In der vorliegenden Arbeit wird das Mittelwert-Varianz-Modell nach Markowitz bei der Portfoliooptimierung in zwei Richtungen erweitert: den bayesschen Ansatz mit Bayes-Stein-Sch¿er und den Multi-Prior-Ansatz. Im ersten Teil wird durch den bayesschen Ansatz hinsichtlich des Bayes-Stein-Sch¿ers eine Apriori-Information mit der Stichproben-Information kombiniert. Dadurch reduziert sich das optimale Porfoliogewicht vom Mittelwert-Varianz-Portfolio zum Minimum-Varianz-Portfolio. Im zweiten Teil wird ein Intervallsch¿verfahren im Multi-Prior-Ansatz verwendet. Dabei werden die Vorteile dieses Modells gezeigt: 1) Wie beim bayesschen Ansatz ist der Multi-Prior-Ansatz auch in der Entscheidungstheorie fest verankert. 2) Dieser Ansatz bietet dem Investor mehr Flexibilit¿ z.B. bei der Ermittlung des Sch¿werts des Parameters sowie die Mitber¿cksichtigung seiner pers¿nlichen Risikoaversion mittels des Konfidenzniveaus. Der inhaltliche Zusammenhang zwischen beiden Ans¿en wird in Kap.4 illustriert. Die Ergebnisse der empirischen Studien st¿tzen die These, dass die Zulassung der Parameterunsicherheit die ¿out-of-sample¿-Performance verbessert.