Swiss Mobility System - Digital Twin

Projektbeschreibung

Zwecks Unterstützung von Forschung und die Politikgestaltung, werden wir einen fachspezifischen Digitalen Zwilling der Schweiz erstellen, inklusive Interaktionen mit Nachbarländern. Der Digitale Zwilling des schweizerischen Mobilitätssystems wird heutige verfügbare Datensätze und Modelle nutzen. Langfristig wird sich das CSFM nicht nur für die unsere Gesellschaft sichtbar machen, sondern auch verschiedenste Forschungsgruppen an der ETH Zürich und darüber hinaus. Wir ermöglichen individuelle sowie gemeinsame Forschung auf einer hochwertigen Open-Source-Basis für aufzubauen. Darum wird  derzeit die Open Digital Twin Platform entwickelt, um Anwendungen von Open Research Data (ORD) zu verbessern und zu fördern.

Projekthintergrund

Der Begriff Digitaler Zwilling wurde 2003 geprägt, um die Übereinstimmung der physischen Welt mit einer digitalen Repräsentation durch eine Art Datensammlungsprozess in einem industriellen Kontext zu konzeptualisieren.¹ Die Idee hat sich gehalten, indem sie sich langsam von ihren industriellen Wurzeln gelöst und auf weitere Bereiche und disziplinäre Kontexte ausgeweitet hat, in welchen eine vereinfache Beschreibung für abstrakte Prozesse, wie zum Beispiel für Smart Cities, Sinn macht.² Obwohl Digitale Zwillinge in etlichen Anwendungen gefunden wurden, sind sie weiterhin undefiniert und haben in verschiedenen Bereichen  unterschiedliche Bedeutungen. Zum Beispiel stehen Digitale Zwillinge in der Luftfahrt für die Ähnlichkeit der digitalen Repräsentation mit dem höchstmöglichen physischen Grad.³ Während für Smart Cities Digitale Zwillinge lediglich eine spätere Konsistenz erfordern,² d.h. die Darstellung eines vergangenen abstrakten Stadtzustands wie Verkehrsbelastung oder Bevölkerung, im Gegensatz zur ordnungsgemäßen Simulation der physischen Bewegung von Autos und Menschen, wie es die Ähnlichkeit erfordern würde.

Sind diese diversen Verständnisse epistemologisch inkompatibel oder können sie in einem gemeinsamen Rahmen erforscht werden, der Digitale Zwillinge als offenen Standard definieren könnte? Die bisherige Arbeit an Digitalen Zwillingen beschränkt sich auf Prototypen, welche Ideen und ihre Variationen aufzeigen.^3,4,5,6,7,8 Gleichzeitig erschaffen Unternehmen neue proprietäre Normen für Digitale Zwillinge, um wie frühe Web-Browser oder Betriebssysteme zur Norm werden zu können. Wir haben die einzigartige Gelegenheit, jetzt einen offenen Standard für Digitale Zwillinge zu definieren, da weil erforderlichen Technologien für Digitale Zwillinge bereits ausgearbeitet werden und wir noch keine Standardisierung haben.

Laufende Debatten bezeichnen das semantische Internet⁹ als Kerntechnologie, um einen kompatiblen Informationesaustausch über Systeme hinweg zu ermöglichen, dies indem Wissensgraphen angewendet werden, auf welchen schlussendlich auch Digitale Zwillinge basieren könnten.^4,6 Während eine Ontologie eine entscheidende Komponente ist, um mit unbekannten Digitalen Zwillingen auf Basis eines generischen Formats zu interagieren¹⁰, kann ein Digitaler Zwilling mehr als nur Daten auszutauschen.¹¹ Die systematische Natur von Digitalen Zwillingen macht sie zu idealen Kandidaten, die FAIR-Datenstandards (auffindbar, zugänglich, interoperabel und wiederverwendbar) umzusetzen könnten, welche sich nach ORD-Praktiken richten und reproduzierbare Forschungsergebnisse ermöglichen könnten.¹² Im besten Fall werden Digitale Zwillinge zu einer offenen Norm, die als Treiber der Entwicklung wird, vergleichbar mit dem Beginn des Internets vor wenigen Jahrzehnten. Im schlimmsten Fall jedoch könnten Digitale Zwillinge in einem Kampf um die Norm hängen bleiben, so wie dazumals die Technologien von HD-DVD gegen BluRay. Unser Projekt hat das Potenzial die Entwicklung in Richtung des besseren Falles zu verschieben, indem zahlreiche Interessenvertreter mit den unterschiedlichstem Hintergründen im Center for Sustainable Future Mobility (CSFM) mit Partnern aus der Wissenschaft, der Industrie und der Regierung zusammen einen offenen Standard entwickeln werden, der über verschiedenste Einsatzgebiete hinweg langfristig anwendbar sein wird.

