Für die zustandsorientierte Wartung bestehen Herausforderungen für den Aufbau dafür notwendiger Verschleißmodelle im Mangel an aussagekräftigen Daten sowie dem Umstand, dass eine Rückführung von Maschinendaten aus der Produktions- in die Auslegungsphase selten stattfindet. Die Arbeit verfolgt den Ansatz, Querschnittstechnologien aus der IKT in die Produk-tionstechnik zu überführen. Dazu wird ein Cloud-Konzept in Form einer Refe-renzarchitektur und die Integration von Methoden des Machine Learnings vorge-stellt.