Es wird ein Ansatz und ein Algorithmus zur Lösung von stochastischen Stoppproblemen vorgestellt, der auf einer dualen Formulierung zum klassischen Lösungsansatz für Stoppprobleme mittels Variationsungleichungen basiert. Unter bestimmten Voraussetzungen kann man für diese duale Formulierung ein äquivalentes unendlichdimensionales lineares Programm aufstellen, das die Momente des Aufenthaltsmaßes des stochastischen Prozesses bis zum Stoppzeitpunkt und die Momente der Verteilung des Prozesses zum Zeitpunkt des Stoppens als Variablen enthält. Für dieses unendlichdimensionale Problem werden endlichdimensionale Approximationen formuliert und gelöst, wobei die Momente nur bis zu einer endlichen Ordnung berücksichtigt werden. Die Güte der numerischen Resultate hängt davon ab, wie genau der Träger des Maßes zum Stoppzeitpunkt identifiziert werden kann. Aus diesem Grund wird ein Verfeinerungsalgorithmus entwickelt, mit dem diese Identifizierung in einer Reihe von Fällen gelingt und sich sehr genaue Ergebnisse erzielen lassen. Der für Stoppprobleme entwickelte Algorithmus kann auch bei der Ermittlung von optimalen Steuerungen für stetige stochastische Prozesse angewandt werden. Für einzelne Beispiele wird gezeigt, welche Resultate dabei erzielt werden können. / We present an approach to, and an algorithm for solving optimal stopping problems. The approach is based on a dual formulation of the classical method for solving stopping problems using variational inequalities. Under suitable conditions it is possible to express the dual formulation as an infinite-dimensional linear program. This linear program uses the moments of the occupation measure and the moments of the stopping measure as variables. We formulate and solve finite-dimensional approximations to this infinite-dimensional program by restricting the number of moments. The accuracy of the numerical results depend on how well the support of the stopping measure can be identified. To this end we develop an iterative procedure which works very well in many cases. In the second part of the dissertation we show how the algorithm, developed for stopping problems, can be used for solving stochastic control problems.