Netzwerke sind allgegenw{\"a}rtig. Wir nutzen tagt{\"a}glich diverse Kommunikations-, Transport- und Versorgungsnetzwerke und partizipieren an sozialen Netzwerken. Allerdings sind wir weit davon entfernt diese Netzwerke vollst{\"a}ndig zu verstehen und zu beherrschen. Motive in Graphen - dies sind aus wenigen Knoten bestehende (un)gerichtete Untergraphen~- stellen ein wohldefiniertes intermedi{\"a}res Ma{\ss} zur Charakterisierung lokaler Strukturen eines Netzwerks dar, welches {\"u}ber die Bedeutung einzelner Knoten hinausgeht. Bislang wurden Motive nur als statistisches Ma{\ss} verwendet. Ihre Unter- oder {\"U}berrepr{\"a}sentanzen in zahlreichen Netzwerken konnte erfolgreich spezifischen topologischen Funktionen zugeordnet werden. Diese Arbeit besch{\"a}ftigt sich mit einer bislang unerforschten Perspektive komplexer Netzwerke: Sie betrachtet die Relation zwischen Motivgehalt und dynamischen Prozessen, die in diesen Netzwerken stattfinden. Um dies zu analysieren f{\"u}hren wir das Ausgabemuster eines Netzwerks zur{\"u}ck auf dessen Topologie und untersuchen dabei gewichtete Motive. Dieser bislang einzigartige Ansatz zeigt eine direkte Relation zwischen Motivgehalt und Ausgabemuster komplexer Netzwerke. Wir setzen Motive in zwei unterschiedlichen Ans{\"a}tzen ein: auf der einen Seite als analytisches Werkzeug zur Erforschung bereits vorhandener Netzwerke, auf der anderen Seite als aktiver Mechanismus zur Anpassung und Verbesserung von durch Menschenhand geschaffene Systeme. Wir weisen einen starken Zusammenhang zwischen den lokalen Strukturen, dem Motivgehalt eines Netzwerks und dessen Leistung nach. Diese neuen Einblicke werden sp{\"a}ter zur Entwicklung einer Reihe innovativer verteilter Ans{\"a}tze zur Steuerung der Netzwerkstruktur eingesetzt. Zu Beginn nutzen wir Motive als analytisches Werkzeug auf einer Unterklasse komplexer Netzwerke mit zahlreich vorhandenen und leichtzug{\"a}nglichen Netzwerkdaten: Co-Autoren Netzwerke. Wir besch{\"a}ftigen uns mit der Frage: Existiert ein Zusammenhang zwischen Zitath{\"a}ufigkeit der Publikationen und der daran beteiligten Motive? Unsere Analyse zeigt ein Muster der Zusammenarbeit deutlich erfolgreicher als alle anderen: das sogenannte \emph{Box-Motiv}, eine geschlossene Kette aus vier Autoren. Das Box-Motiv hat den gr{\"o}{\ss}ten Erfolg gemessen an der durchschnittlichen Zitath{\"a}ufigkeit pro Motivkante. Unsere Ergebnisse lassen sich auf zwei gro{\ss}en Datens{\"a}tzen und auf Daten-Schnappsch{\"u}ssen {\"u}ber den Zeitraum der letzten 20 Jahre best{\"a}tigen. Segregation scheint hier der Schl{\"u}ssel zum Erfolg zu sein: eine Trennung in der Zeit, im Rang und in der Disziplin sind die st{\"a}rksten Faktoren, die zum Erfolg des Box-Motivs f{\"u}hren. Weiterhin stellen wir ein generatives Modell zur Erstellung gewichteter Co-Autoren Netzwerke vor, welches unsere Ergebnisse reproduzieren kann und einen Einblick in die sozialen Faktoren erm{\"o}glicht, die Co-Autoren Netzwerke beeinflussen. Der entdeckte Zusammenhang zwischen Motivgehalt komplexer Netzwerke und dynamischer Prozesse, die in diesen Netzwerken stattfinden, hat eine neue Sicht auf verteilte Kommunikationsnetzwerke inspiriert. Wir haben uns folgende Frage gestellt: Ist es m{\"o}glich, Motive in Online-Entscheidungsprozesse so einzubinden, dass sie technische Netzwerke verbessern, anstatt sie nur als analytisches Werkzeug zu verwenden? Dem zu Folge haben wir einen innovativen Ansatz zur Steuerung der Netzwerkstruktur von Peer-to-Peer (P2P) Netzwerken entwickelt. Jeder Peer steuert sein lokalen Motivgehalt in Richtung eines erw{\"u}nschten Zustands. Infolge dessen konvergieren die allgemeinen Netzwerkeigenschaften gegen eine erw{\"u}nschte Beschaffenheit, in den gezeigten Beispielen n{\"a}mlich gegen eine gleichm{\"a}ssige Verteilung der Last im Netzwerk. Unsere Evaluation zeigt unumstritten, dass dieser neue Ansatz