Kleinere und größere Unregelmäßigkeiten, wie bspw. technische Störungen und größere Störfallsituationen lassen sich im Betriebsablauf des Schienenpersonenverkehrs nicht immer vermeiden. Dies ist insbesondere auf die vorhandenen hohen Abhängigkeiten im Bahnbetrieb zurückzuführen, wodurch sich aus nur einer kleinen Störung einer Zugverbindung ein großes Störfallereignis ergeben kann, in welchem dann eine Vielzahl an Zugverbindungen und somit eine sehr große Anzahl an Reisenden negativ betroffen sind. Es sind entsprechende Maßnahmen erforderlich, welche die Zufriedenheit der Reisenden auch in solchen Situationen nicht gefährden und trotz der Unregelmäßigkeit einen effizienten Betrieb gewährleisten. Bestenfalls sind die Maßnahmen auf die Bedürfnisse der Reisenden abgestimmt, so dass gute Möglichkeiten zur Fortsetzung der Reise geschaffen werden. Neben den gängigen Maßnahmen rücken hierbei die nachfragebeeinflussenden Maßnahmen mehr und mehr in den Fokus. Im Rahmen der Innovationsallianz zwischen der Deutschen Bahn AG (DB AG) und der Technischen Universität Darmstadt wurde in der Arbeitsgruppe Connected Mobility die Implementierung einer Nachfragebeeinflussung, in Form einer sogenannten Reisendenstromlenkung, als ein zusätzliches Instrument zur optimierten Lenkung von Reisendenströmen untersucht. Ein wesentlicher Aspekt der Nachfragebeeinflussung ist die Kenntnis über die Akzeptanz von Handlungsempfehlungen bzw. die Kenntnis über das wahrscheinliche Verhalten der jeweiligen Reisenden in Abhängigkeit einer Vielzahl an gleichzeitig wirkenden Einflussfaktoren. Sofern das Verhalten der Reisenden abgeschätzt werden kann, können geeignete nachfragebeeinflussende Maßnahmen ausgewählt und die Reisenden im Falle einer Unregelmäßigkeit optimal auf das (ggf. noch) vorhandene Verkehrsangebot verteilt werden. Die gezielte Beeinflussung der Verkehrsnachfrage im Schienenpersonenverkehr erfordert jedoch ein geeignetes Modell zur Prognose des Entscheidungsverhaltens der Reisenden, welches die wirkenden Einflussfaktoren einschließt, ein sogenannten Entscheidungsverhaltensmodell. In der vorliegenden Dissertation wird eine Methodik zur Erzeugung eines solchen Entscheidungsverhaltensmodells von Reisenden im Bahnbetrieb entwickelt, vorgestellt und validiert. Hierzu werden im ersten Schritt die relevanten Einflussfaktoren auf die Akzeptanz von Handlungsempfehlungen auf Basis einer durchgeführten Fahrgastbefragung (N = 1961) von Reisenden im Nah- und Fernverkehr identifiziert. Es wird dabei aufgezeigt, dass neben der Veränderung der Reisezeit und der Anzahl an Umstiegen als externale Einflussfaktoren im Entscheidungsprozess der Reisenden auch eine Vielzahl an internalen Einflussfaktoren, bspw. die Nutzungshäufigkeit des Schienenpersonenverkehrs, das Alter und die Komfortanforderungen der Reisenden, bei der Auswahl einer Handlungsoption durch den Reisenden zu berücksichtigen sind. Mit Hilfe der in der Fahrgastbefragung erfassten Merkmale wurde weiterhin eine Einteilung der Reisenden in acht stereotypische Reisendengruppen mit ähnlichen Eigenschaften und Verhaltensweisen vorgenommen, so dass die Reisendengruppe selbst als ein abgeleiteter internaler Einflussfaktor zur Prognose des Entscheidungsverhaltens berücksichtigt werden kann. Die Annahmewahrscheinlichkeit einer Handlungsempfehlung durch einen Reisenden wird mit Hilfe einer binär-logistischen Regressionsanalyse auf Basis des in den Fragebögen erfassten hypothetischen Verhaltens in zwei unterschiedlichen Szenarien (Zugausfall und Auslastungsproblem) bestimmt. Hierzu werden unterschiedliche Entscheidungsverhaltensmodelle entwickelt, wodurch die Auswirkungen bei der Variation der