Durch die von der Digitalisierung geschaffenen Möglichkeiten rücken zunehmend datengestützte Instandhaltungsstrategien wie die vorausschauende Instandhaltung (engl. Predictive Maintenance) in den Fokus. Allerdings sind erfolgreiche Implementierungen von Predictive Maintenance in der Praxis selten. Gründe dafür sind u.a. Unklarheiten im Prozess der Akquise von Prozessdaten, mangelnde Kompatibilität von IT-Systemen oder Schwierigkeiten bei der Auswahl von relevanten Prozessparametern. Während in der Literatur die Phasen der Datenaufbereitung und Datenmodellierung häufig behandelt werden, fällt wenig Aufmerksamkeit auf die technische Konzeption und den Prozess der Akquise von Prozessdaten im industriellen Umfeld. In der vorliegenden Arbeit wird ein Prozessmodell zur Akquise von Prozessdaten von industriellen Anlagen erstellt. Das Prozessmodell ergänzt das CRISP-DM Referenzmodell für Datenanalyse-Projekte um die Phase der Datenakquise. Auf Grundlage der Erkenntnisse aus einer strukturierten Literaturrecherche zu Prozessmodellen im Bereich der vorausschauenden Instandhaltung wurde ein Vorgehensmodell deduktiv abgeleitet. Das Prozessmodell wurde in der Praxis nach dem Design Science Research Ansatz anhand der Datenakquise bei drei Pilotanlagen entwickelt und evaluiert. Insbesondere wird auf den Auswahlprozess von relevanten Parametern aus Maschinensteuerungen eingegangen. Zudem werden zentrale, technische Komponenten beschrieben und eine Handlungsempfehlung für die Phase der Datenakquise abgegeben, bei der sowohl Verantwortlichkeiten zu den einzelnen Prozessschritten als auch der Prozess als solches definiert wird. Mit der Realisierung der Datenakquise nach dem vorgestellten Prozessmodell wird die Basis für das weitere Vorgehen in Richtung Predictive Maintenance gelegt.