In der vorliegenden Arbeit wurde eine Simulationsumgebung aufgebaut, die Entwicklung von Antriebsstrangregelungen und vorausschauenden Assistenzsystemen für Kraftfahrzeuge unterstützt. Damit wurde eine prädiktive Schaltstrategie untersucht, die vor dem Fahrzeug befindliche Umfeldinformationen nutzt und deren Ziel die Assistenz des Fahrers für eine kraftstoffoptimale Gangwahl ist. Das Assistenzsystem zur Gangwahl soll Umgebungsdaten zukünftiger Fahrzeuge nutzen, zu diesem Zweck wird in Kapitel 2 der Stand der Technik heutiger Informationssysteme vorgestellt. Sie lassen sich unterscheiden in Sensorik, mit denen Informationen zunächst erzeugt werden und in Systeme, die bekannte Daten für ihren Betrieb nutzen. Vor allem Assistenzsysteme zur Erhöhung der Fahrsicherheit aber auch des Komforts sind hier zu nennen. Zur Erfassung von Umgebungsdaten in der Qualität, wie sie für diese Arbeit erforderlich ist, gibt es zwar Geräte, derzeit stehen die Daten aber noch nicht einem Assistenzsystem bzw. Fahrzeug zur Verfügung. In Kapitel 3 wird vorgestellt, welche Verfahren und Systeme derzeit zur Verfügung stehen, um Antriebsstrangregelungen und Verkehrssimulationen durchzuführen. Es stehen Programme von der makroskopischen Verkehrssimulation bis zur mikroskopischen Fahrzeugsimulation zur Verfügung. Kombinationen dieser extremen Programme existieren, bieten aber keine einheitliche Entwicklungsumgebung. Daher wird in Kapitel 4 der Aufbau einer neu zusammengestellten modularen Simulationsumgebung vorgestellt, die in Matlab/Simulink sowohl die Fahrzeug- als auch die Verkehrssimulation ermöglicht. Ein wichtiger Bestandteil der Simulationsumgehung und der prädiktiven Fahrzeugführung ist die Funktion zur Geschwindigkeitsprädiktion in Kapitel 5. Sie wertet vorausschauend Streckendaten mit Höhen- und Kurveninformationen aus, um die Fahrzeuggeschwindigkeit zu prädizieren, die der Fahrer auf dem kommenden Streckenabschnitt einregeln wird. Mit Hilfe einer Adaption an das individuelle Fahrerverhalten gelingt es sowohl in der Simulation als auch im Versuchsfahrzeug auf der Straße eine Vorhersage der Fahrzeuggeschwindigkeit von guter Qualität zu machen. Des weiteren wird ein vorausschauendes Fahrermodell mit einem stochastischen Verkehrsmodell entwickelt. Die Ergebnisse in Kapitel 6 zeigen, das es mit Hilfe von Markovketten möglich ist, unterschiedliche Verkehrsstärken zu modellieren und so Untersuchungen bezüglich des Einflusses von Verkehr auf die Antriebsstrangregelung durchzuführen. Diese Arbeit beschäftigt sich in Kapitel 7 mit der eigentlichen prädiktiven Gangwahlproblematik. Die rechnerische Potentialabschätzung zeigt zunächst vielversprechende Ergebnisse insbesondere für den Antriebsstrang mit 6-Gang-Getriebe. Es werden zwei prädiktive Schaltstrategien entwickelt: Die erste beinhaltet ein vollständiges Modell des Fahrer-Fahrzeug-Aufbaus und bestimmt jeweils optimale Stellgrößen (Gangabfolge) für das Fahrzeug. Da diese erste Strategie zu umfangreich für eine Implementierung in einem Steuergerät ist wurde eine zweite, einfachere Strategie entwickelt. Auch für sie wurden Simulationen mit dem Verkehrsmodell durchgeführt - allerdings nur für den Antriebsstrang des Versuchsfahrzeugs. Als Ergebnis dieser Simulationen und der Fahrversuche ergibt sich, dass der zunehmende Verkehr das Einsparpotential, welches für den Antriebsstrang mit 4-Gang-Getriebe sehr klein ist, weiter reduziert. Insgesamt zeigen die Untersuchungen, dass die entwickelte prädiktive Schaltstrategie nicht hei allen Antriebssträngen ein Potential zum Kraftstoffsparen erschließen kann. Jedoch lassen die Simulationen für den Antriebsstrang mit 6-Gang-Getriebe erwarten, dass für ihn nur durch eine veränderte Gangwahl der Kraftstoffverbrauch wahrscheinlich gesenkt werden kann, ohne die Fahrzeuggeschwindigkeit zu beeinflussen.