Bildbasierte Fahrerassistenzsysteme verfügen in der Regel über starre Funktionen, die sehr spezialisierte Aufgaben, wie Spurhaltung oder Verkehrszeichenerkennung, in fest definierten Situationen bearbeiten. Fahrerassistenzsysteme, die in einer großen Bandbreite von möglichen Verkehrssituationen robust und sinnvoll reagieren sollen, benötigen jedoch integrierte und flexiblere Ansätze. In der vorliegenden Arbeit wird ein integriertes Fahrerassistenzsystem vorgestellt, dessen Bildverarbeitungssubsystem durch Signalverarbeitungsprozesse im menschlichen Gehirn motiviert ist. Das Subsystem verwendet ein biologisch motiviertes Aufmerksamkeitsmodul als flexibles und generisches Front-end für alle Bildverarbeitungsprozesse. Das Aufmerksamkeitsmodul erlaubt eine aufgabenabhängige Szenenzerlegung, das Wiederfinden von bereits erkannten Objekten aus dem Kurzzeitspeicher des Systems sowie die generische Detektion von beliebigen Objektklassen über den Langzeitspeicher des Systems. Die Fusion von Informationen verschiedener Teilmodule, z. B. zwischen der internen 3D-Umfeldrepräsentation und einem Modul zur Detektion von unmarkierten Straßenflächen, erhöht die Güte des Gesamtsystems. Der Ansatz verwendet rekurrente Signalwege (so genannte top-down Verbindungen), welche Module auf tieferen Systemstufen online dynamisch parametrisieren, um die Robustheit und Reaktionsgeschwindigkeit des Gesamtsystems zu verbessern.