Moderne Fahrzeuginformationssysteme ermöglichen es dem Fahrer, während der Fahrt auf eine Vielzahl an geographischen Informationen wie Sonderziele zuzugreifen. Die Auswahl einer Option aus solch umfangreichen Angeboten während der Fahrt kann jedoch zu einem erheblichen Sicherheitsrisiko werden, welches eine Unterstützung des Fahrers bei der Optionsauswahl erforderlich macht. Eine vielversprechende Möglichkeit der Unterstützung liegt im Anbieten von Assistenzsystemen zur personalisierten Sonderzielauswahl. Ziel der hier vorliegenden Dissertation ist die Optimierung der Akzeptanz solcher Assistenzsysteme im fahrzeugspezifischen Nutzungskontext. Hierzu wurde in einer qualitativen Studie zunächst der Nutzungskontext untersucht. Aufbauend auf den Ergebnissen und der Taxonomie für Assistenzsysteme nach Wandke (2005) wurden drei Assistenzarten mit verschiedenen Assistenzgraden identifiziert, die potentiell für die personalisierte Optionsauswahl im Fahrzeug in Frage kommen (adaptierbare Filterassistenz, adaptive Filterassistenz, adaptive Delegationsassistenz). In zwei Szenariobefragungen konnte mit Hilfe des UbiTAM nach Rothensee (2010) aufgezeigt werden, dass alle drei Assistenzarten positiv bewertet wurden. Innerhalb dieser positiven Bewertungen wurden höhere Assistenzgrade signifikant besser bewertet. Basierend auf den Erkenntnissen wurden die Assistenzarten prototypisch realisiert und in zwei Fahrsimulationsstudien hinsichtlich ihrer Auswirkung auf die Fahrleistung und die Güte der Aufgabenbearbeitung untersucht. In den Studien konnten die Ergebnisse zur Akzeptanzbeurteilung bestätigt werden. Zusätzlich wurde deutlich, dass die adaptiven Assistenzarten das höchste Maß an Unterstützung in der Nebenaufgabe boten. Gleichzeitig zeigten sie auch die geringste Auswirkung auf die Fahrleistung. Die Ergebnisse dieser Arbeit legen für die Gestaltung von Auswahlassistenzsystemen im Fahrzeug nahe, eine Kombination aus adaptiven Filter- und Delegationsassistenzen anzustreben. / Modern vehicle information systems allow the driver to access a variety of geographical information, like points-of-interest, whilst driving. However, selecting an option from an extensive list of options, whilst driving, can pose a significant safety hazard. Thus, it becomes essential to support the driver in this selection process. A promising solution lies in supplying an assistance system that includes a personalised points-of-interest selection. The purpose of this doctoral thesis is to optimise the acceptance of those assistance systems. Firstly, a qualitative study was carried out to examine the context of use. The results were analysed using the taxonomy for assistance systems developed by Wandke (2005). This identified three suitable types of option selection assistance systems, with varying levels of support; adaptable filter assistance, adaptive filter assistance, adaptive delegation assistance. Secondly, the assistance systems were analysed by means of scenario surveys based on the UbiTAM, by Rothensee (2010). The results showed that all three assistance systems were rated positive. Within these positive ratings, those systems offering higher levels of support received significantly better ratings. Based on the findings all three assistance systems were implemented as prototypes. The prototypes were evaluated in two driving simulator studies, in order to assess their effects on both the driving performance and the quality of task processing. The simulator studies verified the results uncovered by the scenario surveys. Additionally, it became clear that adaptive assistance systems provided drivers with the most support during the fulfilment of secondary tasks. Finally, they showed that driving performance was only slightly affected by the use of the adaptive assistance systems. In terms of the development of assistance systems, the results of this thesis suggest that a combination of adaptive filter and delegation assistance should be implemented.