Industrial

Metaverse

Verschmelzung von physischem und virtuellem Raum

Ihre Ansprechpartnerin

Heike Wohlfeld

Forschungskoordinatorin ARENA2036 e.V.

Generierung Digitaler Zwillinge von Produktionsmitteln

Für viele mittelständische Unternehmen wirkt das Industrial Metaverse noch wie ferne Zukunftsmusik. Es mangelt an echten Praxisbeispielen, die Aufwand und Nutzen klar benennen. Genau hier setzen wir an: Im Projekt „Reallabor Industrial Metaverse“ der ARENA2036 holen wir die Technologie aus der Theorie direkt auf unseren Shopfloor.

Unser Ziel: Den technologischen Einstieg für den Maschinen- und Anlagenbau so einfach wie möglich zu machen. An unseren Anlagen können Sie nachvollziehen, wie digitale Zwillinge die Planung beschleunigen, Fehler reduzieren und die Zusammenarbeit über Firmengrenzen hinweg spürbar erleichtern.

Wie das im produktiven Umfeld aussieht, zeigen unsere vier aktuellen Best-Practice-Cases. Schritt für Schritt führen wir dabei Geometrie, Kinematik und reale Maschinendaten im virtuellen Raum zusammen.

Strategie und Fundament
staeubli

Asset Connectivity im Industrial Metaverse

Echtzeit-Datentransfer vom Shopfloor in die Cloud. Ein digitaler Zwilling ist nur so gut wie seine Datenbasis. Bei dieser Anlage spiegeln wir den realen Status von drei Robotern über IoT-Protokolle live ins System. Das Resultat ist eine autonome und kollisionsfreie Prozesssteuerung, die auf echten Produktionsdaten in Echtzeit basiert.

KochPAC

Virtuelle Prozessgestaltung mit Digitalen Zwillingen

Schnittstellen zwischen Experten-Tools und virtueller Umgebung Hier demonstrieren wir die Anbindung etablierter Werkzeuge an Plattformen wie NVIDIA Omniverse. Wir zeigen, wie Sie SPS-Simulationen, dynamische Prozesse und Kollisionsprüfungen direkt im digitalen Zwilling nutzen ohne dabei funktionierende Experten-Workflows (z. B. mit ISG-virtuos) aufgeben zu müssen.

Unitree

Humanoider Roboter: Interaktion und Training im virtuellen Raum

Komplexe Dynamik und Physical AI. Vom einfachen URDF-Import bis zum fortgeschrittenen Reinforcement Learning: In diesem Szenario trainieren wir humanoide Roboter in einer physikalisch korrekten Simulation. Indem wir Faktoren wie Reibung und Trägheit exakt abbilden, bereiten wir die Systeme realitätsnah und sicher auf hochdynamische Aufgaben vor.

Kuka

Integration von Geometrie und Kinematik

Wir übertragen einen KUKA Roboter mitsamt seiner spezifischen Prozess-Animationen nahtlos in eine übergreifende Fabriksimulation. Dieser Case veranschaulicht den Weg: von den reinen Konstruktionsdaten bis zum voll funktionsfähigen digitalen Zwilling.