Datenbarrieren überwinden: Wie führende Unternehmen die Simulation durch Datenintegration revolutionieren

Auf der Simio Sync 2026 kristallisierte sich in den Präsentationen von Boeing, Chevron, Northwell Health, SimWell und anderen Branchenführern ein gemeinsames Thema heraus: Die Qualität der Simulationsergebnisse hängt direkt davon ab, wie effektiv Unternehmen mit der Datenintegration und der Workflow-Automatisierung umgehen. Wie Jason, ein leitender Ingenieur der Consulting and Services Group von Simio, in seinem Vortrag über funktionale Anforderungen betonte, wird die Qualität Ihres Modells durch die Klarheit Ihrer Anforderungen begrenzt" - ein Grundsatz, der über die Anforderungen hinausgeht und das gesamte Datenökosystem umfasst, das moderne Simulationsumgebungen speist.

Die Konferenz zeigte einen Wandel, der sich in allen Branchen vollzieht - von der Luft- und Raumfahrt über das Gesundheitswesen bis hin zum Energiesektor -, wo Unternehmen von manuellen Datenprozessen zu integrierten, automatisierten Simulations-Workflows übergehen, die Erkenntnisse in Minuten statt in Wochen liefern.

Die Datenherausforderung: Ein universelles Problem über alle Branchen hinweg

Warum Simulationsprojekte schwierig sind

Wie auf der Sync-Konferenz dargelegt, scheitern Simulationsprojekte häufig nicht an technischen Modellierungsproblemen, sondern an grundlegenden Daten- und Anforderungsproblemen. Jason Ceresoli von Simio erklärte: "Die meisten Modelle sind korrekt aufgebaut, folgen guten Praktiken und sind technisch solide. Das eigentliche Problem ist, dass sie die falschen Fragen beantworten. Wenn das passiert, beginnt sich der Umfang auszuweiten. Die Abstimmung beginnt zu scheitern und die Beteiligten verlieren das Vertrauen."

Er fuhr fort: "In der Regel sehen wir bei Projekten einen solchen Arbeitsablauf. Man definiert das Problem, erstellt das Modell und liefert die Ergebnisse. Und ehrlich gesagt, ist das auch sinnvoll. Das Modellieren ist der spaßige Teil. Es fühlt sich wie Fortschritt an. Das ist der Bereich, in dem wir als Simulanten und Modellierer natürlich unsere Zeit verbringen wollen. "Aber wenn wir eine strukturierte Anforderungsphase auslassen, passiert Folgendes: Die Anforderungen entstehen während der Entwicklung. Die Beteiligten reagieren auf das, was sie sehen, anstatt ihre Bedürfnisse im Voraus zu definieren, und der Umfang beginnt sich unkontrolliert auszuweiten."

Diese Herausforderung wird durch die Tatsache verschärft, dass die Datenvorbereitung in der Regel 60 bis 80 % der Zeit für Simulationsprojekte in Anspruch nimmt, so dass nur wenig Zeit für die Analyse und Entscheidungsfindung bleibt, die den tatsächlichen Geschäftswert steigern.

Datenintegration in der realen Welt: Lehren aus Simio Sync 2026

SimWell und Mitchel Lincoln: Verwaltung komplexer Fertigungsdaten

Die Präsentation von SimWell über die Skalierung eines Wellpappenwerks mit einer jährlichen Produktionskapazität von 2 Milliarden Quadratmetern bot überzeugende Einblicke in die datengesteuerte Simulation. Joanie Robichaud und Akrem Dhahri, Simulationsberater bei SimWell, zeigten zusammen mit Christian Roy, VP of Operations and Supply Chain bei Mitchel Lincoln, wie sie eine komplexe Fertigungsherausforderung bewältigten, bei der Engpässe das Werk daran hinderten, seine theoretische Kapazität zu erreichen.

