In diesem Beitrag wird exemplarisch anhand des Verschmutzungsmechanismus von Wärmetauschern (Fouling) gezeigt wie datengetriebene Methoden zur Vorhersage des Verschmutzungsgrades und somit zu einem effizienteren Anlagenbetrieb genutzt werden können. Hierzu werden zu Beginn neben der wirtschaftlichen Bedeutung des Foulings die strömungsphysikalischen und thermodynamischen Hintergründe vorgestellt. Danach wird der konkrete Anwendungsfall mit den zur Verfügung stehenden Daten aufgezeigt. Aufgrund der stark limitierten Datenlage wird mit dem Verfahren der segmentierten Regression ein relativ einfacher jedoch robuster Ansatz für ein Vorhersagemodell erarbeitet und diskutiert. / This contribution uses the fouling mechanism of heat exchangers (fouling) as an example to show how data-driven methods can be used to predict the degree of fouling and thus achieve more efficient plant operation. In addition to the economic significance of fouling, the flow-physical and thermodynamic background is presented at the beginning. Then the specific application case with the available data is shown. Due to the very limited data available, a relatively simple but robust approach for a prediction model is developed and discussed using the segmented regression method.