Ein wichtiger Bestandteil des Bohrvorgangs ist das Zirkulationssystem. Bohrinseln sind in hohem Maße von Schlammpumpen abhängig, ein Ausfall der Schlammpumpen würde dazu führen, dass der Bohrbetrieb vollständig eingestellt werden muss. Daraus folgend steigen die Bohrkosten aufgrund der damit verbundenen unproduktiven Zeit. Deswegen versuchen Unternehmen, Ausfälle zu erkennen, bevor sie auftreten, indem sie verschiedene Methoden und Strategien zur Verbesserung der Betriebszeit von Pumpen und ein effizientes Instandhaltungsmanagement anwenden, um Ausfallzeiten, Gesundheits- und Umweltrisiken zu verringern oder zu beseitigen. Unterschiedliche Instrumente und Techniken für die Echtzeit-Überwachung von Schlammpumpen wurden in den letzten zehn Jahren entwickelt. Eine von ihnen ist die Künstliche Intelligenz (KI), welche vielversprechende Ergebnisse gezeigt hat. Das Hauptziel dieser Arbeit ist es daher, die Möglichkeit zu untersuchen, mit Hilfe von Technologien der künstlichen Intelligenz bestimmte Schlammpumpenausfälle zu identifizieren, indem nur der Pumpendruck und die Durchflussrate als Eingangsmerkmale verwendet werden. Diese Arbeit ist in drei Hauptteile gegliedert. Der erste Teil der Arbeit befasst sich mit der Vorstellung und Diskussion allgemeiner Techniken zur Fehlerdetektion und Instandhaltungsstrategien. Im zweiten Teil dieser Arbeit werden die häufigsten Ausfälle von Bohrschlammpumpen und die Auswirkungen dieser Ausfälle auf die Effizienz des Bohrbetriebs und die Gesundheit und Sicherheit am Bohrplatz vorgestellt, und weiters auch welche hochmodernen nicht-intrusiven Sensoren zur Überwachung von Pumpenausfällen eingesetzt werden können. Schließlich wird im letzten Teil der Arbeit die Entwicklung eines konzeptionellen Ansatzes auf der Grundlage von Techniken der künstlichen Intelligenz zur Detektion von Fehlern in Bohrschlammpumpen erläutert. Es wurde eine Fallstudie mit realen Vergangenheitsdaten durchgeführt, um die Grenzen des entwickelten Tools zu validieren und zu bestimmen