Modellierung und Simulation zur Unterstützung der Konformität: Überblick und wesentliche Vorteile

Unternehmen stehen branchenübergreifend zunehmend unter Druck, innovative und qualitativ hochwertige Produkte zu entwickeln und dabei gleichzeitig immer komplexere regulatorische Anforderungen sowie Industriestandards einzuhalten. Vor diesem Hintergrund verändert Modellierung und Simulation (auch als M&S bezeichnet) die Art und Weise, wie Produkte entwickelt, geprüft und zertifiziert werden. Unabhängig verifizierte und validierte Modellierung und Simulation schaffen frühzeitig belastbare Erkenntnisse, reduzieren den Einsatz physischer Prototypen und fördern konsistente Entwicklungsentscheidungen. So können Hersteller Entwicklungsprozesse beschleunigen und fundiertere Entscheidungen treffen. Aber was bedeuten Modellierung und Simulation in der Praxis? Wo können sie einen Mehrwert bieten, und wo sind physikalische Prüfungen nach wie vor unverzichtbar?

Was versteht man unter Modellierung und Simulation?

Bei der Modellierung und Simulation wird ein digitales Modell eines realen Produkts, Systems, Prozesses oder Phänomens erstellt, das anschließend genutzt wird, um dessen Verhalten unter verschiedenen Bedingungen zu analysieren. Durch das sogenannte virtuelle Prototyping können Entwicklungsteams Entwürfe frühzeitig bewerten und die spätere Produktleistung prognostizieren – noch bevor ein physischer Prototyp entsteht. Das U.S. Department of Defense (DoD)^[1] und die National Aeronautics and Space Administration (NASA)^[2] definieren ein Modell als eine physische, mathematische oder logische Abstraktion der Realität. Eine Simulation beschreiben sie als die Ausführung dieses Modells über einen bestimmten Zeitraum, um dessen Verhalten zu untersuchen. Diese Definitionen verdeutlichen die Bedeutung von Kontext, Nachverfolgbarkeit und Glaubwürdigkeit für jede Simulationsaktivität.

Digitale Zwillinge

Digitale Zwillinge führen die Prinzipien der Modellierung und Simulation noch einen Schritt weiter. Während Modellierung und Simulation traditionell vor allem in der Entwicklungs- und Validierungsphase eingesetzt werden, um verschiedene „Was-wäre-wenn“-Szenarien zu untersuchen, erweitert ein digitaler Zwilling – ein dynamisches, in Echtzeit aktualisiertes digitales Gegenstück eines physischen Produkts oder Systems – diese Möglichkeiten auf die Betriebsphase. Digitale Zwillinge bilden durch die Integration von Echtzeitdaten aus Sensoren und vernetzten Geräten den aktuellen Zustand des physischen Systems kontinuierlich ab. Dadurch ermöglichen sie vorausschauende Analysen, die Überwachung ganzer Flotten, Leistungsoptimierungen und proaktive Instandhaltungsstrategien. Dadurch werden statische Modelle zu dynamischen Systemen, die nicht nur simulieren, sondern auch Entwicklungen antizipieren. So können Unternehmen Komplexität besser beherrschen und die Zuverlässigkeit über den gesamten Produktlebenszyklus hinweg steigern.

Die Bedeutung vertrauenswürdiger Modelle

Verkürzte Produktentwicklungszyklen, eine zunehmende Komplexität und Miniaturisierung sowie steigende regulatorische Anforderungen belasten Budgets und Laborressourcen zunehmend. Häufige Designänderungen erhöhen nicht nur den Bedarf an physischen Prototypen, sondern auch das Risiko von Nichtkonformität in späteren Entwicklungsphasen und damit verbundene Nacharbeiten. Modellierung und Simulation können Unternehmen bereits frühzeitig detaillierte und wiederholbare Erkenntnisse liefern und ihnen so helfen, diese Herausforderungen effizient zu meistern. Die Qualität eines Modells bemisst sich letztlich an der Vertrauenswürdigkeit seiner Prognosen.

Damit Modelle als Grundlage für Entscheidungen dienen können – etwa für technische Zielkonflikte, Fehleranalysen oder Zertifizierungsprozesse –, müssen ihre Annahmen nachvollziehbar, ihre Eingangsdaten rückverfolgbar und ihre Validierungsprüfungen so ausgelegt sein, dass die Unsicherheit gegenüber dem realen physikalischen System quantifiziert werden kann.

