Enhancing operational efficiency and competitiveness in modern manufacturing environment requires the incorporation of Industry 4.0 technology. The Digital Twin is one of its enablers, and it is a transformative tool that can be used to optimize systems, processes, and real assets by using virtual models synchronized with real-time data. However, it can be difficult to fully utilize the potential benefits of the massive volumes of data companies generate. By tailoring Digital Twins to the unique data requirements of various user profiles inside companies, this study seeks to overcome this difficulty and enable efficient data access and well-informed decision-making. This study, which was carried out at Robert Bosch España Madrid, aimed to comprehend the unique data requirements of several departments, such as Engineering, Maintenance, and Production. To learn more about department-specific data needs, questionnaires and interviews were used as part of a qualitative research project. The creation of a customized Digital Twin visualizer prototype for the USS6 shopfloor was influenced by these findings. The research findings indicated some differences in the data needs of departments, highlighting the significance of preserving unique profiles in the Digital Twin Visualizer while encouraging cooperation and synergy between departments. Production requires real-time key performance indicator (KPI) monitoring, including cycle time and other production KPIs. The Maintenance department needs to track equipment maintenance events, Mean Time to Repair (MTTR), and Mean Time Between Failures (MTBF). Engineering requires data more related to machines values, status and performance. Most importantly, these findings have significant implications outside of the sensor manufacturing industry; they offer insightful knowledge that is applicable to many different industries. Organizations across diverse industries can enhance their operational performance and decision-making capacities by customizing best practices to suit their unique settings through the application of broader insights gained from these findings. This knowledge-sharing across industries is essential to pushing Industry 4.0 adoption and promoting organizational performance in the digital age. In conclusion, this study enhances knowledge on customized Digital Twin implementations and emphasizes how data-driven insights and well-informed decision-making can be leveraged to create operational excellence across industries. / För att öka den operativa effektiviteten och konkurrenskraften i moderna tillverkningsmiljöer krävs att Industri 4.0-tekniken införlivas. Den Digital Twin (digital tvilling) är ett av verktygen för detta, och det är ett transformativt verktyg som kan användas för att optimera system, processer och egendomar genom att använda virtuella modeller som synkroniseras med realtidsdata. Det kan dock vara svårt att fullt ut utnyttja de potentiella fördelarna med den enorma datavolym som företag genererar. Genom att skräddarsy Digital Twins efter de unika databehov som olika användarprofiler inom företag har, försöker denna studie övervinna denna svårighet och tillhåta effektiv datatillgång och välinformerat beslutsfattande. Målet med den här studien, som genomfördes på Robert Bosch España Madrid, var att förstå de unika databehov på, till exempel, Tekniksavdelningen, Underhållsavdelningen och Tillverksningsavdelningen. För att få veta mer om avdelningsspecifika databehov användes enkäten och intervjuer som delar av ett kvalitativt forskningsprojekt. Dessa resultat påverkade skapandet av en skräddarsydd prototyp av Digital Twin-visualiseraren för USS6:s verkstadsgolv. Forskningsresultaten visade skillnader i avdelningarnas databehov, vilket belyser vikten av att bevara unika profiler i Digital Twin Visualizer och samtidigt som uppmana avdelningarna att samarbeta i synergi mellan avdelningarna. Tillverkningsavdelningen behöver övervakning av KPI:er (Key Performance Indicators, nyckeltal) i realtid, inklusive genomslopptid och andra tillverknings-KPI:er. Underhållsavdelningen behöver overväkning av underhållshändelser för utrustningen, MTTR (eng. Mean Time To Repair, genomsnittlig tid för reparation) och MTBF (eng. Mean Time Between Failures, medeltid mellan fel). Teknikavdelningen behöver data som är relaterade till maskinernas värden, status och prestanda. Dessa resultat har betydande konsekvenser utanför sensortillverkningsindustrin; de erbjuder insiktsfull kunskap som är tillämplig på många olika branscher. Organisationer i olika branscher kan förbättra sina operativa resultat och sin beslutstagande förmåga genom att anpassa bästa praxis till sina unika miljöer med hjälp av de bredare insikter som dessa resultat ger. Detta kunskapsutbyte mellan branscher är avgörande för att driva på införandet av Industri 4.0 och främja organisationers prestanda i den digitala tidsåldern. Till sist ökar denna studie kunskapen om skräddarsydda implementeringar av Digital Twin och betonar hur datadrivna insikter och välinformerat beslutsfattande kan utnyttjas för att skapa operativ excellens i olika branscher.