Der wachsende Personenverkehr erhöht die Attraktivität der Eisenbahn, verknappt jedoch die verfügbaren Zeitfenster für Instandhaltung. Daher gewinnt Predictive Maintenance an Bedeutung: Sie erkennt Bedarfe frühzeitig und erlaubt, Sperrpausen gezielt zu planen und auszunutzen. Zentrales Anwendungsfeld ist die Schienenpflege mit Schleifen, Fräsen und Hobeln, um das Sollprofil wiederherzustellen und sicherheitskritische Schäden zu vermeiden. Zugleich reduziert sie dynamische Gleisbelastungen: kurzwellige Schienenunregelmäßigkeiten steigern Rad-Schiene-Kräfte, beschleunigen Verschleiß, verschlechtern die Gleislage und beanspruchen den Schotter. Weil Pflegemaßnahmen oft lückenhaft dokumentiert sind, braucht es Methoden, die Datenlücken schließen und robuste Trendanalysen ermöglichen. Die vorgestellte Methodik nutzt Zeitreihen und erkennt strukturelle Veränderungen. So entsteht eine belastbare Grundlage für vorausschauende Instandhaltungsstrategien im Schienenbereich.