"Der erste Grund, warum wir uns für Simio entschieden haben, ist, dass es wirklich datengesteuert ist", erklärte das SimWell-Team. "Es ist einfach, viele Datentabellen zu haben und sie in der Software gut zu organisieren, um sie effizient im Modell zu nutzen. Wie bereits erwähnt, sind die Aufträge sehr individuell. Jeder Auftrag ist auf den Kunden zugeschnitten. Das bedeutet also schon eine Menge Daten."

Die Struktur ihres Simulationsmodells ist ein Beispiel für moderne Datenintegration: Die Eingabedaten umfassten alle historischen Produktionsdaten - die Anzahl der Dateien, die Merkmale der Aufträge, die nach Verteilungen, Flüssigkeiten, Farben, Maschinenparametern, Produktionsplänen, Zykluszeiten, Rüstzeiten und der Verfügbarkeit von Arbeitskräften in Familien aufgeteilt waren. Das Simulationsmodell enthielt den gesamten Materialfluss, die Routingregeln, die Betriebslogik und die gerätespezifischen Parameter. Die Ergebnisse konzentrierten sich auf die Messung des Durchsatzes, die Auslastung der Anlagen, die Analyse des Zeitzustands und die Verfolgung der Warteschlange für die laufenden Arbeiten.

Das SimWell-Team nutzte die Experimentiermöglichkeiten von Simio ausgiebig: Wir haben die Experimentierfunktion, die Registerkarte "Experiment" von Simio, intensiv genutzt. So konnten wir schnelle Parameteranpassungen vornehmen und uns die Reaktionsvariablen und ihre Veränderungen genau ansehen. Wenn wir Szenarien änderten, nutzten wir das, um Sensitivitätsanalysen durchzuführen ... um wirklich schnell die Engpässe zu identifizieren."

Wichtige Innovation bei der Datenintegration: Das SimWell-Team vereinfachte ein Garagensystem mit 65 Fahrspuren auf 15 Fahrspuren, wobei die Gesamtkapazität erhalten blieb. Da historische Daten für die Be- und Entladezeiten der Züge fehlten, erstellten sie Gleichungen auf der Grundlage der Stapeltiefe und der Ladezyklen: "Unser Systemexperte schätzte, dass die Gleichung davon abhängt, wie tief der Stapel in der Garage ist ... und von der Anzahl der Ladezyklen, die stattfinden müssen."

Joanie von SimWell erläuterte die Entwicklung der Gleichung: "Wenn man zum Beispiel einen so großen Stapel hat, hat der Zug drei Förderbänder. Er muss also nur diesen einen Stapel anschieben und schon ist er geladen. Das war's. Wenn man aber kleinere Stapel hat, muss man jedes Förderband einzeln beladen. Dann wäre y gleich drei Ladezyklen. Und x wäre dann die Tiefe."

Northwell Health: Datenmodellierung für die Notaufnahme

Die Präsentation von Northwell Health zur Optimierung des Patientenflusses in der Notaufnahme demonstrierte eine ausgeklügelte Datenintegration im Gesundheitswesen. Das Team kombinierte qualitative und quantitative Daten, um ein umfassendes Simulationsmodell zu erstellen, das auf einen prognostizierten Anstieg des Patientenaufkommens um 10-30 % nach der Schließung eines nahe gelegenen Krankenhauses reagiert.

Das Modell von Northwell Health umfasste neun verschiedene Entitätstypen auf der Grundlage von Triage-Stufe und Ankunftsmodus, mit angepassten Ankunftsraten, durch statistische Verteilungen definierten Aufgabenprozesszeiten, Routing-Wahrscheinlichkeiten und präzisen wöchentlichen Personalplänen. Liam Coen vom Northwell-Team erklärte: "Wir haben die obersten 5 % der Patienten in allen unseren Verteilungen aufgrund von Dokumentationsausreißern herausgefiltert und eine weitere Validierung durchgeführt, um zu sehen, warum dies angemessen war", was ein Beweis für strenge Datenvalidierungsprozesse ist.

