Die Zielstellung dieser Dissertation ist es, einen Beitrag zur Absicherung der Industrialisierung von maschinellen Lernverfahren in Fertigungsanlagen zu leisten und Voraussetzungen zu schaffen, dass zukünftige Erfolgsquoten bei ML-Projekten in der industriellen Produktion gesteigert werden können. Zur Beantwortung der ersten Forschungsfrage wurden zunächst Entscheidungskriterien zur Identifikation geeigneter Anwendungsfälle für maschinelle Lernverfahren in Fertigungsanlagen hergeleitet. Zur gezielten Auswahl geeigneter Anwendungsfälle für ML-Verfahren wurden in einem empirischen Fallstudiendesign Hypothesen und darauf aufbauend eine Grundlage zur Entscheidung, ob ein maschinelles Lernverfahren oder regelbasierte Programmierung für die Lösung einer technischen Herausforderung geeignet ist, geschaffen.