Der Begriff Positionierung, d. h. die räumliche Positionsbestimmung eines Objektes anhand von Koordinaten in einem definierten Referenzsystem, spielt nicht nur für spezielle messtechnische Zwecke eine große Rolle, sondern auch für alltägliche Anwendungen. Im Außenbereich ist das Problem der Positionierung durch Global Navigation Satellite Systems (GNSS) weitestgehend gelöst. Allerdings scheitert die Lokalisierung basierend auf Satellitensignalen innerhalb von Gebäuden. Daher hat sich in den letzten Jahren ein neues Forschungsfeld aufgetan, in dem alternative Verfahren zur Positionierung innerhalb von Gebäuden untersucht werden. In dieser Arbeit wird ein mobiles, optisches Sensorsystem, auf Grundlagen von Auswerteverfahren aus dem Bereich Computer Vision und Photogrammetrie konzipiert, welches kostengünstig eine möglichst genaue und zuverlässige Positionierung in einem Gebäude ermöglichen soll. Als Sensorsystem wird eine Handykamera eingesetzt, um das System einem möglichst großen Kreis von Nutzern zugänglich zu machen. Die Positionsbestimmung erfolgt in diesem Fall anhand einer Einzelbildaufnahme, welche die Projektion eines Objektes mit vier Referenzpunkten enthält. Die Referenzpunkte besitzen dabei bekannte Objektkoordinaten. Um die Position der Kamera relativ zum Objekt zu erhalten, muss das Objekt zuerst im Bild detektiert und klassifiziert werden. Danach müssen die Bildkoordinaten extrahiert werden, um anschließend die Position bestimmen zu können. Zunächst werden bestehende Indoorpositionierungssysteme (IPS), unter anderem auch Optische Indoorpositionierungssysteme (OIPS), nach Kriterien wie Verfahren, Genauigkeitspotenzial, Abhängigkeit von der Infrastruktur und Wirtschaftlichkeit kategorisiert. Das konzipierte, bildbasierte System wird ebenfalls bezüglich dieser Kriterien eingeordnet und im Vergleich zu den übrigen IPS seine Eignung zur Indoorpositionierung herausgearbeitet. Die Genauigkeit eines OIPS wird durch die Konfiguration der Aufnahmestellung, die Stabilität der Kamera sowie die Qualität der Messdaten beeinflusst. Diese Einflussfaktoren wurden in bereits existierenden, kostengünstigen OIPS bislang nicht näher untersucht, so dass ihr Genauigkeitspotential nicht sicher angegeben werden kann. Vor der Konzeption des eigenen OIPS werden daher die Auswirkungen der genannten Einflussfaktoren auf die Positionslösung in dieser Arbeit anhand statistischer Auswertungen analysiert. Der Einfluss der Konfiguration kann durch geeignete Algorithmen verringert werden. Daher werden drei verschiedene photogrammetrische Ansätze zur Bestimmung der Position aus einer Einzelbildaufnahme (zwei 3-Punkt-Algorithmen und ein 4-Punkt-Algorithmus) auf ihre Robustheit gegenüber schlechten Konfigurationen untersucht. Der gegenüber der Konfiguration robusteste Ansatz wird weiterhin anhand statistischer Untersuchungen auf sein Verhalten sowohl gegenüber Veränderungen der inneren Orientierung der Kamera als auch gegenüber Messrauschen geprüft. Dadurch wird a priori abgeschätzt, welche Stabilität für die Handykamera gefordert ist und wie genau die Detektion georeferenzierter Objekte im Bild stattzufinden hat. Für die Systemkalibrierung werden zwei Verfahren, das Einzelbild- und das Mehrbildkalibrierverfahren, miteinander verglichen. Da mit dem Mehrbildkalibrierverfahren die Parameter der inneren Orientierung einer Kamera stabiler bestimmt werden können, wird diese Methode verwendet, um die Kameraparameter zu bestimmen und sie weiterhin auf ihre Stabilität hin zu überprüfen. Für die Bestimmung der Messdaten aus einer Einzelbildaufnahme, d. h. der Referenzpunkte im Objekt- und Bildkoordinatensystem, werden zwei neue automatisierte Verfahren zur Klassifikation der Objektpunkte von auf einen Bildsensor abgebildeten Türen (Türecken) sowie die Extraktion der Türeckpunkte im Bildkoordinatensystem entwickelt und realisiert. Die Genauigkeit der Position hängt zu einem großen Teil von diesen Messdaten ab. Daher werden die beiden Klassifikationsverfahren anhand statistischer Untersuchungen bezüglich ihrer Robustheit miteinander verglichen und die Genauigkeit der Extraktion der Bildkoordinaten analysiert. Mit einem der entwickelten Klassifikationsverfahren ist es möglich, die Türen in 68% der Fälle richtig zu klassifizieren. Die Bildpunkte können mit einer mittleren Punktabweichung von 0,02 mm bestimmt werden. Damit kann auch in ungünstigen Konfigurationen theoretisch eine Positionsgenauigkeit 1 m erreicht werden. Für den praktischen Einsatz wird die effizienteste Klassifikationsmethode zusammen mit der Extraktion der Bildkoordinaten und dem vorgestellten 4-Punkt-Algorithmus (Killian, 1955) als mobile Anwendung implementiert. Weitere Testmessungen werden mit dem System durchgeführt, um seine Praxistauglichkeit zu evaluieren und mögliche Einsatzbereiche zu analysieren. Die theoretischen Abschätzungen können in der praktischen Anwendung weitestgehend bestätigt werden. Die Ergebnisse der Testmessungen zeigen, dass die 3D-Position mit dem OIPS im Mittel mit einer Punktabweichung von 0,35 m bestimmt werden kann.