die betrachteten Netzwerke deutlich optimiert und zugleich keinen oder einen vernachl{\"a}ssigbar kleinen Kommunikationsmehraufwand verursacht. Motiviert durch unsere Ergebnisse, haben wir uns eine allgemeinere Frage gestellt: Sind Netzwerkmotive auch zur Steuerung der Netzwerkstruktur in heterogenen Netzwerken geeignet, in denen die Knoten unterschiedliche Rollen erf{\"u}llen? Zu diesen Zweck haben wir unseren Ansatz f{\"u}r die verteilte Steuerung der Netzwerkstruktur auf verschiedenartige P2P-Overlays erweitert: wir begr{\"u}nden eine innovative Vorgehensweise zur Erzeugung stark elastischer P2P Live-Streaming Netzwerke. Die Peers w{\"a}hlen hierbei aus eine Menge vorgegebener Richtlinien aus. Diese Richtlinien geben genau vor, wie die Peers ihren Motivgehalt anpassen sollen. Dieser neue Ansatz induziert eine Elastizit{\"a}t vergleichbar der aktueller Methoden in diesem Bereich. Weiterhin ist die Struktur der generierten Netzwerke besser balanciert als die der vergleichbaren aktuellen Methoden, was dazu f{\"u}hrt, dass unser Ansatz unter normalen Umst{\"a}nden besser funktioniert. Noch wichtiger ist, dass unserer Ansatz kein Wissen {\"u}ber das Netzwerk voraussetzt. Dadurch ist er nicht nur deutlich schneller, sondern auch garantiert sehr viel sicherer in Bezug auf die Daten. Folglich sind Angriffe durch b{\"o}swillige Parteien praktisch unm{\"o}glich. Kein Peer kann weder seine eigene, noch die Positionen eines anderen Peers im Netzwerk feststellen. Dadurch ist unser neuer Ansatz vergleichbaren Methoden deutlich {\"u}berlegen. Wir haben nun deutlich gemacht, dass man Netzwerke besser verstehen kann oder sogar aktiv ihre dynamische Leistungsf{\"a}higkeit ver{\"a}ndern kann, indem man ihre lokalen Strukturen n{\"a}her betrachtet. Eine nahezu selbstverst{\"a}ndliche Konsequenz ist es daher, sich auch mit der umgekehrten Sichtweise zu besch{\"a}ftigen: Ist es m{\"o}glich, durch gezieltes Einbringen geeigneter dynamischer Prozesse in ein Netzwerk seine Struktur zu erforschen, ohne globales Wissen {\"u}ber das Netzwerk zu besitzen? Um diese Frage zu beantworten, f{\"u}hren wir einen dynamischen Prozess in einem gegebenen Netzwerk aus, um kritische topologische Konstellationen zu identifizieren. Wir zeigen wie man verteilt Kommunikationsengp{\"a}sse ermitteln kann, indem man ein erweitertes Gossiping-Protokoll betreibt. Dieser neuartige Ansatz {\"u}bertrifft aktuelle Methoden in diesem Bereich sowohl bez{\"u}glich der Pr{\"a}zision seiner Ergebnisse als auch bez{\"u}glich seiner Leistung. Nicht zuletzt hat unserer Verfahren Schutzmechanismen gegen b{\"o}swillige Peers, die versuchen das Netzwerkprotokoll zu st{\"o}ren. Spezifische lokale Strukturen f{\"u}hren also zu spezifischen Netzwerkeigenschaften und spezifischer Leistung und umgekehrt. Im letzten Teil der Arbeit zeigen wir, dass Zufallsgraphen und deren zuf{\"a}llige lokale Strukturen grosses Potenzial besitzen. Zufallsgraphen sind in den letzten Jahren als mangelhafte Nullmodelle realer Netzwerke zunehmend in Verruf geraten. Dennoch haben sie strukturelle Eigenschaften, die f{\"u}r P2P-Overlays hochgradig erw{\"u}nscht sind. Wir pr{\"a}sentieren einen innovativen und auf Zufallsgraphen basierenden P2P Overlay. Dieser neue Overlay unterst{\"u}tzt als erster Overlay {\"u}berhaupt sowohl fl{\"a}chendeckende Suchanfragen als auch exakte Schl{\"u}sselwort-Suchl{\"a}ufe innerhalb ein und desselben Overlays. Unserer Overlay ist effizient und sehr gut skalierbar. Gleichzeitig ist er mindestens so leistungsf{\"a}hig wie etablierte P2P Overlays. Die vorliegende Arbeit zeigt in vielerlei Hinsicht, dass es bislang unerforschte und vielversprechende Perspektiven er{\"o}ffnet, Netzwerke auf Basis eines intermedi{\"a}ren Masses zu untersuchen. Die hier eingef{\"u}hrte Methodik zur verteilten Steuerung der Netzwerkstruktur, belegt durch diese Arbeit, ist nur eine dieser Perspektiven.