Im Rahmen dieser Arbeit wurden Methoden zur Fehlerdiagnose an Axialkolbenpumpen entwickelt, um diese in einem Condition Monitoring System über der Zeit beobachten zu können. Somit können Pumpenausfälle im voraus erkannt werden und die dadurch verursachten Instandhaltungskosten und Produktionsausfallkosten deutlich gesenkt werden. Es wurden Betriebs- und Körperschalldaten an einer Axialkolbenpumpe im Referenzzustand (Guteinheit) und mit künstlich erzeugten Schäden an einem speziell für die Arbeit aufgebauten Prüfstand aufgenommen. Um die breite Anwendung der Diagnosemethoden weiter zu steigern, wurden Montagearbeiten und Änderungen im Hydrauliksystem durchgeführt. Außerdem wurden mehrere Versuchpumpen vom gleichen Typ bei den Messungen eingesetzt, um die Fertigungsstreuung zu berücksichtigen. Der Betriebspunkt der Pumpe wurde variiert, sodass die entwickelten Methoden auch mit Verstellpumpen eingesetzt werden können. Um die Kosten einer Körperschallanalyse zu optimieren, wurde ein kostengünstiger Seriensensor aus der Automobilindustrie (Bosch Klopfsensor) erfolgreich eingesetzt.Da Informationen über der Korrelation zwischen den Symptomen und Fehler an einer Axialkolbenmaschine nur bei wenigen Fehlern vorliegt, mussten diese experimentell anhand den aufgenommenen Messdaten mit Mustererkennungsverfahren ermittelt werden. Der Mustererkennungsprozess besteht aus der Datenaufnahme, Merkmalsextraktion, Merkmalsreduktion und Klassifikation. Im Falle der Merkmalsextraktion wurden Merkmale aus dem Zeitsignal und aus dem Fourier- oder Wavelet-transformierten Signal heuristisch extrahiert. Die Merkmale, mit denen die höchsten Trefferquoten bei der Klassifikation erreicht wurden, wurden zu den weiteren Untersuchungen erfolgreich eingesetzt. Mit analytischen Merkmalsextraktionsverfahren konnten aussagekräftigere Linearkombinationen von den heuristisch gewonnenen Merkmalen erzeugt werden und somit die Trefferquoten der Klassifikation signifikant erhöht werden. Die Anzahl an Merkmalen konnte mit Filter- oder Wrapperverfahren deutlich reduziert werden, welches den Rechenaufwand der anschließenden Klassifikation erleichtert. Die Experimente bestätigten die Theorie, dass ein Wrapper durch die Verwendung des optimalen Gütemaßes, der Trefferquote, aussagekräftigere Merkmalsuntermengen liefert als ein Filter. Für die Klassifikation wurden verschiedenste Klassifikatoren eingesetzt. Die höchsten Trefferquoten und somit die besten Ergebnisse konnten mit einer Support Vector Machine erreicht werden. Außerdem konnten mit Verwendung aussagekräftiger Merkmale, z.B. nach einer analytischen Merkmalsextraktion mit der Independent Component Analysis, hohe Trefferquoten auch mit einfachen Klassifikatoren (z.B. Naive Bayes) erreicht werden. Daraus hat sich ergeben, dass in diesen Fällen ein einfacher Klassifikator gegenüber komplexere Verfahren bevorzugt werden sollte, da zusätzlich eine höhere Generalisierung gewährleistet werden kann.Die entwickelten Methoden wurden an drei Betriebspunkten der Axialkolbenpumpe erfolgreich eingesetzt. Die Umsetzung für weitere Betriebspunkte und den dynamischen Betrieb würde den Einsatzbereich der Fehlerdiagnose auf den gesamten Betriebsbereich erschließen. Während des dynamischen Betriebs können kurzzeitige, quasi-statische Betriebspunkte ermittelt werden, um eine Fehlerdiagnose, wie in dieser Arbeit beschrieben, durchzuführen.In dieser Arbeit wurde gezeigt, dass mit Mustererkennungsverfahren unter Berücksichtigung verschiedenster Rahmenbedingungen (Änderungen verursacht durch die Montage, Änderungen im Hydrauliksystem, Betriebspunktänderung, Fertigungstoleranzen) eine erfolgreiche Fehlerdiagnose an Axialkolbenpumpen möglich ist. Um die Zuverlässigkeit und die Interpretierbarkeit der entwickelten Methoden weiter zu erhöhen, können funktionale Verfahren wie z.B. die Signalanalyse oder zukünftig modellbasierte Verfahren parallel zur Mustererkennung eingesetzt werden. Integriert in einem Condition Monitoring System kann mit diesen Methoden der Pumpenzustand über der Zeit überwacht werden. Anhand den historischen Daten kann der zukünftige Pumpenzustand prognostiziert werden, um gezielte Wartungsarbeiten an der Pumpe zeitgerecht zu planen.