Ventile sind die zahlreichsten aktiven Komponenten im "Tiefenverteidigungssystem" von Kernkraftwerken (NPPs), und ihre Zuverlässigkeit ist für die nukleare Sicherheit von entscheidender Bedeutung. Betriebserfahrungen und zahlreiche Studien zeigen, dass Ventile weiterhin eine kritische Schwachstelle darstellen, jedoch beschränken sich bestehende akademische Übersichten oft auf einen einzelnen Ausfallmechanismus oder die Betriebs- und Wartungsphase (O&M). Um die Lücke einer systemischen Perspektive, die dieses Schlüsselbauteil in den Mittelpunkt stellt, zu schließen, entwickelt dieser Artikel einen Zuverlässigkeitsrahmen über den gesamten Lebenszyklus und gibt einen systematischen Überblick über den Stand und die Fortschritte der Forschung zur Zuverlässigkeit von Kernkraftwerksventilen aus vier miteinander verknüpften Aspekten: (1) Zuverlässigkeitsorientiertes Design und Optimierung; (2) Analyse der wichtigsten Ausfallmodi und -mechanismen; (3) Zuverlässigkeitsbewertung und Lebensdauerprognose; (4) Zustandsüberwachung und intelligente Wartung und Betrieb. Dieser Artikel adressiert die Einschränkungen früherer Übersichten, die auf bestimmte Phasen beschränkt waren, nutzt den vorgeschlagenen Lebenszyklusrahmen und analysiert tiefgreifend den grundlegenden Paradigmenwechsel im Bereich der Zuverlässigkeitsforschung von Kernkraftwerksventilen — von einer statischen, isolierten, physikdominierten Analyse zu einer dynamischen, systematischen, tiefgreifenden physik-daten-integrierten Analyse. Wir identifizieren vier zentrale Widersprüche, die diese Entwicklung hemmen: der Widerspruch zwischen kleinen Stichproben und datenabhängigen Methoden, der Widerspruch zwischen komplexen physikalischen Mechanismen und vereinfachten Modellen, der Widerspruch zwischen mechatronischen Systemen und einzelnen Bauteilen, sowie der Widerspruch zwischen der "Black-Box"-Natur der Modelle und den Anforderungen an die Erklärbarkeit. Zur Bewältigung dieser Herausforderungen schlagen wir zukunftsweisende Perspektiven vor, die den Schwerpunkt auf die Vertiefung der Physik-Daten-Fusion, die Kopplung der verbleibenden Lebensdauer auf Komponentenebene mit probabilistischer Risikoabschätzung auf Systemebene sowie die Erforschung von Lösungen für Modellvertrauen und Unsicherheitsquantifizierung legen.