Beim automatisierten Fahren der Stufe 4 ist kein Fahrer mehr erforderlich, und die Verantwortung für die sichere Fahrzeugführung liegt beim System. Der Wegfall des menschlichen Fahrers erfordert einen zusätzlichen Sicherheitsnachweis zur Kollisionsfreiheit. Eine szenarienbasierte Testmethodik hat sich etabliert, bei der relevante Testfälle für spezifische Einsatzszenarien definiert werden. Daten aus dem realen Verkehrsumfeld sind entscheidend für die Festlegung dieser Szenarien. Diese Dissertation konzentriert sich auf die urbane Domäne und erweitert die Forschung in drei Bereichen: automatische Detektion urbaner Szenarien in Fahrdaten, datengetriebene Testfallgenerierung für innerstädtische Kreuzungen und internationale Harmonisierung von Methoden. Die Ergebnisse basieren auf einer umfangreichen Fahrstudie in urbaner Umgebung. Ein Ansatz zur Anreicherung von Fahrzeugmessdaten mit Straßengeometrieinformationen ermöglicht die Identifikation geometriebezogener Manöver mit einer Falschdetektionsrate von unter 10 %. Zudem wird eine Toolkette zur Extraktion von Personenmerkmalen aus Kamerabildern entwickelt, die sicherheitskritische Interaktionen analysiert. Eine generische Methodik zur Testfallgenerierung berücksichtigt Kritikalität und Realitätsbezug, wobei Parameterabhängigkeiten in Realdaten analysiert werden. Testfälle für ungeschütztes Linksabbiegen durch Gegenverkehr zeigen eine höhere Eignung als herkömmliche Sampling-Verfa