Einflussfaktoren inkl. dem Einbezug der Reisendengruppen auf die relevanten Kenngrößen zur Beurteilung der Klassifikationsgüte, Modellgüte, Ergebnisstabilität und Prognosegenauigkeit dargestellt werden können. Das final entwickelte Entscheidungsverhaltensmodell E5 (Zielmodell) zum Szenario 1 (Zugausfall) erzielt eine Steigerung der Klassifikationsgüte von 51,6 % auf 67,3 %. Werden lediglich die externalen Einflussfaktoren (die Veränderung der Reisezeit und die Anzahl an Umstiegen) in ein Entscheidungsverhaltensmodell eingeschlossen (Ausgangsmodell E1), so wird lediglich eine Klassifikationsgüte von 60,2 % erreicht. Bei Berücksichtigung der Reisendengruppen (Zielmodell R5) wurde hingegen eine Klassifikationsgüte von 68,1 % erzielt. Beide Entscheidungsverhaltensmodelle (E5 und R5) liegen im Bereich einer akzeptablen Modellgüte. Die Wirkungen von zusätzlichen Handlungsanreizen auf die Annahmequote einer Handlungsempfehlung, bspw. die temporäre Aufwertung des Reisetickets (Upgrade 1. Klasse) und die Ausstellung von Wertgutscheinen (bspw. kostenfreier Kaffee), werden ergänzend analysiert. Die durchgeführten Untersuchungen zeigen, dass durch die Nutzung von zusätzlichen Handlungsanreizen die Lenkungswirkung nachfragebeeinflussender Maßnahmen gesteigert werden kann. Insbesondere jene Handlungsanreize, aus denen eine Steigerung des Reisekomforts resultiert, bspw. eine Sitzplatzgarantie oder die Weiterfahrt in der 1. Klasse, weisen die größten Verbesserungen in der Annahmequote auf. So konnte in Szenario 1 (Zugausfall) die Annahmequote von 56,9 % auf 66,1 % bei Ausweisung einer Sitzplatzgarantie gesteigert werden. In Szenario 2 (Auslastungsproblem) lässt sich bei diesem Handlungsanreiz eine Steigerung der Annahmequote von 26,7 % auf 36,8 % erreichen. Die größte Wirkung in Szenario 2 resultiert jedoch aufgrund einer rechtzeitigen Informationsbereitstellung, wodurch eine Annahmequote 46,6 % erzielt wird. Insgesamt wurden je Szenario 14 Entscheidungsverhaltensmodelle entwickelt, welche sich bzgl. der eingeschlossenen Modellierungsparameter unterscheiden, um die Auswirkungen bei einer Variation auf die untersuchten Kenngrößen darstellen zu können. Weiterhin wurden bei der Entwicklung der Modelle unterschiedliche Anwendungsfälle berücksichtigt, um spezifische Modelle (bspw. bezogen auf den Nahverkehr, den Fernverkehr, eine geringe Datenlage oder die Nutzung von Reisendengruppen) zu erhalten. Die Vorgehensweise zur Auswahl eines Entscheidungsverhaltensmodells auf Basis einer Entscheidungslogik wird vorgestellt. Zukünftig wird es möglich sein, mit einer solchen Entscheidungslogik das passende Entscheidungsverhaltensmodell systematisch auszuwählen, um letztlich die Wirkungen von Maßnahmen abschätzen zu können. Die Methodik wurde durch die Erzeugung und Analyse der Kenngrößen der Entscheidungsverhaltensmodelle validiert und ermöglicht zukünftig die Entwicklung von Umlegungsmodellen in Störfällen auf Grundlage externaler und internaler Einflussfaktoren. Um ein in der Praxis anwendbares Modell zu erhalten, sind die erzeugten Entscheidungsverhaltensmodelle durch die Nutzung von Daten einer realen Störfallsituation zu validieren und ggf. zu kalibrieren. Die aktuelle Datenlage auf der einen Seite und der hohe Aufwand zur Erfassung solcher Realdaten auf der anderen Seite lassen zum heutigen Stand eine Validierung und Kalibrierung der Entscheidungsverhaltensmodelle nicht zu. Es ist aber davon auszugehen, dass die fortschreitende Digitalisierung die technischen Möglichkeiten liefert, so dass die Ergebnisse dieser Arbeit die ersten Ansätze für eine zukünftige Umsetzung einer gezielten Nachfragebeeinflussung im Schienenpersonenverkehr bereithält.