THT-Bauteile sind entscheidende Komponenten zur Realisierung globaler technologischer Trends speziell im Bereich Automatisierung, E-Mobilität und Digitalisierung. Ein Großteil der leistungselektronischen Flachbaugruppen wird dabei mit SMT- und THT-Bauteilen bestückt. Der industrielle Standard zur Lötung der THT-Bauteile ist der Selektivwellenlötprozess. Der Lotdurchstieg als Maß für die Prozessqualität wird dabei besonders durch das Design der THT-Lötstelle beeinflusst. Auf Grund der multivarianten Einflussparameter des physikalisch komplexen Prozesses mit Material- und Wärmetransport ist weder die Vorhersage noch die zuverlässige Absicherung der Lötqualität mit aktuellen Designrichtlinien möglich. Die Absicherung der Fertigbarkeit verlangt daher einen Modellierungsansatz, der alle Einflussparameter und den Selektivwellenlötprozess vollständig abbildet. Ziel dieser Arbeit ist es, den THT-Lotdurchstieg als Kriterium der Fertigbarkeit mit einem datenbasierten Prozessmodell vorherzusagen und zu optimieren. Dafür werden die Einflussparameter des Lötprozesses mit Hilfe statistischer Versuchsplanung, multiphysikalischer Simulationsmodelle sowie einem analytischen Berechnungsansatz eingehend untersucht. Auf dieser Grundlage werden maschinelle Lernalgorithmen eingesetzt, um den Prozess mit Lötexperimentdaten zu modellieren. Mit Hilfe des ML-Modells und heuristischen Optimierungsroutinen wird zudem ein Vorgehen entwickelt, mit dem der Flussmittelauftrag und der Lötprozessablauf optimiert und geeignete Lötparameter empfohlen werden können.