Slums bilden einen wesentlichen Bestandteil vieler Stadtregionen des globalen Südens, wobei Indien die höchste Zahl an Slumbewohnern beherbergt. Die internationalen Unterschiede in der Definition des Begriffs "Slum" sowie Mängel bei der Datenerfassung haben eine hohe Fehlerwahrscheinlichkeit bei der Aufnahme von Slumbevölkerungszahlen und -standorten in globalem, nationalem und städtischem Massstab zur Folge. Das Hauptziel dieser Dissertation besteht darin, eine Vorgehensweise zur automatischen Erkennung von Slums mit Hilfe von hochauflösenden Satellitenbildern zu entwickeln, und diese Methode in der indischen Metropole Hyderabad anzuwenden. Diese Arbeit entwickelt ein mehrstufiges Satellitenbildbearbeitungsverfahren, welches in der Lage ist, eine schnelle Slumerkennung in Hyderabad durchzuführen. Das Verfahren beruht auf dem Verhältnis zwischen einem bestimmten Bereich räumlicher Heterogenität, ausgedrückt durch Lakunarität, und der Wahrscheinlichkeit, dass die Struktur eines Gebietes der Oberflächenstruktur eines Slums entspricht. Die Anwendung der hier vorgeschlagenen Methode produzierte zum ersten Mal einen plausiblen, räumlich kohärenten und politisch unverzerrten Datensatz über Slumstandorte und Slumbevölkerung für das gesamte Stadtgebiet von Hyderabad. Die Ergebnisse verdeutlichen die Unstimmigkeiten bei der bisherigen Erfassung der Slumbevölkerungszahlen sowie bei der offiziellen Anerkennung von Slums. Die multitemporale Satellitenbildauswertung zeigt ein Wachstum der Slumbevölkerungszahlen im Grossraum Hyderabad an und bietet Einblick in den zeitlich-räumlichen Slumwachstumprozess zwischen den Jahren 2003 und 2010. Diese Dissertation stellt einen wissenschaftlichen Beitrag zu den Themen Fernerkundung der Siedlungen und fortgeschrittene Bildbearbeitungsmethoden dar und bietet den unterschiedlichsten Parteien, für welche Slumdaten von Bedeutung sind, ein wichtiges Instrument. / Slums are a pervasive feature of many urban regions in the global South, with India hosting the largest number of the global slum dwellers. Differences in slum definitions across countries and deficiencies of data collection are the cause of a large error margin in establishing slum population numbers and slum locations at a global, national and city scale. The main goal of this thesis is to develop an approach to automated identification of slums using sub-metre resolution satellite imagery, and to apply the new method to the slum-plagued South Indian megacity of Hyderabad. This dissertation establishes a multi-step satellite imagery analysis framework, which is capable of performing rapid identification of slums in Hyderabad without extensive ground surveys or manual image analysis. It is based on the relation of a specific range of spatial heterogeneity expressed through lacunarity to the probability of an area to be morphologically similar to the surface texture of a slum. The application of the proposed method has for the first time produced plausible, spatially coherent and politically unbiased slum coverage and slum population datasets for the whole of Hyderabad. The results expose inconsistencies in slum population data reporting and the slum recognition process currently in place in the city. The analysis of multitemporal remote sensing data indicates a considerable slum population increase in the metropolitan area of Hyderabad and provides an insight into spatiotemporal slum development patterns between the years 2003 and 2010. This dissertation contributes to the body of knowledge on remote sensing of human settlements and advanced image processing techniques and presents an essential instrument to be used by a the United Nations bodies, national and city governments as well as non-governmental organisations engaged in slum-related work.