Tegen 2020 heeft de Europese Unie zich geëngageerd gebruik te maken van 20 % hernieuwbare energie. Een land zoals België heeft het voordeel gebruik te kunnen maken van kustwateren voor het installeren van offshore windturbines om zo gemakkelijker deze doelstelling te kunnen halen aangezien offshore windturbineparken meer energie dan de onshore windturbineparken produceren. Vandaag de dag is de kost voor het oogsten van offshore windenergie nog aanzienlijk hoog door de exploitatie- en onderhoudskosten. Om deze te kunnen drukken is er nood aan predictief onderhoud. Predictief onderhoud vereist het continue inschatten van de gezondsheidsstatus van de windturbine door gebruik te maken van online condition monitoring. Dit vorm echter een complexe taak, waarbij veel kennis vereist is van machinebouw en elektrotechniek. Om de drempel naar continue monitoring te verlagen, worden datagedreven technieken voorgesteld in dit proefschrift die gebruik maken van de sensordata opgemeten in de windturbines. Datagedreven technieken werden ontwikkeld voor condition monitoring op drie niveaus: het windmolenpark, de individuele windturbine en op het niveau van de componenten in een turbine. Door gebruik te maken van machine learning, data en semantische web technologie wordt aangetoond dat online condition monitoring accuraat en efficiënt kan gedaan worden met beperkte expert kennis.