Trotz vielversprechenden Präsentationen von Entwicklungsfahrzeugen zum autonomen Fahren rückt in Folge der ersten Unfälle mit selbstfahrenden Autos die Bedeutung ihres Sicherheitsnachweises in den Fokus. Hierbei werden an virtuelle Fahrversuche als wirtschaftliche Alternative zum Realversuch hohe Erwartungen gestellt. Mit seiner Schlüsselposition in autonomen Fahrfunktionen stellt die Modellierung des Radarsensors eine besondere Herausforderung dar. Obwohl eine zunehmenden Leistungsfähigkeit der Simulation festgestellt werden kann, fehlt ein systematischer Nachweis der Fidelität der Simulationsmodelle in Bezug auf die korrekte Abbildung radartypischer Annomalien sowie dem korrekten Verhalten von nachgelagerten Datenverabreitungsalgorithmen bei Stimulation mit synthetischen Daten. Hierauf baut diese Dissertation auf: Zunächst werden aus gezielt durchgeführten Messungen Artefakte extrahiert und für die Relevanz in der Modellierung bewertet. Zur Generierung von synthetischen Radardaten aus einer 3D-Welt wird ein neues, auf Raytracing basierendes Verfahren vorgestellt, das spektrale Radardaten aus einem virtuellen 3D Umfeld unter Berücksichtigung von Mess-, Auflösungs- und Eindeutigkeitsbereichen generiert. Das als "Fouriertracing"' bezeichnete Verfahren zeichnet sich dadurch aus, dass insbesondere mehrwegebedingte Artefakte abgebildet sind. Ein Standardsatz an Falsifikationsexperimenten zur Bewertung von Radarmodellen wurde erstellt und damit das entwickelte Fouriertracing Modell gegenüber anderen Modellierungsansätzen und Realdaten bewertet. Schwerpunkte stellen die Untersuchung der Mehrwegeausbreitung hinsichtlich Wellenüberlagerung, Sichtbarkeit verdeckter Objekte, Spiegelzielen und dem Verhalten eines Objekttrackingalgorithmus mit synthetischen Radardaten dar. Hierdurch gelingt es, Teilaspekte der untersuchten Modelle sowie der zugrundeliegenden Annahmen falsifizierbar zu machen und Gültigkeitsbereiche der Radarsimulation zu identifizieren.