
Blog
Anwendungsfälle des Digital Twin in der Supply Chain
Die fortschreitende Digitalisierung von Lieferketten bringt neue Optimierungspotentiale mit sich. Die Nutzung eines Digital Twin ermöglicht Unternehmen, diese Potentiale in allen Unternehmensbereichen zu erschließen. Von Network Design über Planung bis zur Umsetzung: Aus einem Kompendium von 11 Use Cases beschreibe ich Ihnen im Folgenden fünf konkrete Anwendungsfälle.
Der Digital Twin ist in der industriellen Supply Chain angekommen. Wir zeigen Ihnen, wie vielfältig Einsatz und Nutzen des Digital Twin sind.
Dr.-Ing. Kai Philipp Bauer, Geschäftsführer
Der Digital Twin ist in der industriellen Supply Chain angekommen. Dieses Statement ist unser Fazit aus zahlreichen Beratungsprojekten und Marktbeobachtungen. Die Bedeutung der Technologie wird der aktuellen Gartner-Studie »Future of Supply Chain Technology« zufolge innerhalb der nächsten fünf Jahre weiter zunehmen und für vier von fünf Unternehmen erfolgsentscheidend sein.
Die Vorteile der Technologie in der strategischen Ausrichtung, der taktischen Planungen und der operativen Ausführung der Supply Chain sind für viele Anwender wettbewerbsentscheidend. Dennoch gibt es weiterhin eine Vielzahl an Unternehmen, welche das Potential dieser Technologie nicht oder kaum nutzen.
Für Beide haben wir in diesem Kompendium 11 industrielle Anwendungsfälle zusammengetragen. Sie zeigen, wie vielfältig Einsatz und Nutzen des Digital Twin in der Supply Chain sind. Um eine allgemeine Übertragbarkeit der Aussagen zu ermöglichen, haben wir ähnliche Einzelanwendungen zu allgemeinen Anwendungsfällen zusammengefasst und anhand der SCOR-Phasen sowie der relevanten Branchen geordnet. In management-gerechter Form gehen wir auf drei wichtige Fragen ein:
- Zu welchem Zweck wird der Digital Twin eingesetzt?
- Welche spezifischen Daten werden benötigt?
- Was ist der Benefit?
Die Anwendungsfälle bieten Einblick und Anregung zum Einsatz der Technologie im eigenen Unternehmen. Wenn Sie mehr über die Anwendungsfälle oder über den Nutzen des Digital Supply Chain Twin erfahren möchten, sprechen Sie uns gerne an.

Optimierung und Stresstest von Lieferplänen für die Beschaffung
Branchen:
- Maschinen- und Anlagenbau
- Metallverarbeitung
- Automation und Elektronik
- Automotive und Agrartechnik
- Luft- und Raumfahrt und Verteidigung
- Konsumgüter (FMCG) und Handel
- Pharma, Chemie und Rohstoffe
- Bau- und Bauzulieferer
Welche Problemstellung wird adressiert?
Ein Unternehmen möchte seine Beschaffung und Bestände optimal-robust auf Materialverbräuche bzw. Kundenbedarf abstimmen. Dabei sollen das Inbound-Logistiknetzwerk und externe Risikofaktoren berücksichtigt werden.
- Lieferantennetzwerk mit Kapazitäten, Lieferzeiten, Einkaufspreisen und weiteren Parametern
- Aufteilung der Bestellungen auf die vorhandenen Lieferanten
- Simulation des Lieferplans unter veränderlichen Bedingungen (schwankende Kundennachfrage, Ausfall von Lieferanten sowie Verzögerungen und Ausfällen im Transport) und Anpassung zur Erhöhung der Resilienz
Welche spezifischen Daten sind erforderlich?
Neben den Stammdaten zu Standorten und Materialien sind folgende spezifische Daten und Informationen für diesen Anwendungsfall erforderlich:
- Lieferantenliste
- Einkaufspreise, Preisstaffellungen, Losgrößen
- Lieferzeiten vom Lieferanten bis in die Werke
- Aktuelle Bestände
- Materialverbräuche oder Absatzplanung
Wie profitiert das Unternehmen?
Das Unternehmen profitiert auf vielfache Weise:
- Kosten- und Preisvorteile durch verbesserte Zusammenarbeit mit den Lieferanten
- Steuerung und Abstimmung im Wareneingang und Glättung der Lagerbestände
- Steigerung der Resilienz in der Beschaffung
Produktion und Distribution unter Allokationsbedingungen
Wenn die Kundennachfrage die Produktionskapazitäten eines Unternehmens temporär übersteigt, sind die optimale Produktionsplanung und Zuteilung der Produkte entscheidend für den Service Level und den Erfolg.
Branchen:
- Metallverarbeitung
- Automation und Elektronik
- Konsumgüter (FMCG) und Handel
- Pharma, Chemie und Rohstoffe
- Bau und Bauzulieferer
- Transport und Logistik
Welche Problemstellung wird adressiert?
