Diese Arbeit widmet sich der Intentionserkennung von Fußgängern und Radfahrern im Straßenverkehr aus einem Fahrzeug. Unter der Intentionserkennung werden dabei sowohl die Detektion des Bewegungszustandes, wie beispielsweise Bewegen oder Warten, als auch die Vorhersage zukünftiger Aufenthaltsorte verstanden. Es werden maschinelle Lernverfahren zur Intentionserkennung auf Grundlage beobachteter Körperbewegungen und der lokalen Umgebung entwickelt. Der Schwerpunkt der Arbeit liegt auf der Untersuchung von sog. Posen, eine Repräsentation der Körperhaltung von Fußgängern und Radfahrern, als Indikatoren für das (zukünftige) Verhalten. Dazu wird ein Verfahren zur bildbasierten Schätzung der Posen aus einem fahrenden Fahrzeug vorgestellt und evaluiert. Ein im realen Straßenverkehr aufgezeichneter Datensatz bildet die Grundlage für die Entwicklung von posenbasierten Methoden zur Bewegungszustandsdetektion, deterministischer und probabilistischer Trajektorienvorhersage. Weitere Forschungsaspekte dieser Arbeit sind die Analyse des Einflusses der Beobachtungsdauer auf die Qualität der Intentionserkennung und die Einbeziehung der Umgebung in Form von Karten. Die Untersuchungen dieser Arbeit belegen eine signifikante Reduktion des Fehlers durch die Berücksichtigung der Körperhaltung gegenüber einer Intentionserkennung ausschließlich basierend auf dem vergangenen Bewegungspfad für Fußgänger und Radfahrer. Als Verhaltensindikatoren dienen dabei vorwiegend die Bewegungen der Beine und die Neigung des Rumpfes.