Die 3-D-Rekonstruktion eines Objekts aus zwei oder mehr Intensitatsbildern gehort zu den klassischen Problemstellungen aus dem Bereich Rechnersehen. Kann man dabei aktiv in das System eingreifen, also gezielt auf die Parameter der Aufnahme einwirken, so spricht man vom "aktiven Sehen." Die aktiven Parameter sind hier die Brennweite, die durch ein Zoomobjektiv gesteuert werden kann, sowie Position, d. h. Translation und Rotation, der Kamera. Die Kamera wird dabei durch einen Roboterarm in die gewunschte Position gebracht. Methoden des aktiven Sehens im Bereich der 3-D-Rekonstruktion befassen sich ublicherweise entweder mit dem Problem der Vollstandigkeit der Rekonstruktion, im Sinne einer Szenenexploration, oder mit einer moglichst prazisen Bestimmung der 3-D-Geometrie. Ferner gibt es Ansatze die einen Kompromiss zwischen diesen beiden Zielsetzungen herstellen. In der vorliegenden ArbeitwerdenMethoden des aktiven Sehens benutzt, um eine moglichst prazise 3-D-Rekonstruktion zu berechnen. Hierzu werden aus den Aufnahmen Merkmalspunkte extrahiert und deren 3-D-Koordinaten anschliessend geschatzt. In dieser Arbeit werden dazu zwei unterschiedliche Ansatze entwickelt und evaluiert: ein geometrischer Ansatz fur Stereosysteme und ein probabilistischer Ansatz. Der geometrische Ansatz betrachtet Stereosysteme, also Systeme, die aus genau zwei Kameras bestehen. Der Einfluss der aktiven Parameter (Translation, Rotation und Brennweite) auf die Genauigkeit der 3-D-Rekonstruktion wird systematisch untersucht und, wo es moglich ist, analytisch bewiesen. Im probabilistischen Ansatz wird, basierend auf der aktuellen Schatzung der 3-D-Koordinaten, die nachste beste Ansicht ermittelt, d. h. die, die die Prazision der Schatzung bestmoglich erhoht. Hierzu wird die 3-D-Rekonstruktion als Zustandsschatzproblem formuliert, welchesmit Hilfe des erweiterten Kalman-Filters gelost wird. Dadurch ist es moglich, basierend auf der aktuellen Schatzung, weitere Aufnahmen zu machen und in die Schatzung zu integrieren. In dieser Arbeit wird bewiesen, dass sich der Rechenaufwand der Kalman-Filter-Gleichungen durch geeignete Annahmen drastisch reduzieren lasst. Es wird dabei diskutiert, warum diese Annahmen fur die 3-D-Rekonstruktion sinnvoll sind. Ein zu rekonstruierender 3-D-Punkt eines Objekts ist im Allgemeinen nicht von jeder beliebigen Ansicht aus zu sehen Deshalb muss die Sichtbarkeit bei der Planung berucksichtigt werden. Zum einen wird in dieser Arbeit gezeigt, wie man die Wahrscheinlichkeit, ob ein Punkt in einer bestimmten Ansicht sichtbar ist, berechnen kann. Zum anderen wird bewiesen, wie sich die Sichtbarkeitsbedingung geschlossen in das Optimierungskriterium fur eine neue Ansicht integrieren lasst. Fur die Ansichtenplanung ist schliesslich entscheidend, die Kamera mit Hilfe eines Roboters an der gewunschten Stelle zu positionieren. Deshalb stellt sich die Frage, welche Positionen von dem verwendeten Roboterarm erreicht werden konnen. In der einschlagigen Literatur zur Ansichtenplanung fur die 3-D-Rekonstruktion wird diese Fragestellung entweder gar nicht behandelt oder stets angenommen, dass sich die moglichen Kamerapositionen auf einer (Teil-) Kugel um das Objekt herum befinden. Im Gegensatz dazu wird hier mit Hilfe der sog. Denavit-Hartenberg-Matrix der Arbeitsbereich eines Roboterarms vollstandig beschrieben. So konnen alle Positionen, die von dem jeweils verwendeten Roboterarm erreichbar sind, mit in die Ansichtenplanung einbezogen werden. Eine Beschrankung auf eine (Teil-)Kugel ist in diesem Fall dann unnotig.