Als Wegbereiter für die Nutzung von grünem Wasserstoff in nachhaltigen Antriebskonzepten könnten Brennstoffzellen maßgeblich zur Erreichung der Klimaziele in der Luftfahrt beitragen. Um den Vorteil zu maximieren, sind Performanz und Kosteneffizienz wesentlich. Die Konvergenz von Sensorik und maschinellem Lernen eröffnet neue Optimierungsfreiheitsgrade mittels innovativer Überwachungs- und Kontrollstrategien. Ihre effiziente Nutzung erfordert, Korrelationen etwa von luftfahrttypischen Betriebszuständen und Alterung bzw. von Design- und Kontrollparametern zu erforschen. Der Gewinn von Daten aus dedizierten Stress- und Leistungstests ist daher essenziell, um Potenziale für optimiertes Design, Lebensdauer und Lebenszykluskosten zu erschließen.