Beim automatisierten Fahren ist für die Automatisierungsstufe 4 im Anwendungsfall kein Fahrer mehr erforderlich und die Verantwortung der sicheren Fahrzeugführung liegt beim System. Durch den einhergehenden Entfall des menschlichen Fahrers als Rückfallebene wird ein zusätzlicher Sicherheitsnachweis im Sinne der Kollisionsfreiheit des Systems notwendig. Hierzu hat sich die szenarienbasierte Testmethodik etabliert, bei der eine beschränkte Anzahl relevanter Testfälle für Szenarien des Einsatzgebiets zu definieren ist. Zentraler Baustein zur fundierten Festlegung der Szenarien und Testfälle bilden Daten aus dem realen Verkehrsumfeld. Die vorliegende Dissertation adressiert die urbane Domäne als Einsatzgebiet eines automatisierten Fahrsystems und erweitert den Stand der Forschung in drei Themenfeldern: Die automatische Detektion von urbanen Szenarien in naturalistischen Fahrdaten, die datengetriebene Generierung von Testfällen mit einer Anwendung auf innerstädtische Kreuzungen sowie die internationale Harmonisierung von Methoden und Testszenarien. Grundlage der Ergebnisse bildet eine umfangreiche naturalistische Fahrstudie mit einem institutseigenen Versuchsträger in urbaner Umgebung. Für die Detektion von urbanen Szenarien in Fahrzeugmessdaten wird ein Ansatz zur Anreicherung der Daten mit zeitsynchronen Informationen zur Straßengeometrie anhand von frei verfügbaren Kartendaten vorgestellt. Dieser ermöglicht die Identifikation verschiedener geometriebezogener Manöver, wie das Queren von Kreuzungen oder Fußgängerüberwegen, mit einer durchschnittlichen Falschdetektionsrate von weniger als 10 %. Ferner wird eine Toolkette zur Extraktion von Personenmerkmalen aus Kamerabildern aufgebaut. Deren Anwendung auf die Videos der Messkampagne zeigt Potential zur Auswertung sicherheitskritischer Interaktionen mit Personen sowie zur Analyse der funktionalen Szenarien. Weiterhin wird eine generische Gesamtmethodik zur Testfallgenerierung entwickelt, die die Anforderungen nach...