Produzierende Unternehmen aus der Automobilindustrie stehen seit einigen Jahren aufgrund der rasanten Entwicklungen in der Elektromobilität vor diversen Herausforderungen. Eine Kernherausforderung ist dabei die steigende Anzahl an Produktionsanläufen, deren zentrales Charakteristikum insbesondere bei disruptiven Produkten häufig in der Instabilität der Produktion besteht. Datenbasierte Ansätze haben sich im Produktionsumfeld in den vergangenen Jahren als effektives Werkzeug zur Erhöhung der Prozessstabilität etabliert und besitzen damit das Potenzial, Wertschöpfungsverlusten in Anlaufphasen aktiv vorzubeugen. Die wesentliche Voraussetzung für den effektiven Einsatz datenbasierter Ansätze besteht in einer für den erforderlichen Trainingsprozess ausreichenden Datengrundlage, die jedoch zu Beginn von Anlaufphasen disruptiver Produkte aufgrund ihres Neuheitsgrads in der Regel nicht gegeben ist. Die Generierung einer qualitativ sowie quantitativ ausreichenden Datengrundlage bereits vor Produktionsbeginn ist in den meisten Fällen mit einem hohen zeitlichen sowie finanziellen Aufwand verbunden und steigt darüber hinaus mit der Komplexität des Anwendungsfalls rasant an. Das Ziel der vorliegenden Dissertation besteht daher in einer Methodik, die produzierende Unternehmen systematisch sowohl bei der frühzeitigen Identifikation potenzieller Fehlermöglichkeiten entlang der Prozesskette als auch bei der vorgezogenen Entwicklung und Implementierung datenbasierter Gegenmaßnahmen unterstützt. Die Methodik besteht aus drei aufeinanderfolgenden Modulen. Im ersten Modul werden zunächst alle relevanten Parameter und Kosten entlang der betrachteten Prozesskette identifiziert und quantifiziert. Auf dieser Grundlage werden im zweiten Modul kritische Prozessschritte entlang der Prozesskette identifiziert, für die anschließend geeignete datenbasierte Ansätze als Gegenmaßnahme für potenzielle Fehlermöglichkeiten innerhalb dieser kritischen Prozessschritte abgeleitet werden. Im dritten Modul wird auf Basis bestehender Wissensquellen die Modellierung sowie das Modelltraining des datenbasierten Ansatzes vorgenommen, für dessen produktionsseitige Integration abschließend ein vollständiger Maßnahmenkatalog erstellt wird. Die entwickelte Methodik leistet für produzierende Unternehmen folglich einen wesentlichen Beitrag zur frühzeitigen Integration und Nutzung datenbasierter Ansätze und stellt damit ein interdisziplinäres Bindeglied zwischen den Produktions- und Datenwissenschaften dar.