Im August 2025 passierte etwas mit APC — Google Trends weiß es
Die Daten sprechen zuerst
Ich analysierte Google-Trends-Daten für Begriffe, mit denen ich täglich arbeite — advanced process control, soft sensor, virtual sensor, predictive control, digital twin, Kalman filter — als mir etwas Ungewöhnliches auffiel.
Über rund zwanzig Jahre hinweg — von 2004 bis Mitte 2025 — waren diese Begriffe praktisch konstant. Ein paar Ingenieure, ein paar Wissenschaftler, ein vorhersehbares Hintergrundrauschen von Nischeninteresse. Dann, innerhalb eines einzigen Monats, brach das Muster auf.
Google Trends, weltweit, logarithmische Skala. Alle Werte normalisiert auf 0–100 relativ zum Höchstwert. Die vertikale Achse ist logarithmisch — ein Sprung von 1 auf 6 entspricht visuell demselben Abstand wie ein Sprung von 6 auf 36.
Die Rohdaten aus dem Trends-Export:
| Term | May 2025 | Jun 2025 | Jul 2025 | Aug 2025 | Change Jun→Aug |
|---|---|---|---|---|---|
| digital twin | 20 | 24 | 26 | 84 | +3.5× |
| predictive control | 3 | 4 | 5 | 13 | +3.3× |
| Kalman filter | 6 | 6 | 6 | 12 | +2× |
| soft sensor | 1 | 1 | 2 | 6 | +6× |
| virtual sensor | 1 | 2 | 2 | 7 | +3.5× |
| advanced process control | 1 | 1 | 1 | 6 | +6× |
Und dieser Anstieg hat sich nicht wieder umgekehrt. Im Februar 2026 erreichte predictive control einen neuen historischen Höchstwert im Index. Digital twin blieb sieben aufeinanderfolgende Monate auf erhöhtem Niveau. Irgendetwas hat sich strukturell verändert.
Ein Vorbehalt vorab: Google Trends zeigt relatives Suchvolumen, normalisiert auf 100 beim Höchstwert. Absolute Anfragezahlen werden nicht ausgewiesen. Ein Begriff, der sich von 500 auf 1.000 Suchen verdoppelt, sieht identisch aus wie einer, der von 50.000 auf 100.000 steigt. Was diese Daten bemerkenswert macht, ist die Synchronisierung — mehrere unabhängige, technisch spezifische Begriffe bewegen sich alle im selben Monat. Das deutet auf eine systemische Ursache hin.
Zwanzig Jahre flach. Dann ein Cliff.
Bevor man Schlüsse zieht, ist der historische Kontext wichtig.
Predictive control wurde bereits 2004 gesucht. Digital twin wuchs seit 2017 langsam. Kalman filter ist seit Jahrzehnten ein stabiler Nischenbegriff. Es handelt sich nicht um neue Konzepte, die viral gegangen sind. Es sind ausgereifte Ingenieurdisziplinen mit etabliertem, weitgehend statischem Publikum.
Dass alle gleichzeitig, im selben Monat, springen, ist ungewöhnlich genug, um eine Erklärung zu verlangen. Meine Lesart: Die Physical-AI-Welle von 2025 hat den industriellen Control-Stack — zum ersten Mal — aus der Nischenobskurität in die allgemeine Ingenieurdiskussion gezogen.
Meine Interpretation: APC-nahe Begriffe stiegen in erster Linie als Sekundäreffekt einer weitaus größeren öffentlichen Verschiebung rund um Physical AI, autonome Betriebsführung und digitale Zwillinge. Das klassische Regelungsvokabular wurde von einem breiteren Narrativ nach oben getragen. Zunächst stiegen die Oberbegriffe (digital twin, industrial AI, autonomy); die technischen Enabler (predictive control, soft sensor, Kalman filter) folgten.
Das ist allerdings eine Interpretation aus Timing und öffentlichen Ankündigungen — kein Beweis für die tatsächliche Suchabsicht.
Die Chronologie: Januar bis August 2025
Der August-Anstieg kam nicht über Nacht. Verfolgt man die öffentlichen Aufzeichnungen ab Jahresbeginn 2025, zeigt sich ein vierstufiger Aufbau.
Januar–März: die Vorbereitung
Zwei Ereignisse setzten im Januar neue Maßstäbe.
