Die vorliegende Diplomarbeit vergleicht statistische Verfahren und neuronale Netze als Instrumente der Vorhersage von Zeitreihen und zeigt Stärken und Schwächen beider Modelle auf. Der Nachweis wird anhand von Daten aus der Produktionsplanung von Industrieunternehmen sowie aus dem Bereich der Kieferorthopädie geführt. Ausgehend von den Ergebnissen werden Möglichkeiten zur Verbesserung der Vorhersage im Bezug auf die Datenmodellierung sowie die Architektur und die Eigenschaften neuronaler Netze diskutiert, sowie ein Vergleich der prinzipiellen implementierten Netztypen untereinander hinsichtlich der Vorhersagequalität und die Vorhersage betreffender Charakteristika durchgeführt. Im praktischen Teil der vorliegenden Arbeit wurden weitergehend die zur Vorhersage verwendeten neuronalen Netze in einer universell verwendbaren Bibliothek implementiert. Für den obig erwähnten Anwendungsbereich der Produktionsplanung mit Hilfe neuronaler Netze wurde ein kommerziell verwendbares Programmodul entwickelt. In diesem Zusammenhang werden Probleme diskutiert, die insbesondere im praktischen Einsatz neuronaler Netze auftreten können.