In den vergangenen Jahrzehnten hat sich die Informationstechnologie (IT) zu einem wesentlichen Produktionsfaktor für nahezu alle Branchen von der industriellen Produktion bis zu Finanzdienstleistungen entwickelt. Obwohl nach wie vor die meisten dafür notwendigen IT-Ressourcen in unternehmensinternen Rechenzentren bereitgehalten werden, hat Cloud Computing in den vergangenen Jahren einen Paradigmenwechsel eingeleitet, bei dem sich ein Wandel vom Besitzen von IT-Ausstattung hin zum Leasen solcher vollzieht. Cloud Computing, bei dem IT-Ressourcen jederzeit standardisiert in beliebiger Menge verfügbar sind, wird dabei oft mit Wasser, Elektrizität, Gas und Telefonie vergleichen. Im Gegensatz zu diesen grundlegenden Gebrauchsgütern sind für IT-Dienstleistungen sehr unterschiedliche Qualitätsniveaus erforderlich, welche auf den verschiedenen funktionalen und nicht-funktionalen Anforderungen der bereitgestellten Dienste basieren. Cloud-Anbieter offerieren ihre Dienste in einem hochgradig kompetitiven Markt, was eine kosteneffiziente Bereitstellung von Cloud-Ressourcen erfordert. Kostenvorteile werden dabei primär durch sehr große und zentralisierte Rechenzentren erzielt. Durch eine geringe Zahl weit entfernter Rechenzentren wird jedoch die Latenz für viele Versorgungsgebiete deutlich erhöht, was sich negativ auf die Nutzbarkeit interaktiver Multimediaanwendungen auswirkt. Aus diesen Gründen muss ein Anbieter von Cloud-Infrastrukturen eine geeignete Abwägung zwischen Kosteneinsparungen und einem angemessenen Qualitätsniveau finden. Neben der Art wie IT-Dienstleistungen bereitgestellt werden, hat sich auch die Art wie diese konsumiert werden grundlegend in den vergangenen Jahren geändert. Anstelle lokal installierter Desktop Computer werden immer häufiger mobile Endgeräte, wie Smartphones, eingesetzt, was zu weiteren wesentliche Herausforderungen für die Dienstanbieter führt. Zum einen verursacht die Nutzung des Mobilfunknetzes höhere und stärker fluktuierende Latenzzeiten, was die Nutzung multimedialer Cloud-Anwendungen weiter einschränkt. Ferner, sind diese Geräte durch eine limitierte Ressourcenausstattung, hinsichtlich der Rechenleistung und der Akkukapazität eingeschränkt. Um die Herausforderungen einer geeigneten Ressourcenbereitstellung zu adressieren, werden im Rahmen dieser Arbeit zwei neuartige Ansätze präsentiert. Im Rahmen des ersten Kernbeitrags wird das sogenannte Cloud Data Center Selection Problem (CDCSP) untersucht. Der Schwerpunkt dieses Problems liegt in der Platzierung von Rechenzentren und der Auswahl von geeigneten Ressourcen auf globaler Ebene aus Sicht eines Anbieters von Cloud-Infrastrukturen. Ziel eines Anbieters ist dabei die kosteneffiziente Bereitstellung von Ressourcen unter Berücksichtigung verschiedener Dienstgüteanforderungen. Basieren auf einem in der Arbeit eingeführten mathematischen Optimierungsmodels, wird der exakte Lösungsansatz CDCSP-EXA.KOM hergeleitet. Aufgrund des hohen Rechenaufwands dieses Lösungsverfahrens, werden vier verschiedene heuristische Ansätze untersucht. Das erste Lösungsverfahren, CDCSP-REL.KOM basiert dabei auf dem allgemeinen Prinzip der LP-Relaxation. Um die spezifische Struktur des Problems besser adressieren zu können, werden weitere, speziell zugeschnittene heuristische Verfahren entwickelt und untersucht. Das erste nutzt dabei eine prioritätsbasierte Verarbeitung von angebotenen und nachgefragten Ressourcen. Dieses Verfahren wird um einen sogenannten Best-of-Breed Ansatz ergänzt, der in der Lage ist mehrere einzelne Verfahren zu kombinieren. Abschließend wird das metaheuristische Verbesserungsverfahren Tabu Search zur Lösung des Problems mittels des Lösungsansatzes CDCSP-TS.KOM untersucht. Um die praktische Anwendbarkeit der Verfahren und ihre Leistungsfähigkeit zu bestimmen, werden sie im Rahmen einer quantitativen Evaluation analysiert und miteinander verglichen. Der zweite Kernbeitrag dieser Arbeit befasst sich mit der Erweiterung der zentralisierten Cloud-Infrastruktur um lokale Ressourcen. Hierfür wurde das Dynamic Cloudlet Placement and Selection Problem (DCPSP) formuliert. Dieses Mehrperiodenmodell beinhaltet wesentliche Charakteristika der lokalen Standorte, wie dem Platzangebot zu Ressourcenbereitstellung und der verfügbaren Netzwerkbandbreite. Der Schwerpunkt der Betrachtung liegt auch in diesem Fall auf dem Cloud-Anbieter, dessen Ziel die kostenminimale Erweiterung seine Infrastruktur ist, um die Garantien hinsichtlich der Dienstqualität mobil genutzter Anwendungen zu verbessern. Basierend auf der mathematischen Formalisierung des Problems wird der exakte Lösungsansatz DCPSP-EXA.KOM vorgestellt. Aufgrund dessen hoher Zeitkomplexität durch die genutzte periodenübergreifende Optimierung, wird das heuristische Lösungsverfahren, DCPSP-HEU.KOM, entwickelt. Die Leistungsfähigkeit der Ansätze wird anschließend im Rahmen einer quantitativen Evaluation untersucht. Zusammenfassend bieten die Beiträge dieser Arbeit die Mittel für eine kosteneffiziente Ressourcenbereitstellung unter Berücksichtigung einer hohen Dienstqualität. Zur Bereitstellung von Ressourcen auf globaler Ebene wird das bestehende Problem formalisiert und es werden geeignete Lösungsverfahren entwickelt um zukünftige Cloud-Infrastrukturen planen zu können. Um ferner auch für mobile Cloud-Nutzer multimediale Dienste mit einer hohen Dienstgüte bereitstellen zu können, werden ein Optimierungsmodel sowie geeignete Algorithmen zur Erweiterung der globalen Infrastruktur um lokale Einheiten untersucht.