Das Rührreibschweißverfahren ist ein Festkörper-Fügeverfahren, das die schweißtechnologische Entwicklung für Aluminiumlegierungen stark beeinflusst hat. Aufgrund der hohen Schweißnahtqualität, niedriger spezifischer Energieeinbringung und guter Umweltverträglichkeit, wächst die industrielle Anwendung des FSW stark. Dabei wird es häufig in sicherheitskritischen Anwendungen und Strukturbauteilen eingesetzt. Die Qualitätssicherung erfolgt durch die Fügeprozessauslegung und die Annahme der stabil geregelten Prozessführung. Da bislang keine zuverlässige, direkte, Inline-Methode zur Qualitätsüberwachung des FSW existiert, wird bei sicherheitskritischen Bauteilen die Qualität durch nachgelagerte zerstörende und nicht zerstörende Prüfverfahren sichergestellt. Diese Schritte erweitern die Komplexität der Fertigungskette und steigern die Produktionsdauer sowie insbesondere die Produktionskosten. Das übergeordnete Ziel dieser Arbeit besteht darin, eine inline einsetzbare Qualitätsüberwachung für das FSW zu entwickeln, die basierend auf transienten Prozessdaten eine sichere Detektion von Fehlern im Nahtvolumen (innere Volumenfehlstellen) ermöglicht. Diese Gruppe von Defekten wurde aufgrund der negativen Auswirkungen auf die Nahteigenschaften, Auftretenshäufigkeit sowie derzeitigen Komplexität und Kosten der Detektion ausgewählt. Zum Erreichen des Ziels werden in der Arbeit Zeitreihen des gemessenen Prozesskraftfeedbacks mit Methoden künstlicher Intelligenz analysiert. CNN basierend auf der DensNet-Architektur werden mit Prozess- und Werkstoff-Meta-Daten für eine generalisierte Auswertung ergänzt und erzielen über einen großen Parameterraum (Vorschubgeschwindigkeit, Drehzahl) bei fünf unterschiedlichen Al-Legierungen und vier Blechdicken eine Fehlstellendetektionsraten von 100 %.