Die Qualität eines Produkts ist für Kunden entscheidend bei Kaufentscheidungen, was Marken dazu veranlasst, sich über dieses Kriterium zu differenzieren. Im Automobilsektor stehen die Entwicklung elektrischer und elektronischer Systeme unter zunehmendem Druck, da schätzungsweise 90 % aller zukünftigen Fahrzeuginnovationen in diesem Bereich stattfinden werden. Die Fehlersuche und nachhaltige Fehlerbehebung sind entscheidend für den Projekterfolg. Mit der funktionalen Vernetzung der Steuergeräte steigt die Komplexität der Produktqualitätssicherung, da das Systemverhalten nicht mehr deterministisch ist. Gleichzeitig wachsen die Erwartungen an Produktqualität, Kosten und Entwicklungsdauer, während die Anforderungen an Fehlerminimierung und Termintreue zunehmen. Verschiebungen von Meilensteinen können erhebliche Mehrkosten und Projektverzögerungen verursachen. Traditionelle Projektmanagementmethoden bieten nur begrenzte Möglichkeiten zur Prognose der Projektreife. Daher wird ein System zur frühzeitigen Erkennung von Risiken bei Projektmeilensteinen diskutiert, um Projekte rechtzeitig wieder auf Kurs zu bringen. Der Einsatz von künstlicher Intelligenz und datengetriebenen maschinellen Lernansätzen wird untersucht, um zukünftige Projektverläufe basierend auf historischen Daten vorherzusagen. Am Beispiel der Elektrik-/Elektronikentwicklung von Volkswagen werden relevante Faktoren identifiziert und ein Prädiktionsmodell entwickelt und
