Als Grundlage vieler statistischer Verfahren wird der Prozess der Entstehung von Daten modelliert, um dann weitere Schätz- und Testverfahren anzuwenden. Diese Arbeit befasst sich mit der Frage, wie diese Spezifikation für parametrische Modelle selbst getestet werden kann. In Erweiterung bestehender Verfahren werden Tests mit festem Kern eingeführt und ihre asymptotischen Eigenschaften werden analysiert. Es wird gezeigt, dass die Bestimmung der kritischen Werte mit mehreren Stichprobenwiederholungsverfahren möglich ist. Von diesen ist eine neue Monte-Carlo-Approximation besonders wichtig, da sie die Komplexität der Berechnung deutlich verringern kann. Ein bedingter Kleinste-Quadrate-Schätzer für nichtlineare parametrische Modelle wird definiert und seine wesentlichen asymptotischen Eigenschaften werden hergeleitet. Sämtliche Versionen der Tests und alle neuen Konzepte wurden in Simulationsstudien untersucht, deren wichtigste Resultate präsentiert werden. Die praktische Anwendbarkeit der Testverfahren wird an einem Datensatz zur Produktwahl dargelegt, der mit multinomialen Logit-Modellen analysiert werden soll. / The data generating process often is modeled as a basis for many subsequent statistical estimation and testing procedures. In this work the question is studied, how this specification of parametric models itself can be tested. In generalization of existing methods, tests with fixed kernel are introduced and their asymptotics are analyzed. It is shown that the determination of critical values is possible using several resampling procedures. Of these a new Monte-Carlo-approximation is of special importance, since it can reduce the complexity of calculation substantially. A conditional least squares estimator for nonlinear models is defined and its essential asymptotic properties are derived. All versions of the tests and all new concepts were studied in simulation studies and the most important results are presented. The applicability of the tests is demonstrated with a dataset on product choice that is to be analyzed with multinomial logit models.