Am 6. Januar nutzte Jensen Huang die CES, um NVIDIA Cosmos vorzustellen — ein World-Foundation-Model, trainiert auf 20 Millionen Stunden Videomaterial physischer Systeme — und erklärte: “Physical AI wird die 50-Billionen-$-Industrien Fertigung und Logistik revolutionieren.” Physical AI war keine Forschungskategorie mehr. Es war eine Produkt-Roadmap.
Zwei Wochen später erschien DeepSeek R1. Sein eigentlicher Effekt auf industrielle KI: Es brach die Annahme, dass fortschrittliche KI teure Cloud-Infrastruktur voraussetzt. Prozessingenieure, denen man gesagt hatte, KI-Integration erfordere Azure-Abonnements und GPU-Cluster, fragten plötzlich: Kann das auf einem industriellen Edge-Gateway laufen?
Bei der GTC 2025 im März stellte NVIDIA industrielle digitale Zwillinge in den Mittelpunkt seiner Keynote: Omniverse-Blueprints für KI-Fabrikdesign, Isaac GR00T N1 für humanoide Roboter und die Newton-Physik-Engine, gemeinsam entwickelt mit Google DeepMind und Disney Research. Foxconn, BMW, TSMC und Toyota wurden alle beim Aufbau fabrikskaliger digitaler Zwillinge gezeigt. Schneider Electric und ETAP stellten auf der Konferenz einen physikbasierten digitalen Zwilling für Stromversorgungsinfrastruktur vor.
Die Botschaft, die Prozessindustrieingenieuren aus der Distanz erreichte: Die Simulationsmethodik Ihrer Branche wurde gerade von der Konsumerelektronikwelt in großem Maßstab übernommen.
Mai: Physical AI wird zur Produktkategorie
18. Mai — NVIDIAs COMPUTEX-Keynote stellte Isaac GR00T N1.5 und GR00T-Dreams vor, eine Pipeline, die Roboter-Trainingsdaten aus simulierten „Traumsequenzen” generiert statt aus physischen Demonstrationen. Ingenieure, die mit Soft Sensoren arbeiten, erkannten die Parallele sofort: synthetische Prozessdatengenerierung für das Modelltraining ist dasselbe Konzept, das in der Prozessmodellierung seit Jahrzehnten angewandt wird.
19./21. Mai — Microsoft kündigte den Digital Twin Builder in Fabric Real-Time Intelligence an — ein Low-Code/No-Code-Werkzeug zum Aufbau digitaler Zwillinge, im bestehenden Fabric-Abonnement enthalten. Die Zielgruppe waren keine Simulationsspezialisten, sondern Operations-Analysten und Dateningenieure, die bereits Azure nutzten und nun einen direkten Weg zu operativen digitalen Zwillingen hatten. Wenn ein solches Werkzeug erscheint, wachsen zunächst die Oberbegriffe, bevor die tieferen Fachbegriffe folgen.
Juni: Autonomie zieht in die industrielle Betriebsführung ein
Dies ist der Monat, in dem das Narrativ explizit für die Prozessregelung relevant wurde.
Der finanzielle Kontext verdichtete sich ebenfalls: Marktanalysten veröffentlichten im Juni 2025 Prognosen, die den globalen APC-Sektor auf 10,3 Milliarden Dollar bis 2034 bezifferten, getrieben explizit durch KI- und IoT-Integration. Eine solche Schlagzeile zieht auch Nicht-Fachpublikum an — Einkaufsteams, Investoren, Unternehmensberater — die dann das zugrundeliegende Vokabular suchen.
3. Juni — Yokogawa launte die nächste Generation von CENTUM VP und positionierte sie explizit um nachhaltige autonome Betriebsführung, wobei der Industrieübergang von Automatisierung zu Autonomie beschrieben wurde.
9. Juni — Auf seiner jährlichen Nutzerkonferenz in San Antonio lancierte Honeywell sein neues KI-Portfolio unter dem Motto „Von der Automatisierung zur Autonomie” — der Satz, der ihre Pressemitteilung überschrieb und die gesamte Produktankündigung rahmte. Das Konferenzprogramm ordnete Advanced Process Control, Process Digital Twin und KI/Autonome Betriebsführung demselben Track zu — in früheren Jahren unüblich. Honeywell stellte seine KI-gestützte Digital Suite und Digital Cognition vor: KI-Agenten, die Prozess-Digital-Twins betreiben, um Echtzeit-Betriebsempfehlungen zu geben. Der Autonomous Operations Assistant war als Software positioniert, die im Namen jedes Schichtfahrers agiert.
