Für die Entwicklung neuer Technologien für autonome Fahrzeuge oder Fahrerassistenzsysteme ist es wichtig, Verkehrssituationen richtig einschätzen zu können. Dazu gehört neben der Erkennung möglichst vieler Verkehrsteilnehmer aus der Umgebung, auch die Einschätzung des Verhaltens anderer Verkehrsteilnehmer, sowie bei Fahrerassistenzsystemen das Verhalten des Fahrzeugführers. Dies ist in manchen Teilgebieten wie z.B. in Spurwechselsituationen noch nicht ausreichend gelöst. Für eine gute Abschätzung müssen sowohl ungenaue Sensordaten, wie auch fehlendes Wissen über die Intentionen anderer Verkehrsteilnehmer berücksichtigt werden. Diese Arbeit versucht beide Unsicherheiten durch die Verwendung von bayesschen Netzen für die Erkennung von Spurwechselsituationen zu nutzen. Für das Lernen der bedingten Wahrscheinlichkeitsfunktionen und die Evaluation wird ein Verkehrssimulator verwendet. Ein Teil der Aufgabe bestand darin, die richtigen Eingabedaten für das Netz zu finden. Durch eine selektive Datensammlung für die Lernstichprobe und eine Validierung der Teilnetze konnte das bayessche Netz so optimiert werden, dass es Spurwechselvorgänge und Spurwechselwünsche mit einer hohen Wahrscheinlichkeit erkennen kann.