In vielen Anwendungen in Produktionsumgebungen werden elektromechanische Antriebssysteme, die aus mehreren Getrieben bestehen, nicht zustandsorientiert gewartet. Die schlechter werdenden Anlagenzustände, die im Zusammenhang mit den jeweiligen Getriebezuständen stehen, können somit nicht erkannt und analysiert werden. Dies führt mit zunehmender Betriebsdauer zu einer Verminderung des Wirkungsgrads sowie im weiteren Sinne zu ungeplanten Fehlern und Ausfällen der Antriebseinheiten. Die Integration von Beschleunigungssensoren in die verbauten Getriebe bietet die Möglichkeit den Zustand der Antriebssysteme getriebespezifisch zu überwachen. Die Messungen werden unter Laborbedingungen an Getrieben im Neuzustand als auch an Feldrückläufern, die unter realen Bedingungen in Produktionsumgebungen eingesetzt sind, durchgeführt. Die relevanten Signalanteile in den erfassten Schwingungssignalen werden mit Hilfe einer Hüllkurvendemodulation hervorgehoben und mit einem künstlichen neuronalen Netz weiterverarbeitet, sodass eine getriebespezifische Schadensanalyse von Fehlerzuständen ermöglicht wird. Eine Optimierung der Hyperparameter des neuronalen Netztes ermöglicht eine bestmögliche Parameterabstimmung, sodass eine möglichst gute Performance des Algorithmus erreicht wird.