In diesem Projekt werden wir Methoden für die Fehlerprognostik von Prozesssensoren entwickeln. Insbesondere wird der Fokus auf die Übertragbarkeit und Verallgemeinerung dieser Methoden für verschiedene Arten von Prozesssensoren in unterschiedlichen Feldanwendungen dieser Sensoren und unter verschiedenen Betriebsbedingungen gelegt. Die Methoden kombinieren physikalische Modelle mit datengetriebenen Ansätzen wie maschinellem Lernen und Deep-Learning-Algorithmen und werden sowohl an Labordaten als auch an Felddaten validiert und getestet.