Der digitale Wandel stellt neben der Globalisierung heutzutage eine große Herausforderung für Unternehmen dar. Die Ingenieure sind in diesem Wandel mit neuen Anforderungen an die technischen Produkte und stetig steigender Produktkomplexität konfrontiert. Trotz der vielseitigen Methoden und Werkzeuge, die den Ingenieuren zur Verfügung stehen, können häufig die Einflüsse auf abweichende Produkteigenschaften nicht benannt werden, wodurch die virtuelle Eigenschaftsabsicherung in der Produktentwicklung verhindert oder zumindest erschwert wird. In den vergangenen Jahren haben Methoden aus dem Bereich des maschinellen Lernens ihren Weg in die Produktentwicklung gefunden. Die maschinellen Lernmethoden ermöglichen die Identifikation von Zusammenhängen und Tendenzen in großen Datensätzen. Allerdings fehlt den Produktentwicklern zum einen die Methodenkompetenz zur Entwicklung und Durchführung von Analysen mittels maschineller Lernmethoden. Zum anderen ist Wissen zur vorangestellten Datenaufbereitung und zur Kontextualisierung der identifizierten Muster notwendig. In der vorliegenden Arbeit wird ein Konzept für ein wissensbasiertes Assistenzsystem zur Unterstützung der datengetriebenen Produktentwicklung und dessen Umsetzung vorgestellt. Mithilfe von maschinellen Lernmethoden und deren Integration in bestehende Produktentwicklungsprozesse wird das Potential der datengetriebenen Analysen im Kontext der Eigenschaftsabsicherung offengelegt.