Effizienzsteigerung ist eines der Hauptziele in allen Industriezweigen. Während des Bohrprozesses besteht die Herausforderung darin, die Bohrparameter so anzupassen, dass die geplante Teufe möglichst schnell erreicht wird und die mit dem Bohrprozess verbundenen Risiken und operativen Schwierigkeiten gleichzeitig geringgehalten werden. Im Zusammenhang mit der Bohrtätigkeit werden enorme Mengen an Daten und Metadaten generiert, mit dem Hauptziel, eine detaillierte Visualisierung der Vorgänge zu ermöglichen, auf die von überall aus und in Echtzeit zugegriffen werden kann. Diese Entwicklung geht Hand in Hand mit dem vorherrschenden Trend zu Big Data, in dem Data Mining-Methoden eingesetzt werden um die Effizienz in der Datenverarbeitung zu steigern und neue und wertvolle Informationen zu gewinnen. Davon ausgehend ist es das Ziel dieser Arbeit, die Anwendung von Data Mining-Software auf standardmäßig aufgezeichnete Bohrdaten zu bewerten, um aus ihnen verwertbare Informationen zu erhalten, die möglicherweise Einfluss in der Planungsphase und dem späteren operativen Verlauf von Bohrungen haben können. Dazu wurde in dieser Arbeit die Bohrfortschrittsrate (ROP) als Studienschwerpunkt ausgewählt. Die Bohrfortschrittsrate stellt bekannterweise einen Faktor in der Zeitplanung von Bohrungen dar und dient hier also zu untersuchende Variable für die Analyse und Vorhersage. Die Arbeit wendet Data-Mining Methoden auf bereits existierende Datensätze von abgeteuften Bohrungen an um diese auf aussagekräftigen Informationen über die gemessene Bohrfortschrittsrate zu prüfen. Anschießend werden maschinelle Lernmethoden genutzt um die Bohrfortschrittsrate vorherzusagen. Diese dienen als Referenz um Abweichungen und deren mögliche Gründe zu evaluieren, indem die Vorhersagen auf neue Datensätze angewandt werden. Die Arbeit gliedert sich in vier Hauptteile, beginnend mit Funktionsweisen des Data Mining und deren Anwendung, einschließlich spezifischer Beispiele für die Öl- und Gasindustrie. Darauffolgend werden Bohrdaten und die Ursprünge ihrer Aufzeichnung, ihr Datenformat sowie die Schwierigkeiten im Zusammenhang mit ihrer Aufzeichnung behandelt. Dies beinhaltet eine detaillierte Diskussion der Messung der Bohrfortschrittsrate. Der dritte Teil behandelt die Methodik, mit einer allgemeinen Übersicht über die Ressourcen in dem ein Workflow erarbeitet wird der die Vorverarbeitung und Verarbeitung der Daten mit einer kommerziellen Data Mining-Software umfasst, um ein Modell für die Vorhersage der Bohrfortschrittsrate zu implementieren. Im letzten Teil werden die Datenanalyse und die Modellbewertung mit verschiedenen Visualisierungswerkzeugen durchgeführt und durch beschreibende Statistk gestützt. Anhand der erzielten Ergebnisse werden Modellimplementierungs- und Testprozesse diskutiert. Das Ergebnis der Arbeit zeigt einen Weg für die weitere Erforschung der Ursachen von Abweichungen der Bohrfortschrittsrate auf. Es bietet einen Einblick in Data Mining-Anwendungen zur praktischen Analyse und Vorhersagen die von Bohrdaten abgeleitet werden. Die Anwendung von Data Mining ist aufgrund der Ergebnisse zu befürworten, wenn die Ziele klar definiert sind und keine Ressourcenbeschränkungen bestehen.