In der vorliegenden Arbeit wird der Einsatz von erklärbarer künstlicher Intelligenz (XAI) zur Unterstützung von Predictive-Quality-Anwendungen in industriellen Prozessen untersucht. Ziel ist es, Qualitätsabweichungen frühzeitig zu erkennen und gleichzeitig die Entscheidungsprozesse der KI für Nutzer*innen nachvollziehbar zu gestalten. Es werden sowohl die Potenziale als auch die Herausforderungen beim Einsatz von XAI im Produktionsumfeld beleuchtet. Ein besonderer Fokus liegt auf der Integration von Erklärbarkeitsmethoden, die es ermöglichen, die Vorhersagen der KI-Modelle transparent darzustellen und das Vertrauen der Nutzer*innen in die Systeme zu stärken. Dazu wird ein XAI-Analytics-Board entwickelt, das eine benutzerfreundliche Visualisierung der KI-Ergebnisse sowie der zugrunde liegenden Erklärungen bietet. Die Arbeit behandelt dabei Aspekte wie eine intuitive Bedienoberfläche, responsives Design und die effiziente Datenhaltung zur Sicherstellung der Skalierbarkeit und Performance des Systems. Durch den Einsatz von erklärbarer künstlicher Intelligenz in Predictive-Quality-Anwendungen kann die Qualitätssicherung in der Produktion verbessert werden. Gleichzeitig bietet das XAI-Analytics-Board den Nutzer*innen eine verständliche und praxisnahe Möglichkeit, die KI-gestützten Vorhersagen und deren Erklärungen gezielt für Entscheidungsprozesse zu nutzen.