Prädiktive Wartung oder Instandhaltung (engl.: Predictive Maintenance, PdM) ist entscheidend für die Luftfahrtindustrie, aber die begrenzte Verfügbarkeit von Laufzeit-zu-Ausfall-Daten aufgrund häufiger präventiver Wartungsmaßnahmen, sowie von Daten zu seltenen Fehlerzuständen stellt eine Herausforderung dar. Generative Künstliche Intelligenz (Generative Artificial Intelligence, GenAI) bietet eine vielversprechende Lösung, indem sie synthetische Daten erzeugt, um genauere Vorhersagen über den Zustand von Flugzeugsystemen zu ermöglichen. Diese Studie führt eine systematische Literaturanalyse durch, um den Einsatz generativer KI-Modelle in der prädiktiven Wartung von Flugzeugen zu untersuchen. Hierbei werden die Ziele, Vielfalt der Modelle, Anwendungsbereiche, Validierungsdatensätze und bestehende Herausforderungen beleuchtet. Generative Adversarial Networks (GANs), Variational Autoencoders (VAEs) und ihre Kombinationen werden als die am häufigsten genutzten GenAI-Modelle identifiziert. Die Ergebnisse betonen den Bedarf an Wissensaustausch und Integration sowie die spezifischen Implementierungsstrategien. Diese Erkenntnisse dienen als wertvolle Orientierungshilfe für Forscher, Ingenieure und Praktiker in der Luftfahrtindustrie.