In einer Allokationsphase möchte ein Unternehmen gleichermaßen den Service Level halten und sein Ergebnis steigern. Dabei sollen Produktionskapazitäten so genutzt und zugeteilt werden, dass die Nachfrage möglichst umfassend und kosteneffizient bedient sowie Umsatz- und Deckungsbeitragspotentiale ausgewogen berücksichtigt werden.
- Erstellung eines mittel- bis langfristigen Produktions- und Lieferplans
- Berücksichtigung der Kosten für Herstellung und Distribution sowie der erzielbaren Preise
- Entwicklung einer optimalen Bevorratungsstrategie im Distributionsnetzwerk
Verschiedene Produktionspläne können entwickelt und miteinander verglichen werden um auf operative wie strategische Herausforderung angemessen reagieren zu können.
Dr.-Ing Kai P. Bauer, Geschäftsführer
Welche spezifischen Daten sind erforderlich?
Neben den Stammdaten zu Standorten, Kunden und Produkten sind folgende spezifische Daten und Informationen für diesen Anwendungsfall erforderlich:
- Kapazitätsangebot, Kapazitätsbedarf der Produkte sowie Rüstaufwände und Losgrößen
- Nachfrage von Kunden oder Märkten
- Kostenparameter für Herstellung, Prozessierung und Lagerung sowie Transport
Wie profitiert das Unternehmen?
Das Unternehmen kann seine Produktionskapazität gewinnmaximiert einsetzen, ohne die Kontrolle über den Service Level zu verlieren. Zudem können verschiedene Produktionspläne entwickelt und miteinander verglichen werden, um auf operative wie strategische Herausforderung im Laufe der Allokationsphase angemessen reagieren zu können.

Der Digital Twin in einer Bestandsstrategie für mehrstufige Wertschöpfungsnetzwerke
In einer mehrstufigen Supply Chain müssen an verschiedenen Knotenpunkten Bestände vorgehalten werden, um die verschiedenen internen und externen Einflussfaktoren auszugleichen. Ein Digital Twin ist ein effizientes Werkzeug zur Entwicklung einer optimalen Bestandsstrategie.
Branchen:
- Maschinen- und Anlagenbau
- Automation und Elektronik
- Automotive und Agrartechnik
- Konsumgüter (FMCG) und Handel
- Pharma, Chemie und Rohstoffe
- Bau und Bauzulieferer
Welche Problemstellung wird adressiert?
Ein Unternehmen strebt das Ziel an, die Bestände in seinem mehrstufigen Wertschöpfungsnetzwerk bezüglich Service und Profit Level optimal zu wählen. Dabei sollen Lieferprobleme, Produktionsengpässe, Bedarfsschwankungen, unvorhergesehene Ereignisse sowie nicht harmonisierte Prozesse innerhalb gegebener Grenzen ausgeglichen und Strategien für spezifische Situationen entwickelt werden.
- Berücksichtigung von Opportunitätskosten nicht erfüllter Nachfrage
- Lagerpunkte und Bestandswerte je Produkt für verschiedene Service und Profit Level
- Bewertung und Vergleich verschiedener Bestandsstrategien mittels Szenario-Technik
Das Unternehmen erhält Transparenz über die Wirksamkeit seiner Bestände.
Dr.-Ing Kai P. Bauer, Geschäftsführer
Welche spezifischen Daten sind erforderlich?
Neben den Stammdaten zu Standorten, Kunden und Produkten sind folgende spezifische Daten und Informationen für diesen Anwendungsfall erforderlich:
- Nachfrage von Kunden oder Märkten
- Standardabweichungen der Nachfrage, Bestellgrößen, Durchlaufzeiten und Lieferanten-Performance basierend auf historischen Daten, Prognosen oder Erwartungswerten
Wie profitiert das Unternehmen?
Das Unternehmen erhält Transparenz über die Wirksamkeit seiner Bestände hinsichtlich Service und Profit Level. Auf dieser Basis kann eine optimale Bestandsstrategie entwickelt und laufend angepasst werden, welche die individuellen Ziele des Unternehmens bestmöglich erfüllt.
- Berücksichtigung von Opportunitätskosten nicht erfüllter Nachfrage
- Lagerpunkte und Bestandswerte je Produkt für verschiedene Service und Profit Level
- Bewertung und Vergleich verschiedener Bestandsstrategien mittels Szenario-Technik
Investitionsentscheidungen in einer mehrstufigen Serienproduktion
Ein Digital Twin kann auch eingesetzt werden, um optimale Investitionsentscheidungen für Produktionsfaktoren zu treffen. Dabei wird das umgebende Wertschöpfungsnetzwerk in die Entscheidung einbezogen.
Branchen:
- Metallverarbeitung
- (Mikro-) Elektronik
- Automotive und Agrartechnik
- Konsumgüter (FMCG) und Handel
- Pharma, Chemie und Rohstoffe
- Bau und Bauzulieferer
Welche Problemstellung wird adressiert?
Ein Unternehmen betreibt eine Serienproduktion in einem mehrstufigen Wertschöpfungsnetzwerk. Es möchte wirtschaftlich begründete Entscheidungen zur Allokation von Produktionsfaktoren (z. B. Maschinen, Anlagen, Mitarbeitende etc.) treffen, um seinen Profit unter der Voraussetzung eines marktkonformen Service Levels zu maximieren.
