Diese Arbeit beschäftigt sich mit der automatischen Erkennung komplexer Situationen in Bildfolgen im Videoüberwachungskontext. Bei der Behandlung von Daten aus natürlichen Umgebungen ergeben sich Schwierigkeiten. Diese Arbeit erweitert dazu den verwendeten Formalismus um die Behandlung von Unschärfe, fehlender Information und Komplexität, zeigt die Robustheit der Situationserkennung bei natürlichen Szenarien und stellt die generische Anwendbarkeit auch über Diskursbereichsgrenzen hinaus heraus. This work addresses the automatic detection of complex situations in image sequences in the video surveillance context. There are difficulties when dealing with data from natural environments. This work expands the formalism of FMTHL and SGTs to deal with erroneous, missing, and noisy data and complexity, demonstrates the robustness of situational recognition in natural scenarios, and expands generic applicability beyond discourse boundaries.