Ihr Ansatz zur Datenintegration: "Wir verwenden eine externe Software, um die Verteilungen auf der Grundlage unserer Eingabedaten anzupassen... die blaue Linie sind die echten Daten, und die rote Linie ist eine angepasste Datenlinie... eine Pearson-Sechs-Verteilung, im Wesentlichen eine Normalverteilung, die nach links geneigt ist."

In der Präsentation von Northwell Health wurden künftige Möglichkeiten hervorgehoben, wobei darauf hingewiesen wurde, dass die von Simio entwickelten Python-Integrationsfunktionen die Verteilungsanpassungsprozesse erheblich vereinfachen könnten, insbesondere für große Datensätze aus dem Gesundheitswesen, die Zehntausende oder Hunderttausende von Patientenbegegnungen enthalten.

Chevron: Von der Intuition zur Einsicht im Ingenieur- und Bauwesen

Die Präsentation von Chevron mit dem Titel "Von der Intuition zur Einsicht: Wie Chevron die Simulation zur Verbesserung der Leistung im Ingenieur- und Bauwesen einsetzt" zeigte die Herausforderungen der Datenintegration bei verschiedenen Projekttypen auf. Nick Wann, Berater für Projektdurchführung bei Chevron, stellte mehrere Fallstudien vor, die zeigten, wie die Simulation die Entscheidungsfindung in komplexen Umgebungen verändert.

Technisches Produktionssystem: ISO-Zeichnungsproduktion

In der ersten Fallstudie ging es um die Erstellung von 100 isometrischen Rohrleitungszeichnungen pro Woche für die Fertigung von Offshore-Plattformen in Korea. "Die Folge davon ist, dass ganze Fabrikationsanlagen stillstehen, weil sie auf technische Zeichnungen warten. Die Konsequenzen sind also ziemlich hoch", erklärte Nick von Chevron. Dieses Umfeld, in dem viel auf dem Spiel steht, erforderte eine genaue Datenintegration, um die Prüf- und Nachbearbeitungszyklen zu modellieren, die den technischen Arbeitsabläufen eigen sind.

Der Ansatz von Chevron umfasste die Verfolgung mehrerer Prozessschritte - Zeichnungsvorbereitung, Prüfung, Korrektur, Gegenprüfung, Qualitätskontrolle - jeweils mit den damit verbundenen Nachbearbeitungswahrscheinlichkeiten und Ressourcenanforderungen. Die Analyse ergab, dass herkömmliche Berechnungen die Variabilität nicht berücksichtigten: "Wir sagten, dass wir eigentlich drei und ein Drittel der Ressourcen benötigen, um 100 ISOs pro Woche zu erreichen. Aber wir runden auf vier auf... Nun, der Auftragnehmer schlug dem Eigentümer vor... vier Vollzeitressourcen plus eine Teilzeitressource."

Die Simulation bestätigte die Forderung des Auftragnehmers, indem sie die Prozessvariabilität einbezog, die bei statischen Berechnungen nicht berücksichtigt wurde, was den Wert der datengesteuerten Simulation gegenüber vereinfachten analytischen Ansätzen zeigt.

Optimierung der Lkw-Route: Entscheidungsfindung in Echtzeit

Eine weitere Fallstudie im Rahmen der Präsentation befasste sich mit der Optimierung von Lkw-Routen in einem Bergwerksrekultivierungsbetrieb. Nick von Chevron demonstrierte die schnelle Umsetzung von Simulationserkenntnissen zur Implementierung: "Was wir taten, war, dem Auftragnehmer Empfehlungen zu geben. Aber sie sahen diese Ergebnisse. Am nächsten Tag übten die Fahrer die neue Route, und am dritten Tag war der Verkehr auf der Baustelle vollständig umgekehrt."

