Städte sind Brennpunkte des globalen Wandels. Daher sind hochdetaillierte und aktuelle Informationen über deren Entwicklung nötig, wofür moderne Erdbeobachtungssensoren eine ideale Datenbasis liefern. In der vorliegenden Arbeit wird ein Verfahren zur Änderungserkennung auf Basis höchstaufgelöster optischer Aufnahmen entwickelt und anschließend im stadtgeographischen Kontext zur Bewertung einer potenziell vorliegenden Geisterstadt angewandt. Das unüberwachte objektbasierte Verfahren erfasst den Bau neuer Gebäude mit einer Genauigkeit von 0,8 bis 0,9 entsprechend der Kappa Statistik in einem Testgebiet in der chinesischen Stadt Dongying. Dabei werden Differenzmerkmale auf Basis vorhandener Gebäudegeometrien zur Änderungserkennung verwendet. Ein Vorteil des Ansatzes ist die Nutzung verschiedener Sensoren mit unterschiedlichen Aufnahmegeometrien, was die Verwertung des gesamten Datenbestandes aktueller und zukünftig verfügbarer höchstaufgelöster Satellitenbilddaten auf kleinen räumlichen Skalen ermöglicht. Die Übertragbarkeit des Ansatzes wird mit besonderem Augenmerk auf die Klassenverteilung untersucht. Zu diesem Zweck wird ein Rahmenwerk entwickelt und in zwei Städten unterschiedlicher Charakteristika angewandt. Dabei zeigen sich geringere Genauigkeiten bei ungleich verteilten Klassen im Gegensatz zu einer ausgewogenen Verteilung. Die Bewertung potenziell vorliegender Geisterstädte wird als exemplarische stadtgeographische Anwendung am Beispiel der chinesischen Stadt Dongying gezeigt. Das Bewertungskonzept basiert auf der Annahme, dass eine geringe Auslastung des verfügbaren Wohnraums eines der wichtigsten Merkmale einer Geisterstadt darstellt. Dazu wird ein funktionales 4D-Stadtmodell zur Abschätzung der Bevölkerungskapazität erstellt und anschließend mit der tatsächlichen permanenten Wohnbevölkerung aus Zensusdaten verglichen. Aufgrund signifikanter Unterschiede ergibt sich eine hohe Wahrscheinlichkeit für die Entstehung einer Geisterstadt in der Stadt Dongying. / Cities are hot spots of global change. Thus, highly detailed and up-to-date information is required, which can be delineated based on various earth observation sensors. This thesis aims at the development of a change detection approach based on very high resolution (VHR) optical remote sensing data and consequent exemplary application of the assessment of the ghost city phenomenon in the context of urban geography. The unsupervised object-based change detection method captures the construction of individual buildings with accuracy of 0.8 to 0.9 according to kappa statistics in the city of Dongying, China. The methodology utilizes object-based difference features based on existing building geometries for the delimitation of changed and unchanged buildings. It is capable of handling VHR data from different sensors with deviating viewing geometries which allows the utilization of all present and future available sources of VHR data at small spatial scale. The transferability of the approach is investigated with particular focus on the nature and effects of class distribution. For this purpose, a diagnostic framework is developed and consequently applied in two cities of different characteristics. Results showed that situations of imbalanced class distribution generally provide less reliable identification of changes compared to balanced situations. The assessment of the ghost city phenomenon is conducted as an exemplary application of urban geography in the city of Dongying, China. The conceptual framework replicates undercapacity with respect to the residential population as one of the key characteristics of a ghost city. A 4d functional city model is established based on VHR imagery for population capacity estimation of residential buildings and subsequently related to actual permanent residential population from census counts. A significant mismatch and thus, high likelihood for the emergence and presence of the ghost city phenomenon was found in Dongying.