Zuverlssige Navigation ist eine wichtige Voraussetzung damit ein autonomer mobiler Roboter seine Aufgaben erfllen kann. Die heutzutage erfolgreichsten Anstze zur Navigation basieren auf geometrisch detaillierten Karten die ein Roboter als interne Reprsentation der Umgebung verwendet. Aufgrund von perzeptuellem Aliasing und Messrauschen ist der Aufbau und Anwendung geometrischer Umgebungskarten zur Navigation schwierig. Des weiteren ist die Verwendung geometrischen Umgebungskarten sehr rechenintensiv, da groe Mengen an Daten verarbeitet werden mssen. Diese Dissertation beschftigt sich mit dem Problem von Bild-basiertem topologischen Kartenaufbau und Lokalisation zur Navigation mobiler Roboter. Eine topologische Karte modelliert die Umgebung in Form eines Graphen und ist daher eine prgnante und kompakte Reprsentation der Umgebung die skalierbar ist und einfach manipuliert werden kann. Topologische Karten sind deshalb hervorragend zur einfachen Navigation von mobilen Robotern geeignet und bilden eine reprsentative semantische Grundlage fr kompliziertere Navigationsaufgaben. Um bild-basierte topologische Navigation fr kostengnstige mobile Roboter fr den Massenmarkt anwendbar zu machen, schlagen wir vor, wichtige Orte in einer Umgebung durch deren visuelle Erscheinung zu reprsentieren. Die visuelle Erscheinung wird mit Hilfe von Farbhistogrammen beschrieben. Der Ansatz fr die Reprsentation von Orten durch visuelle Erscheinung basiert auf der Tatsache, dass Farbhistogramme nur langsam variieren wenn das Blickfeld eines fahrenden Roboters ndert. Daher beschreibt ein Ort vielmehr eine Region in einer Umgebung als eine spezielle Position. Experimente in einer Broumgebung zeigen, dass eine topologische Karte, in der Orte durch visuelle Erscheinung und geometrischer Information beschrieben sind, gengend Information enthlt, um einen Roboter im geometrischen Sinne zuverlssig zu lokalisieren. Viele Methoden zur topologischen Kartierung erstellen eine Karte durch die Kategorisierung von visuellen Beobachtungen, wobei jede Kategorie einen Ort beschreibt. Aufgrund von perzeptuellem Aliasing knnen Beobachtungen von verschiedenen Orten derselben Ortskategorie zugeordnet werden, was zu fehlerhaften Karten fhrt. In dieser Dissertation wird ein neuer Ansatz beschrieben, um das Problem von perzeptuellem Aliasing beim topologischen Kartenaufbau zu bewltigen. Wir schlagen vor, Nachbarschaften von Orten zu betrachten, um Orte zu differenzieren, die ansonsten nicht zu unterscheiden sind. Dieser Ansatz zur Unterscheidung von Orten wird in eine stochastische lokale Suche eingebaut, um eine topologische Karte zu erstellen. Experimente zeigen, dass es mit der vorgeschlagenen Methode mglich ist, Umgebungen effizient zu kartieren in denen der Roboter einem hohen Ma an perzeptuellem Aliasing ausgesetzt ist. Auerdem wird der Ansatz zur Differenzierung von Orten durch Nachbarschaftsinformation in ein Verfahren fr die gleichzeitige Lokalisierung und Kartierung integriert. Es wird keine vorgeschaltete Kategorisierung der Daten bentigt. Experimente zeigen die erfolgreiche Anwendung von dieser Methode in einer Broumgebung.