Dieses Beispiel veranschaulicht die Leistungsfähigkeit gut integrierter Datenworkflows: Die Simulation konnte Sicherheitsszenarien testen (Umkehrung des Verkehrs zur Verringerung von Fahrzeuginteraktionen), die Auswirkungen quantifizieren (50 % weniger Fahrzeuginteraktionen, 6 % Produktivitätssteigerung) und eine nahezu sofortige Umsetzung ermöglichen.

Nick von Chevron fasste die Kernaussage zusammen: "Die Stärke liegt offensichtlich in den Experimenten und der Durchführung mehrerer Simulationen und der Zusammenfassung all dieser Informationen. Die Führungsteams... lieben die Simulationen. Sie lieben es, zu sehen, wie sich die Dinge bewegen. Das macht sich gut in Präsentationen. Aber die Kraft liegt in den Daten."

Boeing: Dynamische Arbeitsbewegungen und kulturelle Datenintegration

Die Präsentation von Boeing über die Modellierung dynamischer Arbeitsbewegungen berührte auch die umfassenderen organisatorischen Aspekte der Datenintegration. Das Boeing-Team betonte: "Angesichts dieser Realitäten sind Tabellenkalkulationen und statische Analysen oft unzureichend. Und genau hier kommt die Simulation ins Spiel und glänzt, indem sie ein realistisches Modell des Produktionssystems erstellt."

In der Präsentation wurde auch der kulturelle Wandel hervorgehoben: "Die Kultur von Boeing verändert sich heute. Sie ist noch nicht am Ziel, aber die Kultur ist definitiv auf dem Vormarsch." Dieses Kulturelement ist entscheidend für den Erfolg der Datenintegration - Unternehmen müssen ein Umfeld schaffen, in dem "diejenigen, die hier an der Basis stehen, diejenigen, die das Produkt bauen ... gute Arbeit leisten wollen und gute Ideen haben. Eine wirksame Datenintegration erfordert die Erfassung des Wissens derjenigen, die am nächsten an den zu modellierenden Prozessen dran sind.

Bei Sync vorgestellte technische Fähigkeiten

Modulares, objektorientiertes Design

Mehrere Redner betonten die Bedeutung von wiederverwendbaren Komponenten. Das SimWell-Team merkte an: "Es ist auch ein modulares, objektorientiertes Design. So wurden alle Pressen und Züge als wiederverwendbare [Objekte] entwickelt. Und dann können wir sie irgendwann einfach verschieben oder die Parameter ändern, um eine neue Presse im Modell zu haben. Und das war wirklich schnell, wirklich einfach, wirklich effizient.

Schnelles Experimentieren und Sensitivitätsanalyse

Die Experimentiermöglichkeiten in Simio wurden immer wieder hervorgehoben. SimWell führte mehr als 100 Experimente durch und ermöglichte eine gründliche Sensitivitätsanalyse, um Engpässe schnell zu identifizieren. Diese schnelle Iterationsfähigkeit verwandelt die Simulation von einem einmaligen Analysewerkzeug in ein dynamisches System zur Entscheidungsunterstützung.

Visualisierung für Stakeholder-Engagement

Die Gantt-Visualisierung wurde wiederholt als wertvoll für das Debugging von Modellen während der Entwicklung genannt. Die Möglichkeit, den Materialfluss, die Bildung von Engpässen und die Bewegung von Lastwagen zu sehen, schafft die Zustimmung der Beteiligten, während die zugrunde liegenden Datenanalysen die tatsächliche Entscheidungsfindung vorantreiben.

Aufbau interner Fähigkeiten

Das Boeing-Team erörterte die Schaffung "interner SimBits" - modulare Logikbausteine, die bei den Endanwendern innerhalb des Unternehmens Anklang finden. Ein Vertreter von Boeing erklärte: "Ihr habt eine Fülle nützlicher modularer Logikbausteine, die für das Lernen absolut entscheidend sind, aber manchmal fehlt es an der Fähigkeit, sie bei den Endbenutzern innerhalb des Unternehmens ankommen zu lassen".