Die Honeywell-Nutzerkonferenz erreicht zehntausende Prozessingenieure aus Raffinerie, Chemie und LNG. Die Verknüpfung von APC und autonomer Betriebsführung im selben Kontext trieb Suchen aus Honeywells installierter Basis an, die wissen wollten, wie das technische Fundament von „Autonomie” konkret aussieht.
11. Juni — NVIDIA veröffentlichte seine industrielle KI-Initiative für Deutschland und verknüpfte KI-Fabriken, Fertigung, Robotik und Physical AI für das europäische Ingenieurspublikum.
18. Juni — Yokogawa und Shell gaben eine formale Vereinbarung bekannt über KI-Visionsroboter für autonome Anlagenwartung. Das entscheidende Detail: Wenn von Robotern erfasste Sensordaten mit dem Anlagenleitsystem verbunden wurden, sollten sie Anweisungen zurück an den Regelkreis geben — genau die Schnittstelle zwischen virtueller Sensorik und Prozessregelung, die APC-Ingenieure seit Jahren theoretisch diskutiert hatten und die nun von einem großen Ölkonzern gemeinsam mit einem führenden DCS-Anbieter realisiert wurde.
Juli: die direkte APC-Verbindung
22. Juli — Emersons AspenTech-Bereich und TotalEnergies gaben eine globale strategische Zusammenarbeit bekannt, die drei spezifische Technologien umfasste: Aspen Inmation (industrielles Datenfabric) für alle TotalEnergies-Standorte weltweit, Aspen DMC3 (modellprädiktive Regelung) für alle Exploration-&-Production-Betriebe sowie Aspen GDOT (geschlossener Echtzeit-Optimierer) für mehrere Raffinerie-Standorte.
TotalEnergies ist eines der größten integrierten Energieunternehmen der Welt. Ein formales Bekenntnis zu unternehmensweitem MPC-Einsatz — unter Nennung der konkreten Produkte — ist keine Routinenachricht. Es löste umgehend Suchanfragen von Ingenieuren bei Wettbewerbern, von Kundeteams der DCS-Anbieter und von allen aus, die verstehen wollten, welche Architektur TotalEnergies aufbaut und warum.
Diese Ankündigung deckt sich zeitlich eng mit dem Anstieg bei predictive control und advanced process control im Datenexport kurz vor August.
Ebenfalls im Juli — Am anderen Ende des Spektrums stellte Trend Micro ein Cybersicherheitsmodell vor, das auf Digital-Twin-Fähigkeiten zur Bedrohungssimulation aufbaut. Das erweiterte das Suchpublikum für „digital twin” über Prozessingenieure hinaus und trug zum weiteren Anstieg des Begriffs vor dem August-Peak bei.
August: der Durchbruch
Im August liefen drei Ereignisse zusammen.
6. August — Imubit veröffentlichte „APC Meets AI”, einen Artikel, der Advanced Process Control explizit durch die KI-Linse neu rahmte. Bemerkenswert daran: Er stammte von einem spezialisierten APC-Anbieter, nicht von einem allgemeinen Tech-Kanal — ein Signal dafür, dass die APC-Branche selbst begann, ihre Arbeit in KI-Begriffen zu formulieren, die einem breiteren Publikum zugänglich sind.
8. August — NVIDIA veröffentlichte „Physical AI Accelerated by Three NVIDIA Computers for Robot Training, Simulation and Inference” mit der expliziten Aussage, dass Physical AI seinen Durchbruchsmoment erlebt, und beschrieb den Training-Simulation-Inferenz-Stack für autonome physische Systeme. Dieser Beitrag wurde in Ingenieur-Communities weit geteilt.
11. August — Auf der SIGGRAPH 2025 präsentierte NVIDIA Cosmos Reason (ein physikverstehendes Vision-Language-Model), NuRec (3D Gaussian Splatting für großflächige Standortrekonstruktion aus Sensordaten) und Isaac Sim 5.0 (Open Source). Die NuRec-Ankündigung war für Prozessindustrien besonders relevant: Lidar- und Kamerascans von Anlagenstandorten in lebende 3D-Modelle umzuwandeln, die mit Prozessdaten verbunden sind, ist genau die Pipeline, die operative Prozess-Digital-Twins speist.
