eCall ist ein System bzw. Gerät in einem Fahrzeug, das einen automatischen Notruf auslöst, sobald ein Unfall detektiert wird. Im Falle eines automatischen Notrufs werden bestimmte Daten wie bspw. der Ort an den nächstgelegenen Rettungsdienst übermittelt, wodurch auch Personen geholfen werden kann, die bspw. während eines Unfalls bewusstlos werden und selbst keinen Notruf auslösen können. Solche Systeme sind bisher für Einspurfahrzeuge hauptsächlich als zusätzliche Geräte in Form von Nachrüstlösungen vorhanden. Ist es möglich, einen eCall-Algorithmus zu entwickeln, der nur Smartphone-Sensorik benötigt, kann dieses System aus u.a. Kostengründen breitere Anwendung finden. Das ist das Ziel dieser Masterthesis. Es soll ein Unfallerkennungsalgorithmus entwickelt werden, der Fahrten mit Unfall von Fahrten ohne Unfall unterscheiden kann. Dafür werden Fahrräder repräsentativ für Einspurfahrzeuge gewählt. Der Entwicklung des Algorithmus soll ein Datensatz mit Normalfahrten und Fahrten mit Unfall zugrunde liegen, der aus einer eigens durchgeführten Versuchskampagne stammt. Dafür werden zunächst Unfallauslöser, Unfallszenarien und Normalfahrten von Einspurfahrzeugen aufgelistet, kategorisiert und konkretisiert. Dadurch wird die Vielfältigkeit an Unfallszenarien und die Problematik, diese innerhalb einer Masterthesis reproduzierbar und realitätsgetreu nachzustellen, dargelegt. Aus diesem Grund liegt der Fokus dieser Ausarbeitung auf dem Erkennen von Normalfahrten. Eine Analyse der Einflüsse auf Normalfahrten zeigt zwar, dass Normalfahrten ebenfalls vielfältig sind; allerdings ist die Nachstellung in Versuchen signifikant leichter und reproduzierbarer möglich. Es wird eine Versuchskampagne vorbereitet, geplant und ausgewertet, die verschiedene Einflüsse auf Normalfahrten untersucht. Dazu gehören u.a. das Fahrerverhalten, die Fahrbahnbeschaffenheit, die Smartphone-Positionierung oder auch das Fahrradmodell. Es werden erst Vorversuche durchgeführt, um ein Verständnis für das Smartphone als Messwerkzeug und die Messgrößen der genutzten Applikation (App) aufzubauen. Daraus zeigt sich zudem, dass es mit Smartphones durchaus möglich ist, fahrdynamische Messungen durchzuführen. Daraufhin folgt die eigentliche Versuchskampagne, durch dessen Auswertung erarbeitet wurde, dass ein in die Pedalen treten, das Fahren auf verschiedenen Fahrbahnbeschaffenheiten oder auch das Überfahren von Bordsteinen durch bestimmte Muster erkennbar ist. Im letzten Schritt wird der Unfallerkennungsalgorithmus entwickelt. Dafür wird die Grundstruktur mittels Paar-Vergleich methodisch bestimmt und im Anschluss sowohl die Erkenntnisse aus der theoretischen Erarbeitung bzgl. Unfällen und Normalfahrten als auch aus der Versuchskamapgne implementiert. Der Algorithmus ist auf eine Smartphone-Positionierung in der Hosentasche spezifiziert und basiert auf einer mehrstufigen Mustererkennung. Die Erkennung eines Musters wird je nach Gewissheit und Zuverlässigkeit gemäß eines Punktesystems gewertet. Dadurch wird nicht nur zwischen Unfall und kein Unfall unterschieden, sondern auch eine Unfallwahrscheinlichkeit bestimmt. Dieses Vorgehen ist dem Verfasser bisher aus keinen anderen Quellen bekannt. Erste Verifizierungen durch Normalfahrten und nachgestellte Stürze beweisen das Potential des Algorithmus, wenn auch Parameteroptimierungen des Punktesystem nötig sind, um falsch-positive und falsch-negative Ergebnisse zu reduzieren.