Quantifizierbare Auswirkungen: Der Business Case für Datenintegration

Effizienz in der Fertigung

Das Projekt von SimWell bei Mitchel Lincoln zielte darauf ab, die Produktionskapazität von 1,4 Milliarden Quadratfuß auf 2 Milliarden Quadratfuß zu erhöhen - eine Steigerung um 43 %. Die Simulation ergab, dass der Zug (Materialtransportsystem) und die Pressen die Hauptengpässe waren, die das Werk daran hinderten, seine theoretische Kapazität nach einem Upgrade der Wellpappenanlage zu erreichen.

Der Ansatz des SimWell-Teams für die Analyse der Losgröße unter Anwendung der Lean-Manufacturing-Prinzipien ("das berühmte jedes Produkt jedes Intervall von Lean") zeigte, wie datengesteuerte Simulationen das Testen von Betriebsstrategien vor der Implementierung ermöglichen.

Optimierung im Gesundheitswesen

Die Simulation von Northwell Health zeigte die genauen Auswirkungen von Volumensteigerungen auf: Bei einer Steigerung des Patientenaufkommens um 20 % erhöhte sich die Zeit vom Eingang bis zum Behandler auf durchschnittlich 18 Minuten, die Zeit für die Behandlung und Entlassung stieg um etwa 12 % auf knapp über 200 Minuten, und die Auslastung der Krankenschwestern in der Nacht erreichte 87 % - was sie als potenziellen Engpass identifizierte.

Das Team von Northwell Health erläuterte seine Entscheidung: "Der Standort folgte unserer Simulationsempfehlung, eine achtstündige Schicht in der Sonntagsnacht hinzuzufügen, da das Volumen zum Zeitpunkt der Implementierung allmählich um 7 bis 10 % anstieg", was den Wechsel von reaktivem zu proaktivem Kapazitätsmanagement im Gesundheitswesen darstellt.

Sicherheit und Produktivität im Bauwesen

Chevrons ISO-Zeichnungsproduktionssimulation verhinderte Streitigkeiten bei der Ressourcenzuweisung, indem sie die Auswirkungen der Prozessvariabilität quantifizierte. Anstatt sich auf vereinfachte Berechnungen zu verlassen, die nahelegten, dass vier Vollzeit-Prüfer ausreichen, bestätigte die Simulation den Bedarf an zusätzlichen Teilzeit-Ressourcen, um den Schwankungen in der realen Welt Rechnung zu tragen.

Die Fallstudie zur Optimierung der Lkw-Routen führte zu einer 50-prozentigen Verringerung der Fahrzeuginteraktionen (ein Indikator für das Sicherheitsrisiko) und gleichzeitig zu einer Produktivitätssteigerung von 6 %. Die kurze Implementierungszeit - von den Simulationsergebnissen bis zur vollständigen Implementierung in drei Tagen - zeigt, wie wertvoll es ist, über eine Datenintegrationsinfrastruktur zu verfügen.

Strategische Rahmenwerke auf der Sync vorgestellt

Der Ansatz der funktionalen Anforderungsspezifikation (FRS)

Die Präsentation von Simio über funktionale Anforderungen bot einen Rahmen, der sicherstellt, dass Simulationsprojekte von Anfang an einen geschäftlichen Nutzen bringen. Jason von Simio erläuterte den Vier-Phasen-Ansatz - Anforderungen definieren, Modell erstellen, validieren, ausliefern -, der eine Abstimmung sicherstellt, bevor mit der Modellierung begonnen wird.

Die wichtigsten Fragen des Workshops stellte Jason von Simio vor:

• "Wenn Sie etwas von diesem Tool haben könnten, was wäre das?" - bringt die Stakeholder zum Nachdenken über Schlüsselfragen

• "Welche Entscheidungen würden Sie aufgrund dieser Antwort treffen?" - sorgt dafür, dass sich der Umfang auf umsetzbare Erkenntnisse konzentriert
• "Wenn die Antwort keine ist, dann ist sie vielleicht nicht wichtig für den Anwendungsbereich.

