In Untersuchungen an 76 hochtragenden Friesian Milchkühen wurden durch sensorgestützte Messverfahren die Parameter des Fress-, Wasseraufnahme-, Bewegungs- und Liegeverhaltens erfasst. Ziel der vorliegenden Arbeit ist die Analyse und Modellierung ausgewählter Verhaltensparameter von Hochleistungskühen im antepartalen Zeitraum mittels automatischer Überwachungssysteme. Ein weiteres Ziel war die Bewertung der Verhaltensparameter in Bezug auf ihre Aussagequalität bei der Erkennung von Abkalbungen und Geburtsverlauf. Die Studie zeigt, dass die Merkmale des Tierverhaltens der Milchkühe kurz vor der Geburt geändert wurden. In Kombination mit geeigneten Auswertungsmethoden können Parameter des sensor-gestützten Tiermonitoring genutzt werden, um den Zeitpunkt und den Verlauf der Abkalbung vorhersagen zu können. Mit Hilfe einer Strukturbruchanalyse wurde 24 Stunden vor der Abkalbung ein deutliches Signal registriert, für alle Tiere zutreffend und unabhängig vom Geburtsverlauf , das geeignet ist, die Vorhersage des Geburtszeitpunktes vorzunehmen. Für die letzten 24 Stunden a.p. konnten für Kühe mit leichtem oder schwerem Geburtsverlauf sehr unterschiedliche Konstanten und Koeffizienten des Gleichungssystems berechnet werden. Es ist festzuhalten, dass ausgewählte Parameter des sensorgestützten Tiermonitoring in Kombination mit den zur Anwendung gelangten Auswertungsmethoden (Strukturbruchanalyse) geeignet sind, sowohl den Zeitpunkt als auch den Grad des Abkalbeverlaufs vorhersagen zu können. / This study was carried out to monitor the behaviour in the prepartum period of 76 Holstein dairy cows in the last week of pregnancy by using a sensor-based technology. The reviewed behaviour indicators were lying behaviour and moving activity, Dry matter intake, Feeding behaviour, Water intake and Drinking Behaviour. Cows showed differences in their behaviour especially in the last 24 hours before calving. The Change-Point Analysis, Chow-Test and CUSUMQ-Test method proofed that there is a significant difference in the behaviour between 72 h. to 24 h. a.p. and 24 h. to the time of calving. It can be assumed that a sensor-based technique combined with different data analyzing methods can be used to predict the time of calving and the calving ease.