Durch den demografischen Wandel leben mehr diverse ältere Menschen in Städten. Es gibt jedoch keine Modelle, die das räumliche Verhalten von Älteren simulieren, obwohl sie einen geringen Aktionsradius haben und stärker von der umgebenden Infrastruktur abhängig sind. Gleichzeitig ist nicht erforscht, wie sich die Kombination von Variablen auf die Umzugsbereitschaft auswirkt und es sind keine Datensätze verfügbar, die genügend Informationen liefern. In dieser Arbeit wurde ein Workflow entwickelt, um die städtische Dynamik einer vielfältigen älteren Bevölkerung (>=65 Jahre) mit einem empirisch fundierten Agenten basierten Modell am Beispiel Berlins zu modellieren. Zunächst wurden eine Umfrage, Experteninterviews und eine Literaturrecherche durchgeführt, um Variablen abzuleiten, die zu einem Umzug führen. Zudem wurde ein Framework angepasst, um diverse Agenten abzuleiten. Die Bevölkerung wurde mit einer Clusteranalyse in Agententypologien (AT) mit gleichem Umzugsverhalten gruppiert. Die ATs wurden mit Erwartungen verglichen, die aus Literaturrecherche und Experteninterviews abgeleitet wurden. Danach wurden räumliche Informationen mit einer räumlichen Mikrosimulation hinzugefügt. Die Variablen Alter und Unterstützungsnetzwerk wurden als Gewichte für die Berechnung der Umzugswahrscheinlichkeit der einzelnen Agenten verwendet, da diese als die wichtigsten Faktoren für einen Umzug identifiziert wurden. Die Ergebnisse der Simulation wurden mit Daten verglichen. Außerdem wurden Veränderungen in der räumlichen Verteilung analysiert. Es zeigt sich, dass sich die ATs nicht räumlich segregieren und das resultierende Modell robust ist. Der Ansatz kann auf andere Städte übertragen werden, da er auf Daten beruht, die in anderen Regionen verfügbar sind. Zudem kann das Modell als Grundlage für detailliertere Agenten oder komplexere Verhaltensregeln dienen. Zusammengefasst liefert die Arbeit einen sehr guten Ansatz zur Modellierung einer vielfältigen Bevölkerung. / In the last years, more elderly with diverse backgrounds live in cities due to demographic changes. However, there exist no models which simulate the spatial behaviour of the elderly even though they have a smaller range of action and are more dependent on their surrounding infrastructure. At the same time, there is no research on how the combination of different variables affects their willingness to move and no datasets that provide sufficient information are available. This research developed a workflow, to model the urban dynamics of a diverse elderly population (>=65 years) with an empirically grounded agent-based model for the example of Berlin. First, a survey was conducted, along with expert interviews and literature research, to derive variables and reasons that lead to relocation. Additionally, an existing framework was adapted to derive diverse agents. The population was grouped with a cluster analysis into agent typologies (AT) with the same basic relocation behaviour. The resulting artificial population was evaluated with expectations derived from literature research and expert interviews. Afterwards, spatial information was added with a spatial microsimulation. Because age and support networks were identified as the most important factors for relocation, these variables were included as weights for the calculation of the relocation probability of every individual agent. The simulation output was compared to real population data. Furthermore, changes in the spatial distribution were evaluated based on a segregation index. It is shown that ATs do not segregate themselves spatially and the resulting model is robust. The approach can be adapted to other cities because it is based on data which is available in other regions. Furthermore, the model can be a basis for more detailed agents or more complex behaviour rules. In the end, the thesis provides an approach to model a diverse population with its behaviour rules.