Root-Cause-Analyse (RCA) ist eine Methode des Qualitätsmanagements, die darauf abzielt, die Ursache-Wirkungs-Zusammenhänge von Problemen und deren zugrundeliegenden Ursachen systematisch zu untersuchen und zu identifizieren. Traditionelle Methoden basieren auf der Analyse von Problemen durch Fachexperten. In modernen Produktionsprozessen werden große Mengen an Daten erfasst. Aus diesem Grund werden zunehmend rechnergestützte und datengetriebene Methoden für die RCA verwendet. Eine dieser Methoden sind Causal-Discovery-Algorithmen (CDA). In dieser Veröffentlichung wird die Verknüpfung und Vorverarbeitung von Daten aus der Montage eines führenden Automobilherstellers sowie die Anwendung von CDA auf diese demonstriert. Die verwendeten Algorithmen lernen die kausale Struktur zwischen den Eigenschaften der hergestellten Fahrzeuge, der Ergonomie und des zeitlichen Umfangs der beteiligten Montageprozesse und qualitätsrelevanten Produktmerkmalen anhand repräsentativer Daten. Es wird gezeigt, wie die Leistung der CDA im Kontext des Qualitätsmanagements beurteilt werden kann. Dafür werden verschiedene Metriken vorgestellt und die Algorithmen mittels dieser sowie ihrer Laufzeit miteinander verglichen. Die vorliegende Veröffentlichung liefert einen Beitrag zum Qualitätsmanagement und demonstriert, wie CDA zur RCA in Montageprozessen eingesetzt werden können.