Dieser Rahmen geht direkt auf die Herausforderung der Datenintegration ein, indem er klärt, welche Daten benötigt werden und warum, bevor die Modellierung beginnt.

Validierung durch Kollaboration

Mehrere Vortragende betonten die Bedeutung der Validierung mit Fachexperten. Das Team von SimWell arbeitete eng mit dem Betriebsteam von Mitchel Lincoln zusammen, um die Annahmen über das 65-spurige Parkhaussystem, den Zugbetrieb und die Auftragsmerkmale zu validieren.

Das Team von Northwell Health führte ein umfassendes Swim-Lane-Prozess-Mapping mit den Mitarbeitern der Notaufnahme durch: "Das Ergebnis waren 50 Prozessschritte, 15 Entscheidungspunkte und zehn verschiedene Rollen." Diese qualitative Datenerfassung in Verbindung mit einer quantitativen Datenanalyse führte zu Modellen, denen die Mitarbeiter vertrauten und die von der Leitung übernommen wurden.

Abwägen zwischen Modelldetails und Komplexität

Das Northwell Health-Team wurde zu seiner Entscheidung befragt, die Patienten in neun verschiedene Entitätstypen zu unterteilen. Ihre Antwort verdeutlichte den Zielkonflikt: "Diese diskreten, ausgeprägten Unterschiede in der Durchlaufzeit zwischen ihnen ... nicht nur für den Gesamtaufenthalt des Patienten, sondern auch für die verschiedenen Prozessschritte, die wir gesehen haben."

Diese Entscheidung ist ein Beispiel für die Strategie der Datenintegration: genügend Granularität, um sinnvolle Unterschiede zu erfassen, aber nicht so viel, dass das Modell unhandlich wird oder die Datenanforderungen nicht mehr erfüllt werden können.

Einblicke in die Implementierung: Wechsel von Tabellenkalkulationen zu Simulationen

Die Grenzen der statischen Analyse

Das Boeing-Team sprach eine grundlegende Herausforderung in der komplexen Fertigung an: "Angesichts dieser Realitäten sind Tabellenkalkulationen und statische Analysen oft unzureichend. Und genau hier kommt die Simulation ins Spiel und glänzt, indem sie ein realistisches Modell des Produktionssystems erstellt."

Diese Beobachtung wurde in allen Vorträgen geteilt. Nick von Chevron's Erfahrungen mit analytischen Werkzeugen im Vergleich zur Simulation waren aufschlussreich: "Als wir zum ersten Mal mit dem Konzept der Betrachtung unserer Projekte als Produktionssysteme konfrontiert wurden, begannen wir mit einigen analytischen Werkzeugen... Das Problem, das wir mit analytischen Werkzeugen hatten, war, dass sie wie eine Blackbox wirkten und niemand wirklich verstand, was vor sich ging."

Er fuhr fort: "Wir konnten es nicht sehen, wir konnten es nicht fühlen. Wir konnten, wissen Sie, das Verhalten nicht beobachten. Wenn wir also Ergebnisse erhielten, die kontraintuitiv waren oder das, was wir erwartet hatten, dann ist es das natürliche Licht, das ich nicht verstehe. Es ist ein bisschen wie eine Blackbox. Ich werde ihm nicht trauen."

Die Transparenz von Simulationsmodellen - die Möglichkeit, Verhalten zu beobachten, Engpässe zu erkennen und Ursache-Wirkungs-Beziehungen zu verstehen - schafft bei den Beteiligten ein Vertrauen, das statische Berechnungen nicht erreichen können.

Planung der Datenanforderungen

Die Erfahrung von SimWell hat gezeigt, wie wichtig die Planung von Datenlücken ist. Als historische Daten für die Be- und Entladung von Zügen nicht zur Verfügung standen, entwickelten sie gemeinsam mit Systemexperten Schätzgleichungen, anstatt diesen Aspekt des Modells aufzugeben.