Verifizierung und Validierung (V&V) – mit besonderem Fokus auf die Unterstützung von Zertifizierungsentscheidungen – stehen im Mittelpunkt dieses Prozesses und sind entscheidend, um die Glaubwürdigkeit eines Modells nachzuweisen.

Bei der Verifizierung wird geprüft, ob ein Rechenmodell korrekt erstellt wurde und die vorgesehenen mathematischen Gleichungen unter Anwendung der geeigneten physikalischen Grundlagen löst. Dieser Schritt stellt sicher, dass die Modellstruktur und die Teilmodelle für die abzubildenden Phänomene geeignet sind. Zudem hilft er, eine übermäßige Abhängigkeit von Parameteranpassungen zu vermeiden, die zwar zu bestehenden Daten passen, unter neuen Bedingungen jedoch versagen könnten. Das Modell kann genau dann als Prognoseinstrument verwendet werden, wenn es auf den richtigen physikalischen Grundlagen basiert.

Bei der Modellvalidierung, die physikalisch in einer Laborumgebung durchgeführt wird, wird bewertet, wie gut das Modell das reale Verhalten nachbildet. Dazu wird es unter denselben Bedingungen wie physikalische Prüfungen ausgeführt und die Ergebnisse werden mit den Messdaten verglichen. Während die Parameter angepasst werden können, um die Übereinstimmung zu verbessern, stellt die Validierung sicher, dass diese Anpassungen innerhalb angemessener Grenzen bleiben und die Prognosefähigkeit des Modells nicht beeinträchtigt wird. Dieser Prozess zeigt, dass das Modell nicht nur technisch korrekt, sondern auch für die beabsichtigte Anwendung glaubwürdig ist.

In Kombination können Verifizierung und Validierung Simulationen in ein Tool verwandeln, das Designoptimierung, Konformität und Zertifizierungsentscheidungen unterstützt. Leitlinien und Standards der U.S. Food and Drug Administration (FDA),^[4] der National Aeronautics and Space Administration (NASA)^[5],[6] sowie der American Society of Mechanical Engineers (ASME)^[7] betonen, dass die Bedeutung und der Umfang von V&V an das Risiko und die Auswirkungen der zu unterstützenden Entscheidungen angepasst werden sollten. Dabei ist eine klare Dokumentation von Kontext, Annahmen und Einschränkungen erforderlich.

Die wichtigsten Vorteile von Modellierung und Simulation

Durch die Einbindung von Simulation in den Entwicklungsprozess können Unternehmen von verschiedenen wesentlichen Vorteilen profitieren. Dazu gehören:

• Ein besseres Verständnis komplexer Systeme – Mithilfe von Simulationen können Teams erkennen, wie verschiedene Teile eines Produkts oder Systems miteinander interagieren, selbst wenn diese Zusammenhänge in der Realität nur schwer zu erkennen sind.
• Probleme früher erkennen – Unternehmen können Ideen schnell testen und potenzielle Probleme erkennen, bevor sie in die Entwicklung physischer Prototypen oder Werkzeuge investieren.
• Zeit und Geld sparen – Durch den Einsatz virtueller Modelle können Hersteller die Anzahl der benötigten physischen Prototypen reduzieren, Labortests gezielt einsetzen, Entwicklungsprozesse beschleunigen und Kosten senken.
• Fundiertere Entscheidungen treffen – Klare Versuchs- und Untersuchungspläne, Sensitivitätsanalysen und nachvollziehbare Vergleichsdaten können Teams unternehmensweit dabei helfen, an einem Strang zu ziehen und fundierte Entscheidungen zu treffen.
• Risikominderung durch virtuelle Prüfungen – Durch die virtuelle Prüfung von Entwürfen können Teams Risiken früher erkennen und beheben, wodurch kostspielige Änderungen in späten Entwicklungsphasen und andere unerwartete Probleme vermieden werden können.

Arten von Modellierungsansätzen

Bei der Bewertung von Produkten hinsichtlich ihrer Konformität lassen sich Modellierungsansätze typischerweise in zwei große Kategorien einteilen: computergestützte Multiphysik-Modelle sowie statistische Modelle oder maschinelle Lernmodelle.

