Diese Arbeit befasst sich mit der Problematik der echtzeitfahigen Erkennung und Verfolgung von Objekten in Bildsequenzen. Die Implementierung dieser visuellen Routinen als Sensormodalitat auf Maschinen wird immer haufiger in verschiedenen Bereichen angewendet, führt aber auch zu einer Vielzahl von Problemen, die betrachtet werden mussen, um robuste und laufzeitoptimierte Systeme zu entwickeln. Die Leistung der Systeme ist auf der einen Seite stark abhangig von den Bedingung im Bild (wie z.B. Lichtverhaltnisse, Sensorrauschen, Blickwinkel, usw.), und verlangt daher nach sehr aufwendigen Losungen. Auf der anderen Seite sollen diese aber auf Prozessoren mit stark reduzierter Rechenleistung, wie z.B. auf mobilen Robotern und Steuergeraten, eingesetzt werden. Deshalb muss oftmals ein Kompromiss zwischen Laufzeit und Genauigkeit der Algorithmen gefunden werden. Dieses Problem kann somit auch als Optimierungsproblem formuliert werden. In dieser Arbeit werden Algorithmen zur Losung von heuristischen Optimierungsproblemen auf dem Gebiet der visuellen Objekterkennung und -verfolgung eingesetzt und untersucht. Um die Leistung und Zeitkomplexitat der Objekterkennung zu verbessern, werden zunachst zwei verschiedene Kombinationen von Evolutionarer Suche und maschinellen Lernalgorithmen vorgestellt und ausgewertet. Es wird gezeigt, dass mit den entwickelten Verfahren neue Klassifikatoren zur Objekterkennung erstellt werden konnen, welche eine geringere Anzahl von Merkmalen im Bild verwenden und gleichzeitig eine hohe Detektionsleistung garantieren. Der zweite Teil der Arbeit beschaftigt sich dann mit der Verfolgung von Objekten in Bildern uber die Zeit. Hier wird ein probabilistischer Algorithmus mit Ansatzen aus dem Bereich der heuristischen Optimierung erweitert. Es wird gezeigt, dass die Laufzeit des Algorithmus mit den vorgestellten Erweiterungen ohne drastische Einbussen in der Detektionsleistung und Objektstabilitat verringert werden kann. Im letzten Teil der Arbeit wird schliesslich ein komplettes System zur Erkennung und Verfolgung von Personen in Infrarotbildern auf einem mobilen Roboter vorgestellt. Hier werden drei verschiedene Messmodelle, welche Kontur und Grauwertmerkmale in Bildern verwenden, entwickelt und verglichen. Es wird dargestellt, dass die vorgestellten Methoden zur robusten Erkennung von Personen im Infrarotbild geeignet und in Echtzeit auf einem mobilen Roboter einsetzbar sind.