Tectonic and geological processes on Earth often result in structural anisotropy of the subsurface, which can be imaged by various geophysical methods. In order to achieve appropriate and realistic Earth models for interpretation, inversion algorithms have to allow for an anisotropic subsurface. Within the framework of this thesis, I analyzed a magnetotelluric (MT) data set taken from the Cape Fold Belt in South Africa. This data set exhibited strong indications for crustal anisotropy, e.g. MT phases out of the expected quadrant, which are beyond of fitting and interpreting with standard isotropic inversion algorithms. To overcome this obstacle, I have developed a two-dimensional inversion method for reconstructing anisotropic electrical conductivity distributions. The MT inverse problem represents in general a non-linear and ill-posed minimization problem with many degrees of freedom: In isotropic case, we have to assign an electrical conductivity value to each cell of a large grid to assimilate the Earth's subsurface, e.g. a grid with 100 x 50 cells results in 5000 unknown model parameters in an isotropic case; in contrast, we have the sixfold in an anisotropic scenario where the single value of electrical conductivity becomes a symmetric, real-valued tensor while the number of the data remains unchanged. In order to successfully invert for anisotropic conductivities and to overcome the non-uniqueness of the solution of the inverse problem it is necessary to use appropriate constraints on the class of allowed models. This becomes even more important as MT data is not equally sensitive to all anisotropic parameters. In this thesis, I have developed an algorithm through which the solution of the anisotropic inversion problem is calculated by minimization of a global penalty functional consisting of three entries: the data misfit, the model roughness constraint and the anisotropy constraint. For comparison, in an isotropic approach only the first two entries are minimized. The newly defined anisotropy term is measured by the sum of the square difference of the principal conductivity values of the model. The basic idea of this constraint is straightforward. If an isotropic model is already adequate to explain the data, there is no need to introduce electrical anisotropy at all. In order to ensure successful inversion, appropriate trade-off parameters, also known as regularization parameters, have to be chosen for the different model constraints. Synthetic tests show that using fixed trade-off parameters usually causes the inversion to end up by either a smooth model with large RMS error or a rough model with small RMS error. Using of a relaxation approach on the regularization parameters after each successful inversion iteration will result in smoother inversion model and a better convergence. This approach seems to be a sophisticated way for the selection of trade-off parameters. In general, the proposed inversion method is adequate for resolving the principal conductivities defined in horizontal plane. Once none of the principal directions of the anisotropic structure is coincided with the predefined strike direction, only the corresponding effective conductivities, which is the projection of the principal conductivities onto the model coordinate axes direction, can be resolved and the information about the rotation angles is lost. In the end the MT data from the Cape Fold Belt in South Africa has been analyzed. The MT data exhibits an area (> 10 km) where MT phases over 90 degrees occur. This part of data cannot be modeled by standard isotropic modeling procedures and hence can not be properly interpreted. The proposed inversion method, however, could not reproduce the anomalous large phases as desired because of losing the information about rotation angles. MT phases outside the first quadrant are usually obtained by different anisotropic anomalies with oblique anisotropy strike. In order to achieve this challenge, the algorithm needs further developments. However, forward modeling studies with the MT data have shown that surface highly conductive heterogeneity in combination with a mid-crustal electrically anisotropic zone are required to fit the data. According to known geological and tectonic information the mid-crustal zone is interpreted as a deep aquifer related to the fractured Table Mountain Group rocks in the Cape Fold Belt. / Tektonische und geologische Prozesse verursachen häufig eine strukturelle Anisotropie des Untergrundes, welche von verschiedenen geophysikalischen Methoden beobachtet werden kann. Zur Erstellung und Interpretation geeigneter, realistischer