Computergestützte Multiphysik-Modelle basieren auf den Gesetzen der Physik und verwenden mathematische Gleichungen, um komplexe Wechselwirkungen wie Wärmeübertragung, Strömungsverhalten, mechanische Spannungen und elektromagnetische Phänomene innerhalb eines Produkts oder Systems zu simulieren. Diese Modelle werden mithilfe spezialisierter Software erstellt und basieren auf präzisen physikalischen Parametern sowie Randbedingungen, um das Verhalten realer Systeme abzubilden.

Statistische und maschinelle Lernmodelle sind datengesteuert. Sie nutzen historische Daten und fortschrittliche Algorithmen, um Muster zu erkennen, Vorhersagen zu treffen oder Ergebnisse zu klassifizieren. Anstatt die zugrunde liegende Physik direkt zu modellieren, erkennen statistische und maschinelle Lernmodelle Muster und Zusammenhänge aus Daten. Dadurch eignen sie sich besonders für Situationen, in denen die physikalischen Abläufe sehr komplex oder nur unvollständig bekannt sind.

V&V ist für beide Modelltypen unverzichtbar, doch der Ansatz unterscheidet sich. Bei computergestützten Multiphysik-Modellen dient die Verifizierung dazu, sicherzustellen, dass das mathematische Modell korrekt implementiert wurde. Dabei wird überprüft, ob die Software die Gleichungen wie vorgesehen löst und numerische Fehler minimiert werden. Bei der Validierung werden die Modellvorhersagen mit physikalischen Testdaten verglichen, um zu bestätigen, dass das Modell das System für den vorgesehenen Verwendungszweck genau abbildet. Ebenfalls von entscheidender Bedeutung ist die Unsicherheitsquantifizierung, da diese Modelle auf Eingangsparametern beruhen, deren Werte variieren können.

Bei statistischen und maschinellen Lernmodellen konzentriert sich die Verifizierung auf die korrekte Implementierung der Algorithmen und die Datenverarbeitung. Die Validierung erfolgt durch die Bewertung der Vorhersageleistung anhand unabhängiger Datensätze und statistischer Leistungskennzahlen. Unsicherheiten werden in diesem Kontext häufig durch Konfidenzintervalle oder Robustheitsanalysen beschrieben. Sofern die Modelle verifiziert und validiert wurden, können beide Modellierungsansätze wertvolle ergänzende Nachweise zur Unterstützung technischer Bewertungen und des Konformitätsnachweises liefern.

Die Vertrauenswürdigkeit eines Modells wird durch einen transparenten Modellverifizierungs- und -validierungsprozess (MV&V) nachgewiesen, der auf den jeweiligen Anwendungskontext abgestimmt ist und sich an den physikalischen Prüfungen orientiert, die das Modell unterstützen soll.

Wo Modellierung und Simulation einen Mehrwert schaffen und wo physikalische Prüfungen unverzichtbar bleiben

Um den Nutzen von Modellierung und Simulation optimal auszuschöpfen, müssen Unternehmen zunächst erkennen, in welchen Bereichen diese digitalen Tools den größten Mehrwert bieten und in welchen Fällen physikalische Prüfungen weiterhin unverzichtbar sind. Modellierung und Simulation eignen sich hervorragend für thermische Untersuchungen, Analysen des Temperaturanstiegs und des Luftstroms, die Untersuchung mechanischen Verhaltens sowie die Ermittlung von Leistungsgrenzen. So tragen sie dazu bei, das Verhalten von Hotspots vorherzusagen, die Kühlleistung zu optimieren und Worst-Case-Konfigurationen über Produktfamilien hinweg zu identifizieren. Design-Space-Screening und Sensitivitätsanalysen unterstützen zudem die technische Beurteilung. Sie helfen Unternehmen, die Anzahl erforderlicher Prototypen zu reduzieren und Versuchspläne bereits vor den Laborprüfungen gezielt auszulegen, sodass physikalische Prüfungen gezielt dort durchgeführt werden, wo sie den größten Erkenntnisgewinn liefern.

