Mit der Entwicklung von neuen hochautomatisierten Fahrfunktionen (HAF) steigen die Anforderungen an deren simulationsbasierten Absicherung. Hierzu werden im Rahmen der Forschungsprojekte PEGASUS und ENABLE-S3 am Fachgebiet Fahrzeugtechnik (FZD) der Technischen Universität Darmstadt Sensormodelle für aktive Sensoren wie Lidar-, Radar- und Ultraschallsensoren entwickelt und validiert. Diese Sensormodelle ermöglichen eine Steigerung der Effizienz bei der Freigabe hochautomatisierter Fahrfunktionen. In der vorliegenden Masterthesis wird eine Methodik entwickelt, die mittels Metriken eine ganzheitliche Bewertung des Lidar-Sensormodells und den anschließenden Verarbeitungsebenen ermöglicht. Die Anwendung der Methodik wird anhand beispielhafter Szenarien gezeigt. Zunächst werden mögliche Fehler in der Lidar-Sensorsimulation mit einer FMEA (Fehlzustandsart- und -auswirkungsanalyse) analysiert. Dabei ist das primäre Ziel, zu überprüfen, ob die Anwendung einer FMEA zur Bewertung einer Lidar-Sensorsimulation möglich ist. Die beispielhafte FMEA zeigt, dass für eine vollständige FMEA mehr Informationen über das Zusammenwirken der Verarbeitungsebenen benötigt werden. Die Zusammenhänge zwischen den Verarbeitungsebenen werden jedoch ersichtlich. Die entwickelte Methodik zur Bewertung der einzelnen Verarbeitungsebenen sieht vor, zuerst reale Messdaten in definierten Szenarien aufzuzeichnen. Mit den Informationen aus den realen Versuchen werden die Szenarien im Simulationstool VTD nachgestellt. Der Ausgang der Simulation ist die erste Verarbeitungsebene „Punktewolken“, der anschließend in den Verarbeitungsebenen „Segmentierung“, „Tracking“ und „Klassifizierung“ verwendet wird. Für alle Verarbeitungsebenen werden Metriken recherchiert, die einen Vergleich der jeweiligen Verarbeitungsebenen zwischen den realen und simulierten Daten ermöglichen. Außerdem werden Überlegungen zur Erstellung einer Gesamtmetrik angestellt. Da diese jedoch nicht physikalisch interpretierbar ist und Informationen über die Fehler in den einzelnen Verarbeitungsebenen verloren gehen, wird keine Gesamtmetrik erstellt. Mittels beispielhafter statischer und dynamischer Szenarien erfolgt die Bewertung der Verarbeitungsebenen „Punktewolken“ und „Tracking“ sowie die Überprüfung der Anwendbarkeit der Metriken. Für die Bewertung der Verarbeitungsebenen „Punktewolken“ werden Occupancy Grids erstellt. Die Sensibilität der Metriken wird überprüft, indem Parameter variiert und Szenarien manuell manipuliert werden. Da keine Erfahrungswerte vorliegen, bei welchen Werten der Metriken die Simulationsqualität als hoch eingestuft werden kann, können die Metriken nur für den Vergleich unterschiedlicher Szenarien und unterschiedlicher Simulationen eingesetzt werden. In einer abschließenden kombinierten Betrachtung der Verarbeitungsebenen „Punktewolken“ und „Tracking“ werden bei einem Szenario für jeden Zeitschritt die Metriken beider Verarbeitungsebenen berechnet und die Korrelation zwischen den Verarbeitungsebenen überprüft. Die Verarbeitungsebenen zeigen eine hohe Korrelation, was darauf schließen lässt, dass die Qualität der Punktewolken der Lidar-Sensorsimulation einen großen Einfluss auf die Ergebnisse nachgelagerter Verarbeitungsebenen wie beispielsweise das Tracking hat.