- Die Kundenbedarfe sind über eine Zeitperiode verteilt und folgen einem beliebigen Verlauf.
- An den Knoten des Wertschöpfungsnetzwerkes sind Produktionsfaktoren (Gebäude, Maschinen, Systeme und Personal) allokiert. Jeder Produktionsfaktor umfasst eine spezifische Kapazitäts- und Zuverlässigkeitsangabe.
- Alle Fertigungs-, Lager- und Transportprozesse verfügen über Bearbeitungs- und Durchlaufzeiten.
Welche spezifischen Daten sind erforderlich?
Neben den Stammdaten zu Standorten, Kunden und Produkten sind folgende spezifische Daten und Informationen für diesen Anwendungsfall erforderlich:
- Kapazitäten, Durchlauf- und Wiederbeschaffungszeiten sowie Kosten für alle Wertschöpfungsstufen (inkl. Lieferanten und Distribution)
- Kapazitäten, Durchlaufzeiten und Kosten für die einzelnen Prozessschritte innerhalb der Produktion
- Verkaufspreise für die Produkte in den einzelnen Märkten
- Einkaufspreise der extern bezogenen Roh- und Halbfertigwaren
- Bestands- und Wiederbeschaffungsregeln für alle Wertschöpfungsstufen
Wie profitiert das Unternehmen?
Das Unternehmen kann eine regelmäßige Bewertung des Wertschöpfungsnetzwerkes vornehmen und dabei wirtschaftlich und operativ fundierte Entscheidungen zu Ressourcenallokation in Reaktion auf wechselnde Marktanforderungen treffen.

Dr.-Ing. Kai Philipp Bauer
Geschäfsführer
Sprechen Sie mit uns!
Sie möchten einen Digital Twin in Ihrem Unternehmen einführen oder weiterentwickeln? Senden Sie mir Ihre Nachricht und ich werde mich umgehend bei Ihnen melden.
Lieferkettenoptimierte Losgrößenplanung in der Prozessindustrie
In diesem Anwendungsfall wird eine klassische Prozesssimulation mit dem Digital Twin der Supply Chain kombiniert. Dabei wird ein besonderer Fokus auf die Prozessindustrie gelegt.
Branchen:
- Konsumgüter (FMCG) und Handel
- Pharma, Chemie und Rohstoffe
- Energie- und Wasserversorger
Das Unternehmen kann seine kontinuierliche Produktion auf Lieferanten und Kunden einstellen.
Dr.-Ing Kai P. Bauer, Geschäftsführer
Welche Problemstellung wird adressiert?
Ein Unternehmen der Prozessindustrie möchte die Losgrößenplanung seiner kontinuierlichen Produktion auf die Erfordernisse der diskontinuierlichen Supply Chain in Beschaffung und Distribution anpassen.
- Präzise Abbildung des kontinuierlichen Fertigungsprozesses
- Berücksichtigung der Haltbarkeit von Rohwaren, Zwischen- und Fertigerzeugnissen
Welche spezifischen Daten sind erforderlich?
Neben den Stammdaten zu Standorten und Produkten sind folgende spezifische Daten und Informationen für diesen Anwendungsfall erforderlich:
- Historische Kundenbedarfe
- Lieferpläne und -zeiten in der Beschaffung
- Parameter des kontinuierlichen Fertigungsprozesses Kapazitäten, Losgrößen, Prozesszeiten, produktspezifische Wechselzeiten etc.
Wie profitiert das Unternehmen?
Das Unternehmen kann seine kontinuierliche Produktion hinsichtlich Auslastung und Nutzungsgrad der Ausgangsprodukte kostenoptimal auf Lieferanten und Kunden einstellen.
Zusammenfassung
Der Digital Twin ist in der industriellen Supply Chain angekommen. Die dargestellten Anwendungsfälle belegen, wie vielfältig die Einsatzmöglichkeiten der Technologie dabei sind. Die Schwerpunkte liegen aktuell auf den Make- und Deliver-Prozessen. Gleichzeitig stellen sie lediglich einen Ausschnitt des Einsatzspektrums dar. Zahlreiche Unternehmen haben zudem begriffen, dass sich der Nutzen des Digital Twin insbesondere dann entfaltet, wenn er regelmäßig aktualisiert und fortlaufend zur Entscheidungsfindung auf operativer, taktischer und strategischer Ebene genutzt wird. Wenn Sie dieser Artikel interessiert hat, dann laden Sie sich unsere Whitepaper mit 6 weiteren Use Cases runter.

Dr.-Ing. Kai Philipp Bauer
Geschäftsführer, Hamburg
Kai Philipp Bauer studierte Maschinenbau mit Schwerpunkt Produktionstechnik und ist seit über zehn Jahren in der Beratung tätig. Er berät seine Klienten insbesondere in Fragen der Strategieentwicklung, des Operations Managements und der digitalen Transformation.