systemebene bereitgestellt werden. Lösungen wie die Software Ansys ModelCenter MBSE ermöglichen es Techniker*innen, die Produktleistung aus Systemperspektive vollständig zu untersuchen. Für Produkte, die im Laufe der Zeit mehrere Missionen oder komplexe Interaktionen durchlaufen, bietet eine Digital Mission Engineering-Simulationsplattform wie die Software Ansys Systems Tool Kit (STK) umfassende Funktionen für Missionsplanung, Visualisierung und Multiphysik-Interaktion in einer zentralen Plattform. 

Schließlich kann ein Werkzeug wie die simulationsbasierte Plattform für digitale Zwillinge Ansys Twin Builder teamübergreifend verwendet werden, um digitale Zwillinge zu erstellen und zu verwalten, sowie Produkte und Prozesse virtuell darzustellen. 

Integration von eingebetteter Systemsoftware 

Die meisten modernen Produkte enthalten eingebettete Software, entweder innerhalb von Sensoren oder zur Verwaltung eines Produkts selbst. Dies unterstreicht die Notwendigkeit von Werkzeugen, die schnelle Softwareentwicklung und -tests im erweiterten Systemkontext ermöglichen. Ansys SCADE Suite ist ein Beispiel für eine Softwareentwicklungsplattform, die Hardware-in-the-Loop- und Software-in-the-Loop-Tests ermöglicht.

Schnelle, flexible Solver

Die effektive Umsetzung von Digital Engineering erfordert schnelle Solver, um mehrere Szenarien über Hardwarelösungen hinweg auszuführen und zeitnahe Einblicke zu liefern. Der native GPU-Solver Ansys Fluent kann beispielsweise das Verhalten von Fluiden bei Geschwindigkeiten modellieren, die die Simulation auf CPUs bei weitem übersteigen. Darüber hinaus bietet die Kollektion Ansys Cloud die Flexibilität, Geschwindigkeit und Erschwinglichkeit von Cloud-Computing, um jedem Benutzer erweiterte Simulationen zu ermöglichen.

Zugehörige Ressourcen