Einige Unternehmen profitieren von einem hybriden Ansatz. So können beispielsweise Brandverhalten und Entflammbarkeit mithilfe von Simulationen untersucht werden, um Temperaturgradienten und Gehäuseeffekte zu analysieren. Für den Konformitätsnachweis sind jedoch weiterhin Prüfungen gemäß den einschlägigen Normen und Regelwerken erforderlich. Ebenso können bei komplexen Multiphysik-Szenarien mit unsicheren Eingangsparametern Simulationen genutzt werden, um die äußeren Grenzen potenzieller Risiken abzuschätzen und Worst-Case-Szenarien zu identifizieren. Damit der Umfang physikalischer Prüfungen reduziert werden kann, sind jedoch Validierungsdaten und eine Unsicherheitsquantifizierung erforderlich.

Bestimmte Aspekte des Konformitätsnachweises erfordern weiterhin zwingend physikalische Prüfungen. So erfordern beispielsweise genormte Konformitätsprüfungen zur elektromagnetischen Verträglichkeit (EMV), zur Spannungsfestigkeit, zu Kurzschluss- und Abstandsanforderungen sowie zur Langzeitalterung, Umweltbeständigkeit und Variabilität bei realen Fertigungstoleranzen weiterhin empirische Daten. Der Grund ist, dass Simulationen allein die zugrunde liegenden Degradationsmechanismen oder -verteilungen nicht vollständig abbilden können.

Priorisierung von Prüfungen und Simulationen zur Maximierung des Nutzens

Bei der Festlegung der ersten Schritte sollten Simulationen nach ihrem Einfluss auf Zeit- und Kostenaufwand priorisiert werden. Kurzfristige Schwerpunkte können thermische Untersuchungen bzw. Temperaturprüfungen, mechanische Prüfungen (Vibration), Brandschutz, Geräuschemissionen sowie Bewertungen zur Leckage brennbarer Kältemittel umfassen. Zukünftige Prioritäten können Kurzschlussfestigkeit, Spannungsfestigkeit, elektromagnetische Verträglichkeit, Komponentenausfälle und Abstandsvermessungen umfassen. Das gilt für:

• Materialien
• Komponenten wie Steckverbinder, Schalter, Sensoren, Kabel und Netzteile
• Endprodukte, darunter Medizinprodukte, Industrieanlagen, IT-Ausrüstung, Konsumgüter und Klimatechnik
• Ökosysteme wie intelligente Gebäude, Produktionsumgebungen und Rechenzentrums-Infrastrukturen

Branchenübergreifend akzeptieren Behörden validierte Modelle zunehmend als ergänzenden Nachweis – nicht jedoch als vollständigen Ersatz. Aus diesem Grund integriert UL Solutions die Modellverifizierung und -validierung (MV&V) gezielt in klassische Bewertungsverfahren und versteht digitale Modelle als Ansatz, um die Anzahl physikalischer Prüfungen zu reduzieren und diese gezielter einzusetzen.

Von der Modellentwicklung bis zur Unterstützung der Konformität: der MV&V-Prozess

Nachdem der Kunde das digitale Modell entwickelt hat, kann UL Solutions MV&V anhand eines definierten Anwendungskontexts durchführen. Dazu erstellen wir einen Prüfplan, der auf die vorgesehenen Normen abgestimmt ist, und vergleichen die Simulationsergebnisse mit Prüfdaten, die in unseren Laboren oder in zugelassenen externen Laboren im Rahmen des Data Acceptance Program (DAP) erzeugt wurden. Das Ergebnis ist ein MV&V-Bericht, in dem Umfang, Datensätze, Akzeptanzkriterien und Unsicherheiten dokumentiert werden. Prüf- und Bewertungsstellen können diese Nachweise bei zukünftigen Zertifizierungen heranziehen. Dadurch können Kunden validierte Submodelle für verschiedene Produktfamilien oder Plattformen wiederverwenden, Simulationen parallel ausführen, um Konstruktionsvarianten schneller zu bewerten, und Laborprüfungen auf besonders relevante Bereiche fokussieren. Ein verantwortlicher Ingenieur bestätigt die Eignung der Simulation, während Prüf- und Bewertungsstellen festlegen, wie das Modell zur technischen Beurteilung beiträgt. Wo Normen Simulationen bislang nicht als Ersatz für Prüfungen zulassen, ergänzen Modelle die erforderlichen Prüfungen, anstatt sie zu ersetzen.

