Hinter dem Betrieb raumlufttechnischer Anlagen verbirgt sich wegen Betriebsfehlern oft großes Sparpotenzial. Die Fehlererkennung und -diagnose im Bereich Klimatechnik spielt dabei eine wichtige Rolle. In dieser Arbeit wird ein Algorithmus zur automatisierten Fehlererkennung und Klassifikation von Betriebszuständen weiterentwickelt. Dieser Algorithmus verwendet den stündlichen Mittelwert der Betriebsdaten und klassifiziert die Betriebsstunden mithilfe der hierarchischen Clusteranalyse in verschiedene Cluster, die unterschiedlichen Betriebszuständen oder Fehler entsprechen. Der Algorithmus wird auf drei RLT-Anlagen angewendet, die alle einen ähnlichen Aufbau haben. Die vier erwarteten Betriebszustände wurden dabei erkannt und einige Betriebsfehler koordiniert, nämlich die Zeiten und Orte, an denen Fehler auftreten. Zudem wurde die Robustheit des Algorithmus bei unvollständiger Sensorausstattung und der Einfluss des Normierungsverfahren am Beispiel einer dieser Anlagen untersucht. Beim Fehlen unwichtiger Datenpunkte oder bei verschiedenen Normierungsverfahren funktioniert der Algorithmus sehr robust.