Message-Broker sind für die Kommunikation zwischen lose gekoppelten Diensten unerlässlich. Es ist daher notwendig diese so zu konfigurieren, dass sie möglichst hoch verfügbar sind. Diese Arbeit untersucht daher die Auswirkung bestimmter Konfigurationsparameter auf die Verfügbarkeit von RabbitMQ, einem sehr weit verbreiteten Message-Broker. Zur Vorhersage der zu erwarteten Verfügbarkeit anhand einer gegebenen Konfiguration wird ein neuronales Netz verwendet. Konkret nutzen wir ein Feed-Foreward-Netz, da dieses aufgrund der Vollvermaschung sehr komplexe Muster erkennen kann. Um Trainingsdaten zu bekommen wurden sowohl Messungen auf einem Ubuntu-Host durchgeführt als auch ein Datengenerator entwickelt, um eine große Bandbreite an Daten abzudecken. Es hat sich gezeigt, in vielen Messungen alle Nachrichten zugestellt werden konnten, es jedoch auch einige Messungen gibt, bei denen der Anteil der zugestellten Nachrichten sehr klein ist und es auch bei gleicher Konfiguration von RabbitMQ zu großen Abweichungen kommt. Bei der Anwendung des neuronalen Netzes auf die aus dem Datengenerator stammenden Datensätzen hat sich gezeigt, dass Rauschen die Genauigkeit der Vorhersage stark beeinträchtigt, sodass bei einem Rauschen von einem Prozentpunkt nur noch eine Genauigkeit von ca. 80% erreicht wurde.