Im Rahmen dieser Dissertation wurde ein simulationsbasiertes Fehlerdetektionsverfahren für solarthermische Anlagen entwickelt und anhand von Feldtests experimentell verifiziert. Automatisierte Langzeitüberwachungs- und Fehlerdetektionsverfahren dienen der schnellen Detektion und Beseitigung von Fehlern und können damit dazu beitragen, optimale Systemerträge zu erzielen. In einer ausführlichen Literaturrecherche von automatisierten Fehlerdetektionsverfahren werden verschiedene Verfahren analysiert und verglichen. Diese basieren beispielsweise auf manueller Fehlerdetektion, Algorithmen, Spektralanalyse oder dem Vergleich gemessener mit simulierter Solarenergieerträge.Das neu entwickelte Fehlerdetektionsverfahren basiert auf einem stündlichen, täglichen oder monatlichen Vergleich von gemessenen und mit TRNSYS simulierten Energieerträgen. Für eine verlässliche Fehlerdetektion ist es erforderlich, die Unsicherheiten der gemessenen und simulierten Energieerträge zu kennen. Dazu wird eine ausführliche lokale und globale Sensitivitätsanalyse für die Simulationsparameter und gemessenen Eingangsdaten durchgeführt. Zudem werden verschiedene Verfahren zur Berechnung von Unsicherheitsmargen angewendet und verglichen: eine Monte-Carlo-Unsicherheitsanalyse, eine Minimum-Maximum-Analyse und ein empirisch hergeleiteter linearisierter Ansatz, welcher auf der globalen Sensitivitätsanalyse mittels Monte Carlo basiert.Das Verfahren wurde umgesetzt und anhand von drei Feldtestanlagen mit unterschiedlicher Hydraulikkonzepten und Kollektorflächen (15...1290 m2) überprüft. Es konnten unterschiedliche Fehler erfolgreich detektiert werden. Die Detektion von Fehlern im Solarkreis ist möglich, sofern der Fehler einen ausreichend großsen Energieverlustverursacht. Die reine Fehlerdiagnose mittels simulationsbasierten Fehlerdetektionsverfahren hat sich als kompliziert herausgestellt. Zur verlässlichen Diagnose wäre die Kopplung des Verfahrens mit einer guten Datenmanagementstruktur und dem algorithmenbasierten Ansatz von Vorteil.