Industrielle Akteure, von großen multinationalen Unternehmen bis hin zu Beratern, sind bestrebt, ihre Digital Twin-Lösungen anzubieten, in der Hoffnung, bedeutende Marktanteile aus den sich abzeichnenden Anwendungsfeldern von Digital Twins zu gewinnen. Die Gründe, warum es noch keinen offenen Standard gibt, sind vielfältig, aber beinhalten auch diese wildwestlichen Annahmen einer großen unerschlossenen Möglichkeit, die erobert und abgeschirmt werden kann.¹³ Ein weiteres Problem ist, dass die zugrunde liegenden Technologien erst jetzt reifen und oft noch in der Entwicklung sind. Dies macht frühe Digital Twins instabil und anfällig für Ausfälle. Die meisten derzeitigen Akteure hoffen, eine bestimmende Kraft für die zukünftigen Digital Twins zu sein und versuchen daher, Tatsachen zu schaffen. In dieser schnelllebigen Umgebung gibt es nur wenige wirklich offene Initiativen. In der Regel drehen sie sich um spezifische EU-Projekte wie DUET⁷ oder Industrieplattformen wie das offene IoT-Ökosystem DITTO von Bosch. Diese Ansätze sind oft hardware-, aufgaben- und plattformspezifisch und bieten letztendlich keinen gemeinsamen Standard, der für alle Digital Twin-Anwendungen von Mobilität über Bau bis hin zur industriellen Produktion generalisiert werden kann.

Digital twins sind für viele Gemeinschaften attraktiv, da sie datenbasiertes Sammeln, Analyse und Präsentation von Informationen verbinden und den Nutzern, von Entscheidungsträgern und Forschern bis hin zu Bürgern, eine integrierte Sicht auf Informationen bieten. Als Ausgangspunkt werden wir uns auf das Hauptfachgebiet des Zentrums konzentrieren: Mobilität. Dazu gehört die Erstellung von synthetischen Bevölkerungen (SynPops), die eine wichtige Komponente für die auf der "New Census"-Strategie der Schweiz basierende Mobilitätsmodellierung darstellen.¹⁴ Es gibt eine große Anzahl von synthetischen Bevölkerungsmodellen, die derzeit jedoch aufgrund von Unterschieden in Annahmen nicht verglichen werden können. Die Integration dieser Modelle in einen Digital Twin ermöglicht es uns, sie vergleichbar zu machen und die Diskussion über "SynPops" durch Validierung voranzutreiben, während gleichzeitig die Mobilitätsmodellierung in der Schweiz eine stärkere und offene Grundlage erhält. Gleichzeitig befassen wir uns jedoch mit anderen Forschungsbereichen wie Energie und Landnutzung, um einen ganzheitlichen Standard zu entwickeln, der über fachliche Grenzen hinweg einsetzbar sein könnte.

Einerseits fehlen die bisher erhofften Digital Twin-basierten ORD-Praktiken.¹³ Andererseits sind wir dicht davor, Open Digital Twins zu bauen, da die konstituierenden Komponenten von Digital Twins (siehe folgendes Bild für eine detaillierte Erklärung unseres Modells) mit bestehenden ORD-Lösungen implementiert werden können.¹¹ Die physische und datenbasierte Umgebung kann von Projekten bereitgestellt werden, die die Bundesstrategie für Open Data umsetzen, wie NADIM¹⁵ (Nationale Datenvernetzungsinfrastruktur Mobilität), opendata.swiss¹⁶ und Gemeinden und Kantone, die offen die Mobilitätskenntnisse in der Schweiz aus allen verfügbaren offenen Quellen und einigen Quellen mit begrenztem Zugriff integrieren und aggregieren. Die analytische Umgebung eines Digital Twins könnte von einer offenen Wissensinfrastruktur für kooperatives und reproduzierbares Datenwissenschaft, wie Renku¹⁷, bereitgestellt werden, die beispielsweise Synpop-Modelle implementiert. Die virtuelle Umgebung zum Zugriff, Interaktion und Visualisierung von Daten kann auf klassischen Dashboards in einer Open Street Map¹⁸ oder SwissTopo¹⁹-Umgebung basieren. Letztendlich könnten sie möglicherweise mit modernen Visualisierungsansätzen auf der Grundlage von Extended Reality (XR)-Anwendungen implementiert werden.¹¹ Das Kernstück dieses Projekts wird sein, ORD-Lösungen für die Verbindungsumgebung bereitzustellen, die im Experiments as Code-Paradigma entwickelt wurden und die es uns ermöglichen, diese laufenden Bemühungen zu verknüpfen.²⁰ Dadurch ermöglichen wir eine einfache Interaktion mit Mobilitätsdaten und fördern reproduzierbare Workflows, die die ORD-Praktiken im Bereich der Mobilitätsforschung auf die nächste Stufe bringen.