12. August — Ansys und NVIDIA gaben bekannt, dass Ansys Fluent — das dominierende CFD-Werkzeug in der Prozessindustrie — NVIDIA Omniverse direkt integrieren würde. Ingenieure, die Reaktorströmungen, Wärmetauscherdynamik und Verbrennungsprozesse in Fluent modellieren, erhielten einen direkten Weg von ihren Simulationsmodellen zu operativen digitalen Zwillingen.
25. August — NVIDIA stellte Jetson AGX Thor vor (Blackwell-Klasse Edge-KI, 2.070 FP4-Teraflops zu $3.499) mit Caterpillar und Hexagon unter den frühen Nutzern. Echtzeit-Soft-Sensor-Inferenz auf feldinstallierter Hardware wurde wirtschaftlich realisierbar.
Ende August waren Physical AI, digitale Zwillinge, Simulation und industrielle KI-Infrastruktur keine parallelen Geschichten mehr. Sie hatten sich zu einem kohärenten Narrativ verdichtet, das Ingenieure, Betriebsteams und Management gleichzeitig erkennen konnten.
Warum jeder Begriff sich bewegte
Die Kausalität unterscheidet sich leicht von Begriff zu Begriff:
Digital twin erfuhr die größte Welle, weil er in nahezu jeder Ankündigung namentlich auftauchte — Honeywell, Microsoft, NVIDIA, Ansys, Yokogawa, TotalEnergies. Im August liefen mehrere unabhängige Erzählstränge auf dasselbe Wort zu.
Advanced process control / predictive control stiegen am direktesten aufgrund der TotalEnergies/AspenTech-Ankündigung. Ein Unternehmen dieser Größenordnung, das konkrete MPC-Produkte in einer Pressemitteilung benennt, löste Suchanfragen bei den Engineering- und Einkaufsteams von Wettbewerbern aus.
Soft sensor / virtueller Sensor stiegen als Sekundäreffekt. Groß angelegter MPC erfordert kontinuierliche Schätzwerte für nicht direkt messbare Prozessqualitätsvariablen — genau das, was Soft Sensoren liefern. Wer DMC3 recherchiert, stößt auf Soft Sensoren. Wer über Yokogawas autonome Anlagenwartung mit KI-Vision liest, erkennt darin virtuelle Sensorik. Der Kalman-Filter- und Zustandsschätzungs-Faden zieht sich durch alles hindurch.
Kalman filter zeigte einen kleineren, aber realen Anstieg, getrieben durch zwei Mechanismen: die Zustandsschätzalgorithmen, die NVIDIAs Robotikplattformen zugrunde liegen (Sensorfusion in Isaac verwendet Extended und Unscented Kalman Filter), sowie eine Forschungswelle zu hybriden Neural-Kalman-Architekturen für autonome Fahrzeuge, die Mitte 2025 erhebliche Presseberichterstattung erzeugte.
Eine alternative Hypothese, die es wert ist, erwähnt zu werden
Eine Erklärung, die ich noch nicht klar widerlegt gesehen habe: Googles Ausweitung des KI-Suchmodus Mitte 2025. Als Google KI-gestützte Tiefensuchfunktionen über Search Labs ausrollte, könnten Ingenieure, die komplexe Themen über konversationelle KI-Anfragen erkunden, technische Suchstrings generiert haben — darunter „predictive control”, „Kalman filter”, „soft sensor” — die in herkömmlichen Suchprotokollen nicht aufgetaucht wären. Wenn die Ausweitung des KI-Modus mit August 2025 zusammenfiel, könnte ein Teil des Trends-Anstiegs eine Veränderung darin widerspiegeln, wie Menschen suchen, und nicht nur (oder zusätzlich dazu) was sie suchen. Den genauen Zeitpunkt des Rollouts kann ich nicht bestätigen, aber es ist ein plausibler Mitverursacher, der eine Untersuchung lohnt.
Was ich für wirklich passiert halte
Das übergreifende Muster ähnelt dem, was um 2010–2012 mit Cloud Computing und um 2015–2017 mit maschinellem Lernen geschah. In beiden Fällen wurden Techniken, die in Nischenindustrien jahrelang still angewandt wurden, von benachbarten Industrien in großem Maßstab neu verpackt und adoptiert — und die daraus resultierende Sichtbarkeit zog die ursprünglichen Fachsuchbegriffe mit nach oben.
