Die aktuelle Methode zur Qualitätsbewertung des Halbhohlstanznietens (HHSN) konzentriert sich auf eine Prozessüberwachung basierend auf einer statischen Hüllkurve. Aus einer Analyse der eingesetzten Hüllkurven Prozessüberwachung resultiert, dass die Einstellungen nicht die gesamte Prozessstreuung zuverlässig abbilden und in falsch-positiven Prozessfehlern resultieren, die eine manuelle Nacharbeit verursachen. Im Rahmen dieser Arbeit wird daher eine neue Methode der Fehlererkennung entwickelt. Dazu wird eine experimentelle Parameteranalyse durchgeführt und die Ursache-Wirkungs-Zusammenhänge zwischen den auftretenden Fehlern und Prozessparametern ermittelt. Die typischen Fehler des HHSN-Prozesses werden identifiziert und die Fehlererkennung anhand der Charakteristik des Fügekraft-Stempelweg-Verlaufs bewertet. Ein großes Potential zur weiteren Verbesserung der Fehlererkennung liegt in den noch ungenutzten Prozessdaten aus der seriellen Karosseriefertigung. Diese Daten bestehen aus zahlreichen technischen und statistischen Merkmalen, die aus dem Fügekraft-Stempelweg-Verlauf extrahiert wurden. Basierend auf diesen Merkmalen wird ein Random-Forest-Modell trainiert, das die resultierende Bewertungsmethode ergänzt. Dabei wird die Nietkopfendlage (NKE) jeder Fügeverbindung als i.O. (in Ordnung) oder kritisch (auffälliger Fügekraft-Stempelweg-Verlauf) eingestuft. Die resultierende Klassifikationsgenauigkeit beträgt bis zu 84,4%. Die entwickelte Methode ermöglicht eine Prozessüberwachung mit einer robusten Vorhersage der Verbindungsqualität, wodurch eine effiziente Nacharbeit möglich wird.