Der Ansatz von Northwell Health im Umgang mit Datenausreißern - die obersten 5 % wurden nach der Validierung, dass es sich dabei um Dokumentationsfehler und nicht um tatsächliche Patientenerfahrungen handelte, herausgefiltert - zeugt von einem rigorosen Datenqualitätsmanagement.

Integration von mehreren Datenquellen

In den Präsentationen wurde die Integration verschiedener Datentypen vorgestellt:

• Historische Betriebsdaten (SimWell's Produktionsaufzeichnungen)

• Prozessabbildung und qualitative Erkenntnisse (Northwells 50 Prozessschritte, 15 Entscheidungspunkte)
• Expertenschätzungen (Zugbeladungsgleichungen)
• Statistische Verteilungen (Northwells angepasste Verteilungen für Patientenbearbeitungszeiten)
• Betriebsregeln in Echtzeit (Werkstattlogik, Routing-Entscheidungen)
• Externe Daten (Patientenankunftsmuster, Gerätespezifikationen)

Diese Multi-Source-Integration erfordert organisatorische Fähigkeiten, die über die bloße Simulationssoftware hinausgehen - sie erfordert funktionsübergreifende Zusammenarbeit, Datenverwaltung und systematische Validierungsprozesse.

Python-Integration für die Datenverarbeitung

SimWell demonstrierte eine anspruchsvolle Python-Integration für die Datenverarbeitung. Akram von SimWell erklärte: "Ursprünglich haben wir alle Rohdaten in Excel-Dateien gesammelt. Einige davon waren Expertenschätzungen, die wir in Formeln und andere Dinge umwandelten, die wir mit einem Python-Skript verarbeiteten. Dann bereinigten wir die Daten und führten die explorative Datenanalyse durch."

Das Team fuhr fort: "Wir haben die wichtigen Parameter extrahiert und die Verteilung noch mit dem Python-Skript angepasst. Und dann war alles fertig. Wir haben die Eingabetabellen direkt in Simio erstellt... Und sobald wir diese CSV-Dateien heruntergeladen hatten, konnten wir sie wiederum mit einem Python-Skript verarbeiten, denn manchmal ließen wir einige Szenarien auf einem Computer auf Akrams Computer laufen, und dann ließ ich einige andere laufen, und dann fügten wir alles als Aggregate zusammen."

Dieser Arbeitsablauf veranschaulicht die Entwicklung von der manuellen Datenverarbeitung zur automatisierten, skriptbasierten Datenverarbeitung, die skalierbare Simulationsprojekte ermöglicht.

Der Weg nach vorn: Lehren aus Simio Sync 2026

Kultur als Fundament

Boeings Betonung des kulturellen Wandels zieht sich durch alle Bemühungen um Datenintegration: "Hören Sie auf Ihre Mitarbeiter, auf diejenigen, die hier an der Basis arbeiten, auf diejenigen, die das Produkt bauen, auf diejenigen, die bis zum Hals in dem stecken, was in diesen Flugzeugen steckt, sie wollen gute Arbeit leisten und sie haben gute Ideen."

Eine wirksame Datenintegration kann nicht rein technisch sein - sie erfordert eine Unternehmenskultur, die Wert auf sie legt:

• Datengestützte Entscheidungsfindung

• Zusammenarbeit zwischen Modellierungsteams und Betriebsexperten
• Die Bereitschaft, Intuition mit Simulationserkenntnissen zu hinterfragen
• Schnelle Iteration und Lernen

Aufbau interner Fähigkeiten

Die Betonung der Schaffung interner SIMbits und wiederverwendbarer Komponenten weist auf ein Reifegradmodell für die Einführung von Simulationen hin. Organisationen bewegen sich von:

1. Ad-hoc-Simulationsprojekten mit externen Beratern

2. Systematische Simulationsfähigkeiten mit internen Experten
3. Demokratisierte Simulation, bei der operative Führungskräfte Szenarien ändern und ausführen können

Diese Entwicklung erfordert einen gezielten Aufbau von Fähigkeiten und einen Wissenstransfer, wie das Team von Boeing betonte.