Die Prozessindustrie betreibt modellbasierte Regelung, Zustandsschätzung, Soft Sensing und Echtzeit-Optimierung seit den 1980er Jahren. Raffinerien mit vollständiger MPC-Abdeckung, Soft Sensoren zur Schätzung von Polymerqualitätsparametern, Kalman-Filter zur Schätzung von Reaktorkonzentrationen — nichts davon ist neu.
Neu ist, dass die Physical-AI-Welle genau diesen Stack — Modell, Zustandsschätzer, Optimierer — in den Mittelpunkt des allgemeinen Ingenieursdiskurses gestellt hat. Jensen Huangs Formulierung „Trainingsrechner, Simulationsrechner, Physical-AI-Rechner” ist strukturell identisch mit dem, was APC-Ingenieure als Modell, Zustandsschätzer, Regler-Architektur bezeichnen. Das Vokabular ist ein anderes; die zugrundeliegende Struktur ist dieselbe.
Die anhaltende Erhöhung bis Ende 2025 und in das Jahr 2026 hinein deutet darauf hin, dass dies kein vorübergehender Hype-Spike ist. Dass der predictive control-Index im Februar 2026 — sechs Monate nach dem August-Sprung — seinen historischen Höchstwert erreichte, verweist auf etwas Strukturelles: ein größeres Ingenieurspublikum, das das Fachgebiet entdeckt hat und nicht wieder verschwunden ist.
Ob sich das in tatsächliche Projektinvestitionen übersetzt, ist eine andere Frage. Aber die Entdeckung ist real.
Ein institutionelles Signal stützt die Strukturthese: Im September 2025 veröffentlichte das Weltwirtschaftsforum gemeinsam mit Boston Consulting Group Physical AI: Powering the New Age of Industrial Operations und kodifizierte „Physical AI” formal als Konvergenzschicht zwischen digitaler Intelligenz und physischer Autonomie. Dokumente auf dieser Ebene propagieren sich durch Executive-Briefings und Investitionsthesen — und übersetzen Ingenieurinteresse in Boardroom-Vokabular. Die anhaltende APC-nahe Suchelevation bis Ende 2025 spiegelt wahrscheinlich zu einem Teil diese zweite Propagierungswelle wider.
Was denken Sie?
Ich bin aufrichtig neugierig, ob das mit dem übereinstimmt, was Sie auf Ihrer Seite beobachten.
Haben Sie seit Mitte 2025 mehr Anfragen oder Ausschreibungen erhalten, die digital twin, autonomous operations oder physical AI erwähnen? Wurden Sie gebeten zu erklären, was Ihre MPC- oder Soft-Sensor-Arbeit mit den Ankündigungen auf der GTC oder der Honeywell-Nutzerkonferenz zu tun hat? Formulieren Kunden Anfragen heute anders als noch vor zwei Jahren?
Mich interessieren auch andere Erklärungen. Die TotalEnergies/AspenTech-Ankündigung passt zeitlich gut zum predictive control-Anstieg, ist aber möglicherweise nicht der Haupttreiber für andere Begriffe. Und das NVIDIA-Cluster im August ist das stärkste öffentliche Signal, aber ein Teil der tatsächlichen Suchanfragen wurde vielleicht durch Ereignisse ausgelöst, die ich nicht gefunden habe — interne Mandate, Vendor-Roadshows, ein viraler LinkedIn-Thread, ein bestimmtes Paper.
Ich lese jede Nachricht und antworte auf solche, die meinem Verständnis etwas hinzufügen. Wenn genug Menschen Beobachtungen teilen, die es wert sind, zusammengefasst zu werden, schreibe ich einen Folgeartikel.
Weiterlesen
Wenn dieser Artikel Fragen aufgeworfen hat, wie modellprädiktive Regelung, Soft Sensoren oder Zustandsschätzung in der Praxis tatsächlich funktionieren, behandelt der Bereich Design Patterns die zugrundeliegenden Methoden:
Strukturierte Aufschlüsselungen von modellprädiktiver Regelung, Kalman-Filterung, Soft-Sensor-Design und Echtzeit-Optimierung — der technische Stack hinter den oben gezeigten Suchtrends.
Dr. Rafał Noga ist unabhängiger Berater mit Spezialisierung auf Advanced Process Control, Soft Sensoren / virtuelle Sensoren und Zustandsschätzung für industrielle Prozesse. Er arbeitet in den Bereichen Chemie, Pharma, Energie und Luftfahrt.
Have a project or a question?
Contact Dr. Noga →