Wie können Lagerschäden in großen Motoren erkannt werden, bevor sie zu kostspieligen Ausfällen führen? Dieser Artikel untersucht, wie fortschrittliche Sensortechnologien, Simulationen und maschinelles Lernen die Zustandsüberwachung von Gleitlagern verbessern können. Experimentelle Untersuchungen zeigen vielversprechende Ergebnisse bei der frühzeitigen Erkennung kritischer Betriebszustände und ebnen damit den Weg für eine vorausschauende Instandhaltung.