Die Rolle von Modellierung und Simulation im heutigen Zertifizierungsprozess

Prüf- und Bewertungsstellen von UL Solutions können eine technische Beurteilung vornehmen, um zu bestimmen, ob bereits vorhandene Daten – und damit auch validierte Simulationsergebnisse – einen ausreichenden Bezug und eine ausreichende Relevanz für die vorgeschlagene Konstruktion aufweisen, um ausgewählte Prüfungen zu reduzieren oder darauf zu verzichten. Die Integration bewährter Modelle in klassische Bewertungsverfahren kann Teams dabei unterstützen, die Prüfungen mit dem größten Mehrwert gezielt auszuwählen.

Geschäftlicher Nutzen: effizientere und sicherere Designentscheidungen

Validierte digitale Zwillinge können die Entwicklungszeit verkürzen, die Anzahl erforderlicher Prototypen reduzieren und frühzeitig technische Erkenntnisse liefern, die dazu beitragen, das Risiko einer späten Nichtkonformität zu verringern. Dies kann zu einer schnelleren Markteinführung, geringeren Prüfkosten und fundierteren Designentscheidungen führen.

Neben Zeit- und Kostenvorteilen kann MV&V auch zu einer höheren Konsistenz beitragen. Werden dieselben physikalischen Annahmen, Randbedingungen und Akzeptanzkriterien eines verifizierten Modells auf vergleichbare Konstruktionen übertragen, können Prüf- und Bewertungsstellen über ein Produktportfolio hinweg einheitlichere technische Bewertungen vornehmen.

Digitale Modellverifizierung und -validierung in der Praxis

Ein Meilenstein für die digitale Zertifizierung wurde 2024 erreicht, als UL Solutions Siemens die erste Zertifizierung unter Einsatz digitaler Modellierung und Simulation für die Frequenzumrichter SINAMICS G220 verlieh.^[8] Mithilfe eines verifizierten und validierten digitalen Zwillings konnte Siemens die für UL/IEC 61800-5-1 („Standard for Adjustable Speed Electrical Power Drive Systems — Part 5-1: Safety Requirements — Electrical, Thermal and Energy“) erforderliche kritische Temperaturanstiegsprüfung mittels Simulation durchführen. Dadurch konnte der Umfang gezielter physikalischer Prüfungen deutlich reduziert werden.

Vertrauenswürdige Modelle für skalierbare Konformität

Transparente Modelle mit nachvollziehbaren Eingangsparametern, dokumentierten Aktualisierungen und klar definierten Anwendungsgrenzen schaffen Vertrauen und können wiederholt eingesetzt werden. MV&V-Artefakte wie Umfang, Validierungsdatensätze, Akzeptanzkriterien und Unsicherheitsanalysen ermöglichen es, verifizierte und validierte Modelle innerhalb ihres definierten Anwendungskontexts auf benachbarte Varianten zu übertragen und durch Parallelisierung zu skalieren.

Modellierung und Simulation verändern die Produktentwicklung und Konformitätsstrategien zunehmend. Daher ist es wichtig zu verstehen, wie V&V die Vertrauenswürdigkeit von Modellen sicherstellt. Erfahren Sie mehr darüber, wie die Verifizierung und Validierung von Modellierung und Simulation Ihre Konformitätsziele unterstützen kann. Wenden Sie sich dazu an unsere Experten oder besuchen Sie unsere Seite „Verifizierung und Validierung von Modellierung und Simulation für Konformität“.

[1] U.S. Department of Defense. 2024. DoD Instruction 5000.61 DoD Modeling and Simulation Verification, Validation, and Accreditation. 
[2] National Aeronautics and Space Administration. 2024. NASA-STD-7009B: Standard for Models and Simulations. 
[3] American Society of Mechanical Engineers. 2016. Overview of ASME V&V 20-2009 Standard for Verification and Validation in Computational Fluid Mechanics and Heat Transfer. 
[4] U.S. Food and Drug Administration. 2023. Assessing the Credibility of Computational Modeling and Simulation in Medical Device Submissions: Guidance for Industry and Food and Drug Administration Staff. 
[5] National Aeronautics and Space Administration. 2024. NASA-STD-7009B: Standard for Models and Simulations. 
[6] National Aeronautics and Space Administration. 2019. NASA Handbook for Models and Simulations: Implementation Guide for NASA-STD-7009. 
[7] Stress Engineering Services Inc. 2022. V&V 40: Computational Modeling for Medical Devices. 
[8] UL Solutions. 2024. UL Solutions Grants Siemens First Certification Using Digital Modeling and Simulation.