Anhand einer Industrieanlage wird gezeigt, wie Daten vom Messsystem zu Zeitreihen aufbereitet und effizient zusammengefasst werden. Auf diesen standardisierten Datensätzen werden die Regressionsmethoden Lineare Modelle, Regression Trees, Random Forests, GAM und Support Vector Regressions erstellt. Diese prognostizieren anhand der Messwert eine Restlebenszeit für die Anlage. Dies wird so umgesetzt, dass im Echtzeitbetrieb zu jedem Zeitpunkt eine Schätzung über den Anlagenzustand vorhanden ist. Dadurch können Wartungsmaßnamen rechtzeitig geplant und eingeleitet werden. Weiters wird eine Simulation durchgeführt, bei der die Lauf- und Wartungszeiten der Anlage berechnet werden, falls man den Wartungsvorschlägen der Modelle folgt. Dadurch wird gezeigt, dass im Vergleich zur aktuellen Wartungsstrategie, durch die Predictive Maintenance Praktik eine erhöhte Anlagenverfügbarkeit zu erwarten ist.