Jedes Jahr treten weltweit über zehn Millionen Fälle von Tuberkulose (TB) auf. Die Weltgesundheitsorganisation (WHO) schätzt, dass ein Drittel der Weltbevölkerung mit dem Erreger Mycobacterium tuberculosis (Mtb) infiziert ist. Bei fünf bis zehn Prozent aller latent Infizierten bricht Tuberkulose im Laufe des Lebens aus. Dennoch sind bereits 100 Jahre seit der Entdeckung von Mtb vergangen, ohne dass die entscheidenden Faktoren für den unterschiedlichen Infektionsverlauf bekannt wären. In dieser Arbeit untersuche ich die unterschiedlichen Reaktionen auf eine Tuberkuloseinfektion in verschiedenen Wirten. In meinem ersten Ansatz habe ich öffentlich zugängliche Transkriptom-Datensätze von Tuberkulosepatienten und gesunden Probanden ausgewertet. Mit Hilfe der Gensatzanreicherungs-Analyse (eng. Gene Set Enrichment Analysis, GSEA) habe ich die Transkriptionsprofile von Tuberkulosepatienten betrachtet. Das besondere Augenmerk lag hierbei auf der Interferon (IFN)-Signalkaskade, die für den Krankheitsverlauf von besonderer Bedeutung ist. In dieser Arbeit zeige ich zunächst, dass Patienten ohne eine IFN-Signatur in der untersuchten Kohorte vorkommen und widme mich im Anschluss der Frage, ob diese Patienten einen anderen Phänotypus haben als jene mit einer starken IFN-Antwort. Indem ich nur Patienten ohne IFN-Antwort betrachte, werden Mechanismen deutlich, die allen Patientengruppen gemein sind, aber vorher von der starken IFN-Signatur überlagert wurden. Ich belege in dieser Arbeit, dass eine starke IFN-Regulation auch mit einer ausgeprägten Lungenpathologie in Tuberkulosepatienten einhergeht. Passend hierzu weisen auch gesunde Probanden nach Verabreichung des Impfstoffs FLUAD® einen erhöhten Blutwert IFN-induzierter Zytokine auf. Mit Hilfe maschinellen Lernens konnte ich Transkriptomsignaturen der Patienten mit bzw. ohne IFN-Antwort identifizieren und vergleichen. Im zweiten Ansatz widme ich mich den unterschiedlichen Transkriptionsantworten auf Mtb-Infektionen in humanen Kohorten und zwei verschiedenen Mausmodellen. Der humanen und der murinen Immunantwort auf Infektionen unterliegen gravierende Unterschiede. Trotzdem sind einige Elemente des Immunsystems in beiden Arten konserviert. In dieser Arbeit präsentiere ich einen neuen Ansatz der Datenintegration, der die Identifizierung von übereinstimmenden und nicht übereinstimmenden Regulationselementen der Genexpression in heterogenen Datensätzen ermöglicht. Die Analyse basiert auf öffentlich zugänglichen sowie de-novo-generierten Datensätzen, zu denen ich durch wissenschaftliche Kollaborationen meiner Kollegen in der Abteilung Immunologie sowie der zentralen Einheit Microarray des Max-Planck-Instituts für Infektionsbiologie, Zugang erhalten habe. Des Weiteren liegt ein Schwerpunkt auf der vergleichenden Analyse humaner und muriner Transkriptionsantworten auf Tuberkulose in Vollblut und Makrophagen. Die erhaltenen Ergebnisse weisen auf einen signifikanten Unterschied in der Regulierung der angeborenen sowie der erworbenen Immunität in Mensch und Maus als Reaktion auf eine Mtb-Infektion hin. In dieser Arbeit charakterisiere ich die unterschiedliche Regulierung von T-Zell bezogenen Genen, die mit unterschiedlich ausgeprägten Phänotypen bei stark oder schwach TB-anfälligen Mausstämmen korrespondiert. Darüber hinaus habe ich den 21. Tag nach einer Tuberkuloseinfektion in Mäusen als Zeitpunkt ermittelt, der die Transkriptionsantworten in den untersuchten humanen Kohorten am besten widerspiegelt. Die angewandten Ansätze erleichtern die Auswahl des am besten geeigneten Tiermodells für die Erforschung der humanen Immunantwort auf eine ausgewählte Krankheit und liefern die Basis für ein besseres Verständnis der unterschiedlichen Krankheitsverläufe in Mtb-infizierten Patienten. / Over 10 million tuberculosis (TB) cases are being reported annually and the World Health Organization (WHO) estimates that up to the 1/3 of the world population is infected with Mycobacterium tuberculosis (Mtb). Between 5 and 10% of the latently infected individuals develop TB during their lifetime. Yet, despite over 100 years of research since Mtb has been identified, we are not able to define all the factors which are responsible for the different infection outcomes in the hosts. In this thesis I investigate the variability in the response to TB presented by different hosts. In one approach, I collect publicly available transcriptomic datasets from TB patients and healthy donors. Using Gene Set Enrichment Analysis (GSEA) I examine transcriptional profiles of individuals with TB. In particular, focus is brought to interferon (IFN) signaling which has been previously described as crucial for the disease outcome. I show that patients lacking IFN signature are present in the studied cohorts and investigate whether these patients present different phenotype than patients with strong regulation of IFN responses. Moreover, by focusing on patients lacking IFN response I try to unearth mechanisms present in all patient groups but dominated by the signal of IFN response. I show that strong regulation of IFN genes is related to severe pathology in the lungs of TB patients and that it is reflected by the levels of IFN-inducible cytokines in blood of healthy volunteers after vaccination with FLUAD® vaccine. Using Machine Learning (ML) methods, I identify and compare transcriptomic signatures of the patients presenting and lacking the IFN response. In the second approach I study the differences in the transcriptional responses to Mtb infection in human cohorts and two different mouse models. The immunity in infection, inflammation and malignancy differs markedly in man and mouse. Nevertheless, there are elements of immune system which have been conserved between the species. I propose a novel data integration approach which identifies concordant and discordant elements of gene expression regulation in heterologous datasets. The analysis is based on publicly available as well as novel experimental data acquired thanks to collaboration with my colleagues from the Department of Immunology and Microarray Core Facility of Max Planck Institute for Infection Biology (MPIIB). Additionally, I focus on the comparison of human and murine transcriptional responses to TB in whole blood (WB) and in macrophages. The results indicate profound differences between regulation of innate and adaptive immunity in man and mouse upon Mtb infection. I characterize differential regulation of T-cell related genes corresponding to the differences in phenotype between TB high and low susceptible mouse strains and identify the time point of 21 days p.i. of mice as best reflection of transcriptional responses in the studied human cohorts. The implemented approaches facilitate the choice of an appropriate animal model for studies of the human immune response to a particular disease and provide the basis for better understanding of differences in the outcomes of Mtb infection in individual hosts.