Viele Netzwerkanwendungen verwenden push-orientierte Kommunikation zwischen vielen Anwendern. Insbesondere Echtzeitanwendungen, wie etwa Onlinespiele und andere Virtual-Reality-Anwendungen bedürfen der Synchronisierung des Anwendungszustands zwischen vielen Teilnehmern unter engen Latenz-Voraussetzungen. Solche Anwendungen tauschen typischerweise regelmäßig Zustands-Updates aus und benötigen einen dafür geeigneten Verteilungsmechanismus. Zentralisierte, serverbasierte Lösungen minimieren Latenz insofern nicht, als sie immer einen separaten Round-Trip zum Server benötigen. Hinzu kommt, dass die Serverinfrastruktur einen potentiellen Performance-Engpass darstellt und damit die Skalierbarkeit einschränkt. Direkte Kommunikation zwischen Quelle und Ziel ist meist Latenz-minimal, führt aber schnell zur Überschreitung der Netzwerkkapazität, insbesondere bei schwach angebundenen Teilnehmern. Denn so muss jeder mit vielen anderen Teilnehmern individuell kommunizieren. Die in dieser Arbeit vorgestellte Lösung, InterestCast, bietet einen dezentralen Mechanismus zur Verteilung von Ereignissen, welcher eine Peer-to-Peer-Weiterleitung von Ereignissen verwendet und so starken Teilnehmern erlaubt, schwachen bei der Vervielfältigung und Verbreitung von Ereignis-Meldungen zu helfen. Um die Weiterleitungskonfiguration zu erhalten, die in der momentanen Situation am besten für die jeweiligen Anforderungen der Anwendung geeignet sind, passt InterestCast diese zur Laufzeit kontinuierlich an. Die Anforderungen der Anwendung werden als Nutzenfunktionen spezifiziert, die den Nutzen von Ereignissen mit einer gegebenen Auslieferungsverzögerung bewertet, abhängig vom Interesse am jeweiligen Ereignis. Interessensniveaus dienen als eine Abstraktion für die Wichtigkeit von Ereignissen von einer bestimmten Quelle und erlauben eine Priorisierung der Auslieferung von Ereignis-Benachrichtigungen. Dies ist besonders nützlich wenn die Wichtigkeit von Ereignissen z.B. vom Abstand der Teilnehmer in der virtuellen Realität oder von sonstigen anwendungsspezifischen Metriken abhängt. InterestCast führt einen inkrementellen lokalen Optimierungsalgorithmus aus, der wiederholt alle möglichen Veränderungen der Weiterleitungen aus Sicht des jeweils lokalen Knotens auswertet. In jedem Durchlauf wird anhand der Nutzenfunktionen und einem Systemmodell die Operation ausgewählt, von der die größte Verbesserung des Gesamtzustands erwartet wird. Da dieser Optimierungsprozess auf jedem Knoten unabhängig ausgeführt wird, skaliert er gut mit der Teilnehmerzahl. Die Vorhersage verwendet nur lokales Wissen sowie Informationen aus der Nachbarschaft in bis zu zwei Schritten, welche über ein entsprechendes Austauschprotokoll gewonnen werden. Unsere Auswertungen zeigen, dass die Ergebnisse der verteilten Optimierung von InterestCast nahe an den globalen Optima liegen, welche wir anhand der verwendeten Modelle mit Hilfe eines Solvers für Integer-Programme ermitteln. Die Lösung des globalen Optimums zur Laufzeit ist jedoch unpraktikabel, da die Komplexität des Problems selbst mit einem stark vereinfachten Netzwerkmodell zu äußerst langen Berechnungszeiten führt. In detaillierten Netzwerksimulationen zeigen wir außerdem die Überlegenheit von InterestCast über eine rein direkte Verteilung der Ereignisse in Online-Spiel-Szenarien. Im Vergleich mit der direkten Verteilung reduziert Inter- estCast die nötige Datenmenge bei schwachen Knoten erheblich und vervierfacht beinahe die mögliche Teilnehmerzahl bei gleichbleibender durchschnittlicher Auslieferungszeit von Ereignissen von hohem Interesse.