In dieser Arbeit wird ein effizientes Verfahren zur Formoptimierung von Strömungsproblemen vorgestellt. Dabei kommen Evolutionäre Algorithmen (EA) zum Einsatz, da diese zu den gradientenfreien Methoden gehören und sich insbesondere zur Mehrzieloptimierung und zum Finden globaler Optima eignen. Um die Optimierungseffizienz zu erhöhen und die Konvergenz zu verbessern, werden die Approximationsmodelle und deterministischen Verfahren mit EA kombiniert. Der Optimierungsprozess besteht dabei aus zwei Schritten: der Exploration des Designraums mit EA (globale Suche) und der Konvergenzbeschleunigung mit den determinis-tischen Verfahren (lokale Suche). Beim Lösen eines Formoptimierungsproblems kontrolliert der Optimierer den gesamten Optimierungsprozess. Formvariationen und die dazu gehörenden Strömungssimulationen werden dabei zur Auswertung der Zielfunktionen und zum Aufbau einer Datenbank für das Training der Approximationsmodelle verwendet. Zur Formvariation wird die Freiform-Deformation (FFD) verwendet, da mit dieser die vom Strömungslöser verwendeten Gittern direkt modifiziert werden können und eine flexible Deformation durch die Verschiebung einiger weniger Kontrollpunkte möglich ist. Zur Strömungssimulation kommt FASTEST, ein am Fachgebiet für numerische Berechnungsverfahren im Maschinenbau (FNB) entwickelter Finite-Volumen-Strömungslöser, zum Einsatz. Zur globalen Exploration des Designraums wird eine modifizierte Version der elitären evolutionären Methode NSGA-II verwendet. Während des Optimierungsprozesses werden die aufwändigen Funktionsauswertungen, die vom Strömungslöser durchgeführt worden sind, in einigen Generationen durch die lokalen, während des Optimierungsprozesses trainierten App-roximationsmodelle (RBFN) ersetzt. Der adaptive Austausch zwischen den exakt und annähnend ausgewerteten Generationen wird durch einen Kontrollmechanismus erreicht. Die so erzielten Ergebnisse dienen den beiden gradientenfreien Verfahren DFO und CONDOR als Startwerte für die lokale Suche. Das entwickelte Optimierungsverfahren wird auf einige analytische und numerische Optimierungsprobleme angewendet. Die Optimierungsergebnisse zeigen, dass das Verfahren sich sowohl für Probleme mit konvexer und nichtkonvexer Pareto-front eignet. Der Ansatz eines Approximationsmodells im Rahmen eines Evolutionsprozesses vermeidet die Anforderung einer hohen Zahl an zeitaufändigen Funktionauswertungen. Verglichen mit konventionellen EA kann das vorgeschlagene hybride Optimierungsverfahren eine Anzahl optimaler Lösungen, welche eine gute Diversität und eine bessere Konvergenz besitzen, mit weniger Rechenaufwand erreichen. Außerdem werden in dieser Arbeit der Einfluss der RBFN Aufbaumethode und der Zahl der Lösungen in der Anfangsdatenbank auf die Genauigkeit der Approximationsmodelle, sowie die Performance von die zwei lokalen Optimierungsalgorithmen DFO und CONDOR in dieser Arbeit untersucht. Ein weiterer Aspekt dieser Arbeit ist die Bereitstellung einer Methode zur Konstruktion des Approximationsmodells durch die Kombination verschiendener Interpolationsverfahren (Spline- und RBF-Interpolation) und der Proper-Orthogonal-Decompostion-Technik (POD), um eine effiziente Approximation des gesamten Strömungsgebiets zu ermöglichen. Die Effizienz und Genauigkeit der POD-basierten Approximationsmodelle und die Qualität der Optimierungsergebnisse werden durch die Anwendung auf zwei Formoptimierungsprobleme untersucht.