Die nächste Generation autonomer mobiler Roboter muss sich nicht nur in einer Vielzahl herausfordernder Umgebungen zurechtfinden, sondern tritt auch in direkte Interaktion mit Menschen. Um hierbei eine zuverlässige Funktionsweise und Sicherheit zu gewährleisten, spielt der Einsatz von unterschiedlichen, sich gegenseitig ergänzenden Sensorprinzipien zur Umfelderfassung eine entscheidende Rolle. Insbesondere Ultraschallsensoren zeichnen sich durch ihre Zuverlässigkeit bei schwierigen Lichtverhältnissen, transparenten und reflektierenden Objekten, sowie in verrauchten und staubigen Umgebungen aus, wodurch sie Lidar- und Kamerasysteme ideal ergänzen. Bisher genutzte eindimensionale Ultraschall-Entfernungssensoren schränken jedoch das mögliche Navigationspotential der wendigen Roboter ein. Deswegen wird in dieser Thesis die dreidimensionale Sonar-Umfelderfassung basierend auf luftgekoppelten Ultraschall Phased Arrays untersucht, die mittels Beamforming mehrere Objekte gleichzeitig in der Entfernung, Richtung und Höhe lokalisieren und somit ein Abbild der Umgebung erzeugen können. Der Schwerpunkt der Arbeit bildet die Konzipierung und Realisierung, sowie die numerische und experimentelle Evaluation von fünf 3D Sonar Bildgebungs-Systemen, welche unterschiedliche Optimierungsziele verfolgen, um die realistischen Möglichkeiten und Limitierungen aufzuzeigen. Zwei aufgebaute Systemprototypen bestehen aus jeweils 64 piezoelektrischen Ultraschall Wandlern (PUTs) mit einer schmalbandigen Resonanzfrequenz von 40 kHz, welche alle sowohl zum Sende- als auch Empfangsbeamforming genutzt werden. Mit dem Single-Line-Acquisition Verfahren und dem resultierenden Array Gain wird die Bildgebung mit einer großen Reichweite von über 6 m ermöglicht. Die benötigte Transceiver-Elektronik, FPGA- und Systemarchitektur, sowie die Implementierung der GPU-beschleunigten Array Signalverarbeitung im Frequenzbereich, als auch die Visualisierung mittels Nvidia CUDA und OpenGL werden näher beleuchtet. Bei einem der Systeme werden die PUTs in die Kanäle einer Waveguide-Struktur eingesetzt, um eine gleichförmige dicht-besetzte λ/2 Arraygeometrie zu bilden, welche grating-lobe-freies Beamforming ermöglicht. Der andere Systemprototyp nutzt eine irreguläre, spärlich-besetzte, spiralförmige Arrayanordnung, um eine große Apertur aufzuspannen und somit eine hohe Winkelauflösung (2.3°) zu erzielen, die es erlaubt Muster und Formen von Objekten, z.B. eine Hand, zu erkennen. Zwei weitere minimalistische eingebettete Sonar Systeme sind besonders für hardware-limitierte und mobile Applikationen zugeschnitten. Diese Konzepte nutzen schmalbandige PUTs zum Senden und breitbandige, digitale MEMS Mikrofonarrays zum Empfangen. Hierbei wird jeweils das Multi-Line-Acquistion Verfahren genutzt, welches einen einzigen Puls zur Bildformation benötigt und dadurch hohe Frameraten (30 Hz) ermöglicht. Eines der Systeme besteht aus einem PUT und einem hexagonales 36-Element Mikrofonarray, während die Signal- und 3D Bildverarbeitung mittels FPGA und GPU-beschleunigten Single-Board-Computer (Nvidia Jetson Nano) erfolgt. Das andere System benötigt nur einen einzelnen Microcontroller zur 2D Bildgebung und basiert auf einem wellengeleiteten PUT Linienarray, welches mit einem Mikrofon Linienarray in einer T-Konfiguration kombiniert wird. Weiterhin wird eine Array Design Strategie eingeführt, welche zwei irreguläre spiralförmige Subarrays mit unterschiedlichen Elementdichten kombiniert, die im Vergleich zu bisherigen Dichte-Verjüngungs-Modifikationen ein geringeres Sidelobe-Level bei gleicher Hauptkeulenbreite erreicht. Basierend auf dieser Geometrie wird ein Sonarsystem mit 64 MEMS Mikrofonen aufgebaut, das zusätzlich drei wellengeleitete PUTs zum aufeinanderfolgenden Aussenden von unterschiedlichen Frequenzen nutzt, deren resultierende Einzelbilder in einemGesamtbild zusammengefügt werden. Das Sonarsystem erreicht somit einen vorteilhaften Trade-off zwischen Winkelauflösung und Kontrast bei gleichzeitig hoher Framerate und Reichweite. Alle aufgebauten Systemprototypen werden bezüglich der Sende-, Empfangs-, und Pulse-Echo Eigenschaften, sowie deren erreichbare Bildgebungsqualität in einem schalltoten Raum charakterisiert. Zusätzlich werden die relativen Amplituden- und Phasenfehler der verschiedenen Wandlertechnologien untersucht, die Auswirkungen der Fehler auf das Beamforming mittels Monte-Carlo Simulationen analysiert, und die Verbesserungen nach einer experimentellen Kalibrierung hervorgehoben. Außerdem wird die nachträgliche Bildverbesserung mit einem neuronalen Autoencoder-Netzwerk untersucht, das trainiert wird, um die typischen Sendepuls-, Hauptund Nebenkeulen-Charakteristiken zu unterdrücken. Insgesamt verdeutlicht die Arbeit das vielfältige Anwendungspotential von 3D Sonar Systemen, da sie wertvolle Lokalisierungsinformationen liefern, welche konventionelle 1D Entfernungssensoren übertreffen, und somit zum Fortschritt aufkommender Technologien im Bereich autonomer Fahrzeuge, Roboter und industriellen Umgebungen beitragen.