Digitalisierung und Industrie 4.0 stellen neuartige Herausforderungen an die Zuverlässigkeitstechnik. Das Erfassen und Überwachen von Maschinen in Echtzeit ermöglichen die Verfügbarkeit und Zuverlässigkeit von Produktionsanlagen zu verbessern, wodurch Wartungskosten reduziert werden können. Dies erfordert statistische Kenntnisse zur Verarbeitung multivariater Datensätze. Ziel dieser Lehrveranstaltung ist es, einen Überblick über statistische Methoden und Algorithmen des maschinellen Lernens zu geben, die für die vorausschauende Instandhaltung und Zustandsüberwachung in Echtzeit (Condition-Monitoring) relevant sind. Mit Hilfe dieser Methoden können beispielsweise Systemzustände automatisch klassifiziert und Ausfallzeitpunkte oder Restnutzungsdauern (RUL) prognostiziert werden. Die Studierenden werden verschiedene Algorithmen, mit Hilfe der Open-Source-Software R, auf reale Daten anwenden.