Bei hohen Datenmengen und steigenden Anforderungen an die Auswerteverfahren der Messgeräte sowie die vorhersagende Wartung (Predictive Maintenance) von Maschinen und Fabrikanlagen sind Methoden der modernen Mustererkennung (KI) unabdingbar.

Um eine Echtzeitverarbeitung zu garantieren müssen aus den Messdaten im ersten Schritt Merkmale extrahiert werden, die im zweiten Schritt einem Klassifikator zur Entscheidung zugeführt werden. Typische Klassifikatoren sind Neuronale Netzwerke.  Hier wird versucht, das Gehirn in einem Modell mathematisch nachzubilden, indem man jedes Neuron (Synapse) mit allen anderen Neuronen über verschiedene Schichten hinweg gewichtet (Gewichte) verbindet. Durch Einlernen des neuronalen Netzwerkes werden alle Gewichte so verändert, dass am Ende eine optimale Entscheidung zugunsten minimaler Kosten im Fall von Fehlentscheidungen getroffen wird. Besonderer Fokus muss dabei auf die einzulernende Datenbasis gelegt werden. Für die Mustererkennung mit Fuzzy Sets gelten ähnlichen Bedingungen.