Modelle der Erde sind Inversionsalgorithmen notwendig, die einen anisotropen Untergrund einbeziehen können. Für die vorliegende Arbeit habe ich einen magnetotellurischen (MT) Datensatz vom Cape Fold Gürtel in Südafrika untersucht. Diese Daten weisen auf eine ausgeprägte Anisotropie der Kruste hin, da z.B. die MT Phasen außerhalb des erwarteten Quadranten liegen und nicht durch standardisierte isotrope Inversionsalgorithmen angepasst und ausgewertet werden können. Um dieses Problem zu beheben, habe ich eine zweidimensionale Inversionsmethode entwickelt, welche eine anisotrope elektrische Leitfähigkeitsverteilungen in den Modellen zulässt. Die MT Inversion ist im allgemeinen ein nichtlineares, schlecht gestelltes Minimierungsproblem mit einer hohen Anzahl an Freiheitsgraden. Im isotropen Fall wird jeder Gitterzelle eines Modells ein elektrischer Leitfähigkeitswert zugewiesen um den Erduntergrund nachzubilden. Ein Modell mit beispielsweise 100 x 50 Zellen besitzt 5000 unbekannte Modellparameter. Im Gegensatz dazu haben wir im anisotropen Fall die sechsfache Anzahl, da hier aus dem einfachen Zahlenwert der elektrischen Leitfähigkeit ein symmetrischer, reellwertiger Tensor wird, wobei die Anzahl der Daten gleich bleibt. Für die erfolgreiche Inversion von anisotropen Leitfähigkeiten und um die Nicht-Eindeutigkeit der Lösung des inversen Problems zu überwinden, ist eine geeignete Einschränkung der möglichen Modelle absolut notwendig. Dies wird umso wichtiger, da die Sensitivität von MT Daten nicht für alle Anisotropieparameter gleich ist. In der vorliegenden Arbeit habe ich einen Algorithmus entwickelt, welcher die Lösung des anisotropen Inversionsproblems unter Minimierung einer globalen Straffunktion berechnet. Diese besteht aus drei Teilen: der Datenanpassung, den Zusatzbedingungen an die Glätte des Modells und die Anisotropie. Im Gegensatz dazu werden beim isotropen Fall nur die ersten zwei Parameter minimiert. Der neu definierte Anisotropieterm wird mit Hilfe der Summe der quadratischen Abweichung der Hauptleitfähigkeitswerte des Modells gemessen. Die grundlegende Idee dieser Zusatzbedingung ist einfach. Falls ein isotropes Modell die Daten ausreichend gut anpassen kann, wird keine elektrische Anisotropie zusätzlich in das Modell eingefügt. Um eine erfolgreiche Inversion zu garantieren müssen geeignete Regularisierungsparameter für die verschiedenen Nebenbedingungen an das Modell gewählt werden. Tests mit synthetischen Modellen zeigen, dass bei festgesetzten Regularisierungsparametern die Inversion meistens entweder in einem glatten Modell mit hohem RMS Fehler oder einem groben Modell mit kleinem RMS Fehler endet. Die Anwendung einer Relaxationsbedingung auf die Regularisierung nach jedem Iterationsschritt resultiert in glatteren Inversionsmodellen und einer höheren Konvergenz und scheint ein ausgereifter Weg zur Wahl der Parameter zu sein. Die vorgestellte Inversionsmethode ist im allgemeinen in der Lage die Hauptleitfähigkeiten in der horizontalen Ebene zu finden. Wenn keine der Hauptrichtungen der Anisotropiestruktur mit der vorgegebenen Streichrichtung übereinstimmt, können nur die dazugehörigen effektiven Leitfähigkeiten, welche die Projektion der Hauptleitfähigkeiten auf die Koordinatenachsen des Modells darstellen, aufgelöst werden. Allerdings gehen die Informationen über die Rotationswinkel verloren. Am Ende meiner Arbeit werden die MT Daten des Cape Fold Gürtels in Südafrika analysiert. Die MT Daten zeigen in einem Abschnitt des Messprofils (> 10 km) Phasen über 90 Grad. Dieser Teil der Daten kann nicht mit herkömmlichen isotropen Modellierungsverfahren angepasst und daher mit diesen auch nicht vollständig ausgewertet werden. Die vorgestellte Inversionsmethode konnte die außergewöhnlich hohen Phasenwerte nicht wie gewünscht im Inversionsergebnis erreichen, was mit dem erwähnten Informationsverlust der Rotationswinkel begründet werden kann. MT Phasen außerhalb des ersten Quadranten können für gewöhnlich bei Anomalien mit geneigter Streichrichtung der Anisotropie gemessen werden. Um diese auch in den Inversionsergebnissen zu erreichen ist eine Weiterentwicklung des Algorithmus notwendig. Vorwärtsmodellierungen des MT Datensatzes haben allerdings gezeigt, dass eine hohe Leitfähigkeitsheterogenität an der Oberfläche in Kombination mit einer Zone elektrischer Anisotropie in der mittleren Kruste notwendig sind um die Daten anzupassen. Aufgrund geologischer und tektonischer Informationen kann diese Zone in der mittleren Kruste als tiefer Aquifer interpretiert werden, der im Zusammenhang mit den zerrütteten Gesteinen der Table Mountain Group des Cape Fold Gürtels steht.