Durch die rasch wachsende Weltbevölkerung steigt die Nachfrage nach Lebensmitteln, weshalb die Deckung des Bedarfs an Nahrungsmitteln Fortschritte in der Landwirtschaft erfordert. Länder mit niedrigem und mittlerem Einkommen, insbesondere im globalen Süden, stehen bei der Steigerung der Nahrungsmittelproduktion vor zahlreichen Herausforderungen, die durch den vorherrschenden Regenfeldbau und die drohende Gefahr des Klimawandels noch verstärkt werden. In dieser Dissertation werden die Dynamik der Landnutzung und die Bedingungen für den Maisanbau in Kenia sowie die Auswirkung auf Erträge in verschiedenen agrarökologischen Zonen untersucht. Die Arbeit bewertet das Potenzial verschiedener landwirtschaftlicher Bewirtschaftungsstrategien zur Optimierung der Maisproduktivität durch Anpassung der Strategien an die spezifischen Standortbedingungen. Die Studie verwendet Fernerkundungsdaten, um verschiedene Bewirtschaftungs- und Anbaubedingungen als Input-Daten für das DSSAT-CERES-Maismodell zu erfassen. Die Studie ergab, dass die Integration von Fernerkundungsdaten für die Ertragsvorhersage und die Überwachung der Maisbedingungen in datenarmen Regionen wie Kenia entscheidend ist. Zeitliche Informationen aus der Fernerkundung können als Input-Daten für Modellierungen verwendet werden, um Ertragssimulationen bis zur nationalen Ebene zu verbessern. Außerdem konnte festgestellt werden, dass Sorte, Stickstoffdüngung und Aussaattermin den Ertrag in den verschiedenen agroökologischen Zonen erheblich beeinflussen. Noch wichtiger ist, dass die Region durch die Anpassung der Praktiken an die spezifischen Bedingungen der jeweiligen agrarökologischen Zone die Produktion in der gesamten Studienregion potenziell um +5,7 % steigern könnte. Diese Dissertation unterstreicht die Bedeutung der Integration von Anbaumodellierung und Fernerkundung für die Bewertung des Produktionspotenzials von Mais unter verschiedenen Umweltbedingungen. / A rapidly growing global population is escalating the demand for food, necessitating advancements in agricultural practices to meet dietary and nutritional needs. Low and middle-income countries, particularly in the Global South, are facing numerous challenges in boosting food production, compounded by the prevalence of rainfed agriculture and the looming threat of climate change. This dissertation explores the dynamics of land use and maize conditions in Kenya and yield responses across various agroecological zones. The work evaluates the potential of different agricultural management strategies in a bid to optimize maize productivity by tailoring strategies to specific site conditions. The study incorporates remote sensing data to acquire various management and crop conditions as input data for the DSSAT-CERES-Maize model. The study found that remote sensing data integration is crucial for yield prediction and maize conditions monitoring in data-scarce regions, such as Kenya. Temporal information from remote sensing can be used as input data for crop modelling frameworks to enhance yield simulations from field to national scales. The study also found that cultivar type, nitrogen fertilization and sowing dates significantly influence yield across the different agroecological zones. More importantly, by tailoring practices to the specific conditions of the agroecological zone, the region could potentially increase production by +5.7% in the entire study region. This dissertation underscores the importance of crop modelling and remote sensing integration for evaluating maize production potential across diverse environmental settings.