Digitale Zwillinge eröffnen ein großes Potential zur Kosteneinsparung indem Untersuchungen durchgeführt werden können, ohne das reale Produktionssystem im Betrieb zu beeinträchtigen. In der Industrie existieren bereits zahlreiche Produktionssysteme, sogenannte Brownfield-Produktionssysteme, die über keinen Digitalen Zwilling verfügen, da sie vor längerer Zeit entwickelt und realisiert wurden. Aktuell wird der Digitale Zwilling für diese Systeme überwiegend manuell erstellt. Das ist ein zeitaufwendiger Prozess und anfällig für Flüchtigkeitsfehler. In der vorliegenden Arbeit wird daher eine Methodik entwickelt, die eine automatisierte Erstellung von Relationen für ein bestehendes Produktionssystem als Basis für einen Digitalen Zwilling ermöglicht. Dabei werden Relationen zwischen Modellen verschiedener Fachbereiche, zwischen Vorlagen und deren Instanzen, sowie Eltern-Kind-Relationen zur Erstellung der klassischen CAEX-Baumstruktur berücksichtigt. Dazu werden der SPS-Code, Betriebs- und Positionsdaten als Quellen herangezogen, die ohne eine Einschränkung des Produktionsprozesses analysiert werden können. Das gewonnene Wissen aus den einzelnen Analysen wird anschließend verknüpft und in einem Wissensgraphen zusammengeführt. Durch eine Analyse des Graphen werden sich wiederholende Strukturen identifiziert und damit das Wissen angereichert. Die semantische Anreicherung des Wissens mit Ontologien ermöglicht die automatisierte Integration von weiterem Wissen, die maschinelle Verarbeitung und erhöht die Eindeutigkeit des Wissenskontextes. Die Evaluierung erfolgt anhand eines Vergleichs des automatisierten Vorgehens mit der entwickelten Methodik am intelligenten Lager in der ARENA2036 und dem manuellen Vorgehen von Fachexperten.