Ein Maßstab für Entwicklung, Beschaffung und Nutzung von Computer Systemen ist die Systemleistung. Die Leistung eines Computersystems wird typischerweise durch den Datendurchsatz und die Antwortzeit des Systems beschrieben. Die Folgen eines Systems mit schlechter Performance reichen in der Praxis von unzufriedenen Benutzern bis zu hohen Geldstrafen auf Grund von nicht erreichten Verarbeitungszielen. Wegen der ständig zunehmenden Leistungsfähigkeit und sinkenden Preise für Computersysteme werden Leistungsprobleme häufig durch den Kauf von schnelleren Rechnern gelöst. Im Ergebnis wird eine Leistungssteigerung erzielt, allerdings fällt diese häufig geringer aus als erwartet. Die Ursache dafür liegt in einer unpassenden Kombination von Hardwareauswahl und Softwarekonfiguration. Deshalb ist es für Entwickler und Systemdesigner hilfreich, wenn sie eine systematische Methode hätten, die sie in der Auswahl der Hardware und Konfiguration der Software unterstützt. Wir motivieren den Bedarf nach einer systematischen Konfigurationsmethode mit einer typischen B2B Anwendung aus der Finanzindustrie. Banken müssen bei elektronischen Zahlungen verschiedene Nachrichtenformate wie z.B. EDIFACT oder S.W.I.F.T. unterstützen. Für die weitere Verarbeitung ist eine Konvertierung der Nachrichten in das interne Verarbeitungsformat der Bank notwendig. Die Konverter müssen Nachrichtengrößen zwischen 100 Bytes und 60 MBytes verarbeiten können und gleichzeitig gegebene Leistungsanforderungen erfüllen. Die Auswahl der Hardware und Konfiguration der Software ist deshalb ein wichtiger Schritt zum Erreichen der Verarbeitungsziele. Diese Arbeit stellt einen neuen systematischen Ansatz für die Leistungsanalyse von verteilten Systemen vor, der auf vorgegebenen Anforderungen wie Durchsatz und Antwortzeiten basiert. Unsere Methode erlaubt die Suche nach passenden Systemkonfigurationen, bei gleichzeitiger Minimierung von aufwändigen Leistungsevaluationsschritten. Unsere Methode teilt sich auf in die Schritte Hardwarekonfiguration und Softwarekonfiguration. Im Hardwarekonfigurationsschritt leiten wir zunächst ein analytisch zu lösendes Queueing Network Model für die Abschätzung der Leistung eines einzelnen Rechners her, das auf wenigen Schlüsselparametern basiert. Mit Hilfe dieses Models erfolgt in unserem Algorithmus die Hardwareauswahl und gleichzeitig eine Verteilung der Arbeitslasten auf die Rechner. Basierend auf diesen Ergebnissen erfolgt die Konfiguration der Software mit Hilfe eines Layered Queueing Networks (LQN) Models des Systems. Die zielorientierte Suchheuristik verwendet dieses Systemmodel zur Bestimmung der Systemleistung. Zur Demonstration der Skalierbarkeit unserer Methode haben wir sie zur Konfiguration eines komplexen Systems als auch kleineren, realen Systems verwendet. Die anschließenden Messungen verifizierten unsere Vorhersagen und zeigten, dass sich mit unserer Konfigurationsmethode verteilte Systeme erfolgreich konfigurieren lassen. Da wir für unsere Methode Queueing Networks verwenden, basiert unser Model nur auf Durchschnittswerten der Leistungsparameter. Laufzeitabweichungen oder Variationen in den Nachrichtengrößen können nicht berücksichtigt werden. Die Berücksichtigung dieser Variationen erfolgt zur Laufzeit durch einen Prozessplanungsalgorithmus (Scheduling), der eingehende Jobs optimal an die Rechner verteilt. Im Falle unserer Beispielanwendung war es notwendig, einen eigenen Algorithmus zu entwickeln, da die Standardverfahren nicht den Anforderungen entsprachen. In unserem Ansatz haben wir den Bin Stretching Algorithmus angepaßt, sodas dieser die Anforderungen zur Einhaltung von Verarbeitungszeiten und die Verarbeitung von priorisierten Jobs als auch die Leistungsziele wie niedrige Antwortzeiten und hohen Durchsatz erfüllt. Das Verhalten unseres modifizierten Bin Stretching Algorithmus haben wir durch Simulation in verschiedenen Szenarien mit unterschiedlichen Nachrichtenverteilungen und Rechnerkombinationen analysiert. Die Simulationen als auch die Überprüfung im realen System zeigen, dass unser Ansatz im Allgemeinen gleichwertige oder bessere Ergebnisse als vergleichbare Algorithmen zeigt.