Boolesche Netzwerke werden seit 1969 zur Modellierung von Genregulationsnetzwerken verwendet, seit den 80er Jahren sind sie auch das Objekt evolutionärer Studien. Während viele dynamische Eigenschaften Boolescher Netzwerke erst während des letzten Jahrzehnts wirklich verstanden wurden, sind auch viele interessante evolutionäre Fragestellungen noch offen. Die zufälligen Booleschen Netzwerke, mit denen die Simulationen in dieser Arbeit beginnen, bestehen aus N Knoten, von denen jeder K Eingänge von zufällig ausgewählten Knoten erhält. Dabei repräsentieren die Knoten Gene, die entweder exprimiert werden und damit im Modell den Wert 1 haben, oder nicht exprimiert werden und im Modell den Wert 0 annehmen. Die gerichteten Verbindungen zwischen den Knoten repräsentieren regulatorische Einflüsse auf die Expression eines Gens durch andere Gene. Der Zustand eines Knotens im Netzwerk ist eine Boolesche Funktion der Zustände seiner Eingangsknoten. Je nach der Wahl von K und den Aktualisierungsfunktionen können Boolesche Netzwerke verschiedenes dynamisches Verhalten zeigen, das als gefroren, kritisch oder chaotisch charakterisiert wird. In dieser Arbeit wird der Algorithmus der Adaptiven Wanderung (engl.: adaptive walk) dazu verwendet, Evolution zu simulieren und Einblicke in die Fitnesslandschaften der Netzwerke zu gewinnen. Die angewendeten Fitnesskriterien sind die dynamische Robustheit der Attraktoren gegenüber kleinen Störungen und die robuste Antwort der Netzwerke auf externe Stimuli, beides wichtige Eigenschaften von biologischen Systemen. Die meisten Simulationen werden mit einer Untermenge aller möglichen Aktualisierungsregeln der Knoten durchgeführt, mit kanalisierenden und Schwellenwertfunktionen, die im biologischen Kontext relevant sind. Die Eigenschaften der simulierten Evolution, der evolvierten Netzwerke und der Fitnesslandschaften werden untersucht und diskutiert.