Die Anomaliedetektion erlaubt die robuste Erkennung von Objekten, die nicht Teil des Trainingsdatensatzes sind. In der Dissertation wird dieser Ansatz für den Anwendungsfall der Hinderniserkennung automatisiert fahrender PKW weiterentwickelt. In Simulation und Feldtests kann nachgewiesen werden, dass die entwickelte Anomaliedetektion unter anspruchsvollen Bedingungen eine robuste Hinderniserkennung bei minimalem Training ermöglicht.