Big Data und Big Text sind zwei wichtige Themen im Bereich Datenanalyse. Die Menge an produzierten Daten wächst rapide, und zugleich ist es erstmals möglich, diese dauerhaft kostengünstig zu speichern und analytisch aufzubereiten. Große Datenmengen entstehen auch in Unternehmen, z. B. im produzierenden Gewerbe. Die Analyse unstrukturierter Daten ist erst in den letzten Jahren zu einem wichtigen Thema geworden und noch nicht im großen Stil umgesetzt. Textdaten enthalten aber vielfach unerschlossene Informationen, die wettbewerbsentscheidend sein können, und werden heute oft manuell analysiert, was sehr aufwändig ist. Die Unterstützung dieser Analysen durch automatische oder teilautomatische Textanalyse bringt also einen direkten wirtschaftlichen Nutzen. Die vorliegende Arbeit untersucht die Analytics-Potenziale unstrukturierter Textdaten rund um den Produktlebenszyklus industriell gefertigter Produkte, hauptsächlich am Beispiel von Produktqualitätsdaten aus der Automobilindustrie und mit besonderem Fokus auf die Entwicklung einer leistungsfähigen IT für die Produktion im Zuge von Industrie 4.0. Zu diesem Zweck werden das Konzept Product Life Cycle Analytics (PLCA) entwickelt und eine Architektur als Rahmenwerk zur Umsetzung des Konzepts entworfen. Innerhalb dieser Architektur werden mehrere Anwendungsfälle aus dem Bereich Qualitätsdaten in der Automobilindustrie prototypisch umgesetzt oder auf Machbarkeit untersucht. Darüber hinaus wird das zukunftsweisende Konzept einer Sozialen Fabrik für Industrie 4.0, in der sich menschliche Arbeiter durch eine starke Datenintegrations- und Analytics-Infrastruktur optimal als flexible Problemlöser einbringen können, entwickelt und prototypisch implementiert.