Integration mit Geschäftsprozessen

Die wirkungsvollsten Präsentationen auf der Sync zeigten die Integration von Simulationen in Geschäftsprozesse:

• Chevrons dreitägiger Zyklus von den Simulationsergebnissen bis zur vollständigen Umsetzung der Verkehrsumkehr

• Northwell Health's proaktive Kapazitätsplanung als Reaktion auf Marktveränderungen
• Die systematische Identifizierung von Engpässen durch SimWell als Grundlage für Investitionsentscheidungen

Diese Beispiele zeigen, dass die Simulation ein kontinuierliches Instrument zur Entscheidungsunterstützung ist und nicht nur eine gelegentliche Analyseübung.

Technologie-Entwicklung

Während das Team von SimWell spezifische Details der fortgeschrittenen Python-Integration in seinem Datenverarbeitungs-Workflow erörterte, deutet der Verweis von Northwell Health auf kommende Funktionen auf eine kontinuierliche Weiterentwicklung der Simulationstechnologie hin.

Der Schwerpunkt liegt nach wie vor auf einer schnelleren und präziseren Datenintegration, damit die Analysten mehr Zeit für die Gewinnung von Erkenntnissen als für die Datenverarbeitung aufwenden können.

Schlussfolgerung: Datenintegration als strategische Fähigkeit

Die Präsentationen auf der Simio Sync 2026 untermauerten eine grundlegende Wahrheit: Erfolg oder Misserfolg der modernen Simulation basieren auf der Effektivität der Datenintegration. Unternehmen von der Luft- und Raumfahrt bis zum Energiesektor haben gezeigt, dass Datenbarrieren überwunden werden müssen:

Technische Fähigkeiten:

• Flexible Datenstrukturen zur Unterstützung komplexer Betriebsregeln

• Schnelle Experimentierrahmen, die Sensitivitätsanalysen ermöglichen
• Visualisierungstools schaffen Vertrauen bei den Beteiligten
• Modulare, wiederverwendbare Komponenten zur Beschleunigung der Entwicklung

Organisatorische Fähigkeiten:

• Funktionsübergreifende Zusammenarbeit zwischen Modellierern und Betreibern

• Systematische Validierungsprozesse zur Gewährleistung der Modellgenauigkeit
• Kulturelle Verpflichtung zu datengestützter Entscheidungsfindung
• Investitionen in den Aufbau interner Fähigkeiten

Prozessintegration:

• Klare Definition der Anforderungen vor Beginn der Modellierung

• Strukturierte Ansätze für den Umgang mit Datenlücken und Unsicherheiten
• Schnelle Iteration von den Erkenntnissen zur Umsetzung
• Kontinuierliche Nutzung der Simulation zur laufenden Optimierung

Wie das SimWell-Team mit seinen mehr als 100 Experimenten, Northwell Health mit seiner proaktiven Kapazitätsplanung und Chevron mit seinem dreitägigen Implementierungszyklus gezeigt haben, erlangen Unternehmen, die die Datenintegration beherrschen, erhebliche Wettbewerbsvorteile.

Die Zukunft gehört den Unternehmen, die Datenintegration nicht als technische Notwendigkeit, sondern als strategische Fähigkeit begreifen. Diejenigen, die heute in automatisierte, gut integrierte Simulationsarchitekturen investieren, werden sich in einer besseren Position befinden, um die wachsenden Datenmengen und die zunehmende Komplexität in modernen Betriebsumgebungen zu nutzen.

Die Botschaft von Simio Sync 2026 war eindeutig: Um Datenbarrieren zu überwinden, geht es nicht darum, mehr Daten zu haben - es geht darum, sie effektiver zu integrieren, sie rigoroser zu validieren und schneller auf Erkenntnisse zu reagieren. Die Unternehmen, die diese Integration beherrschen, werden in ihrer Branche führend sein.