Diese Arbeit beginnt mit einer Analyse von stochastischen Rückwärtsdifferentialgleichungen (BSDEs) mit Sprüngen, getragen von zufälligen Maßen mit ggf. unendlicher Aktivität und zeitlich inhomogenem Kompensator. Unter konkreten, in Anwendungen leicht verifizierbaren Bedingungen liefern wir Existenz-, Eindeutigkeits- und Vergleichsergebnisse beschränkter Lösungen für eine Klasse von Generatorfunktionen, die nicht global Lipschitz-stetig im Sprungintegranden sein brauchen. Der übrige Teil der Arbeit behandelt robuste Bewertung und Hedging in unvollständigen Märkten. Wir verfolgen den No-Good-Deal-Ansatz, der Good-Deal-Grenzen liefert, indem nur eine Teilmenge der risikoneutralen Maße mit ökonomischer Bedeutung betrachtet wird (z.B. Grenzen für instantanen Sharpe-Ratio, optimale Wachstumsrate oder erwarteten Nutzen). Durchweg untersuchen wir ein Konzept des Good-Deal-Hedgings für welches Hedgingstrategien als Minimierer geeigneter dynamischer Risikomaße auftreten, was optimale Risikoteilung mit der Markt erlaubt. Wir zeigen, dass Hedging mindestens im-Mittel-selbstfinanzierend ist, also, dass Hedgefehler unter geeigneten A-priori-Bewertungsmaßen eine Supermartingaleigenschaft haben. Wir leiten konstruktive Ergebnisse zu Good-Deal-Bewertung und -Hedging im Rahmen von Prozessen mit Sprüngen durch BSDEs mit Sprüngen, sowie im Brown''schen Fall mit Driftunsicherheit durch klassische BSDEs und mit Volatilitätsunsicherheit durch BSDEs zweiter Ordnung her. Wir liefern neue Beispiele, die insbesondere für versicherungs- und finanzmathematische Anwendungen von Bedeutung sind. Bei Ungewissheit des Real-World-Maßes führt ein Worst-Case-Ansatz bei Annahme mehrerer Referenzmaße zu Good-Deal-Hedging, welches robust bzgl. Unsicherheit, im Sinne von gleichmäßig über alle Referenzmaße mindestens im-Mittel-selbstfinanzierend, ist. Daher ist bei hinreichend großer Driftunsicherheit Good-Deal-Hedging zur Risikominimierung äquivalent. / This thesis starts by an analysis of backward stochastic differential equations (BSDEs) with jumps driven by random measures possibly of infinite activity with time-inhomogeneous compensators. Under concrete conditions that are easy to verify in applications, we prove existence, uniqueness and comparison results for bounded solutions for a class of generators that are not required to be globally Lipschitz in the jump integrand. The rest of the thesis deals with robust valuation and hedging in incomplete markets. The focus is on the no-good-deal approach, which computes good-deal valuation bounds by using only a subset of the risk-neutral measures with economic meaning (e.g. bounds on instantaneous Sharpe ratios, optimal growth rates, or expected utilities). Throughout we study a notion of good-deal hedging consisting in minimizing some dynamic risk measures that allow for optimal risk sharing with the market. Hedging is shown to be at least mean-self-financing in that hedging errors satisfy a supermartingale property under suitable valuation measures. We derive constructive results on good-deal valuation and hedging in a jump framework using BSDEs with jumps, as well as in a Brownian setting with drift uncertainty using classical BSDEs and with volatility uncertainty using second-order BSDEs. We provide new examples which are particularly relevant for actuarial and financial applications. Under ambiguity about the real-world measure, a worst-case approach under multiple reference priors leads to good-deal hedging that is robust w.r.t. uncertainty in that it is at least mean-self-financing uniformly over all priors. This yields that good-deal hedging is equivalent to risk-minimization if drift uncertainty is sufficiently large.