Der zunehmende Anteil hochintegrierter, vernetzter Systeme im Kraftfahrzeug macht es immer wichtiger, frühzeitig sicherheits- und zuverlässigkeitstechnische Analysen durchzuführen. In dieser Arbeit werden neue praxisgerechte und generalisierte Zuverlässigkeitsprognosemodelle für Kfz-Komponenten und Baugruppen entwickelt. Grundlage der Modelle ist ein allgemeines Ausfallmodell, das es nunmehr ermöglicht, beliebiges Ausfallverhalten zu beschreiben und den gesamten Verlauf der Ausfallrate, die sog. "Badewannenkurve", in die Zuverlässigkeitsprognose zu integrieren. Die gewonnenen Ergebnisse können unterstützend in betriebliche Entscheidungsprozesse integriert und als Feld-Feedback-Information für die Entwicklung und Bewertung neuer Systeme genutzt werden. Die Prognosemodelle schließen somit den Regelkreis der Produktentwicklung.
Bei frühzeitigen Prognosen sind die Garantiedaten häufig auf Grund eines Zulassungs- und Meldeverzugs unvollständig und enthalten nicht alle Informationen über das tatsächliche Ausfallverhalten. Es werden neue Ansätze entwickelt, die solche Einflüsse berücksichtigen und in die Zuverlässigkeitsprognose integrieren.
Die Zuverlässigkeit von Komponenten und Baugruppen wird in der Praxis oft von weiteren externen Faktoren, wie der Temperatur oder der Feuchte beeinflusst. In dieser Arbeit wird ein neues erweitertes neuronales Zuverlässigkeitsprognosemodell entwickelt, das beliebige Einflüsse auf das Ausfallverhalten erlernen und entsprechend modellieren kann. Mit Hilfe des erweiterten neuronalen Modells ist es möglich, das Ausfallverhalten bzw. die Zuverlässigkeit von Komponenten und Baugruppen in Kraftfahrzeugen bei sich ändernden Umgebungsbedingungen zu prognostizieren.