Eine zuverlässige Zustandsüberwachung ist eine wichtige Voraussetzung für die vorausschauende Instandhaltung in industriellen Fertigungsumgebungen, doch viele Maschinenkomponenten werden nach wie vor ohne kontinuierliche Überwachung betrieben. Diese Lücke ist besonders relevant für Komponenten von Schaumdosieraggregaten, bei denen unerwartete Ausfälle die Produktion stören und eine systematische Wartungsplanung behindern können. Diese Arbeit befasst sich mit diesen Mängeln, indem sie eine durchgängige Zustandsüberwachungskette entwickelt und validiert, die Vibrationssignale zusammen mit Prozessdaten wie Druck und Temperatur erfasst, diese auf einem Edge-Gerät vorverarbeitet und für eine skalierbare cloudbasierte Analyse vorbereitet. Die Architektur integriert IEPE-Vibrationssensoren mit der strukturierten Erfassung digitaler und analoger Maschinendaten. Alle Signale werden über ein spezielles SPS-Modul zur Zustandsüberwachung erfasst, wodurch eine deterministische Vorverarbeitung, einheitliche Zeitstempel und synchronisierte Datenflüsse gewährleistet sind. Ein zentraler Beitrag ist ein modularer, einsatzunabhängiger Daten Konnektor, der REST- und MQTT-Kommunikation unterstützt und automatisch Asset- und Mapping-Identifikatoren verwaltet, wodurch eine flexible Integration in heterogene industrielle Umgebungen ermöglicht wird. Um eine systematische Bewertung unabhängig von Produktionsbeschränkungen zu ermöglichen, werden synthetische Datensätze generiert, die realistisches Betriebsverhalten, allmähliche Verschlechterungsverläufe und definierte Ausfallmerkmale nachbilden. Ein interaktives Dashboard unterstützt die Zeitreihenprüfung, die Schwellenwertkonfiguration und die automatisierte Ereigniserkennung vor Ort, während die IoT-Cloud-Plattform Senseye eine skalierbare Zeitreihenaufnahme, ein strukturiertes Anlagenmanagement und eine zentralisierte Bewertung von Zustandsentwicklungen ermöglicht. Die Ergebnisse zeigen, dass der Prototyp heterogene Zustandsüberwachungsdaten zuverlässig erfasst, synchronisiert und überträgt und so eine kohärente Informationsebene schafft, die für diagnostische Bewertungen und zukünftige Vorhersagemodelle geeignet ist. Die Architektur bildet eine technische Grundlage für die Implementierung von Zustandsbewertungen auf Komponentenebene und für die Bewertung der Kompromisse zwischen Edge- und Cloud-Computing. Insgesamt liefert die Arbeit einen übertragbaren und skalierbaren Entwurf für Unternehmen, die den Übergang von reaktiver Wartung zu datengestütztem Reliability Engineering anstreben.