Für viele gefährliche oder belastende Aufgaben wie zum Beispiel Such- und Rettungsmissionen ist der Einsatz von autonomen Roboterteams aus verschiedenen Gründen sinnvoll. Erstens können Roboter Menschen in gefährlichen oder weit abgelegenen Arbeitsräumen ersetzen. Zweitens können autonome Roboter die Arbeitsbelastung eines Menschen verringern im Vergleich zu ferngesteuerten Robotern, dadurch kann ein Mensch prinzipiell mehrere Roboter gleichzeitig überwachen. Drittens können Roboterteams verteilt in Raum und Zeit arbeiten. Aus diesem Grund beschäftigt sich die vorliegende Arbeit mit Konzepten, die einen Supervisor befähigen, ein Team autonomer Roboter zu überwachen und zu unterstützen. Ziel ist es, einen bestmöglichen Weg zwischen den beiden Extremen der vollständigen Fernsteuerung und der reinen Autonomie zu finden, indem der Autonomiegrad der Roboter auf die aktuelle Situation und die Bedürfnisse des menschlichen Supervisors angepasst werden kann. Die in dieser Arbeit vorgestellten Methoden nutzen die komplementären spezifischen Stärken von Menschen und Robotern aus, indem die Roboter die Aufgaben ausführen, die für sie gut geeignet sind, während der Mensch die Roboter in Situationen unterstützt, die er besser lösen kann. Um diese Art von Zusammenarbeit zwischen einem Menschen und einem Roboterteam zu ermöglichen, benötigt der Supervisor ein ausreichendes Wissen über den aktuellen Zustand der Roboter, der Umwelt, und der aktuellen Mission. Hierfür wurde in der vorliegenden Arbeit das Konzept des Situation Overview (SO) entwickelt, das aus den beiden Komponenten Robot SO und Mission SO besteht. Robot SO umfasst aktuelle Informationen über den Zustand und die Aktivitäten jedes einzelnen Roboters im Team, Mission SO dagegen umfasst den aktuellen Fortschritt der gesamten Mission und die Kooperation zwischen den Robotern. Um SO zu erreichen wird in dieser Arbeit ein neues Event-basiertes Kommunikationskonzept vorgestellt, welches es den Robotern ermöglicht, mit Methoden aus dem Complex Event Processing Informationen zu sammeln und zu diskreten Events zusammenzufassen. Die Qualität und Quantität der Events, die tatsächlich zum Supervisor geschickt werden, können zur Laufzeit angepasst werden, indem für verschiedene Typen von Events Regeln aufgestellt werden, dementsprechend diese gesendet oder nicht gesendet werden. Dies verringert die benötigte Kommunikationsbandbreite, verglichen mit der üblichen Vorgehensweise, weitgehend alle verfügbaren Daten zu schicken. Der Supervisor kann, basierend auf SO, mit dem Roboterteam interagieren. Die Interaktionen können beidseitig entweder vom Menschen oder von einem der Roboter ausgehen. Die entwickelte Methode für Roboter-initiierte Interaktionen basiert auf Anfragen, die es den Robotern ermöglichen, Entscheidungen an einen anderen Prozess oder den Supervisor abzugeben. Verschiedene Modi zur Beantwortung dieser Anfragen, von voll-autonom bis hin zur reinen menschlichen Entscheidung, ermöglichen es, den Autonomiegrad der Roboter zur Laufzeit geeignet anzupassen. Mensch-initiierte Interaktionen werden auf high-level Kommandos beschränkt, direkte Fernsteuerung wird vermieden, um die spezifischen Fähigkeiten von Menschen und Robotern möglichst gut im Team auszunutzen. In der vorliegenden Arbeit wird gezeigt, wie solche Kommandos in Beschränkungen an die Aufgabenverteilung zwischen den autonomen Robotern übersetzt werden können. Diese Beschränkungen können in sehr allgemeinen Klassen von Aufgabenverteilungsmethoden in das System als Nebenbedingungen eingeführt werden. Dadurch wird die gewünschte Zusweisung von Aufgaben an Roboter implizit erreicht, ohne dass der für die Aufgabenverteilung zuständige Algorithmus tatsächlich Wissen über einen Menschen im System hat. Diese Methode kann auf verschiedene Algorithmen zur Aufgabenverteilung angewendet werden, z. B. Algorithmen die eine aktuelle Aufgabe für jeden Roboter zuweisen oder mehrere Aufgaben in die Zukunft planen, und zentrale oder verteilte Algorithmen. Die vorgestellten Methoden wurden in verschiedenen Experimenten sowohl in Simulationen, als auch in Labor-Experimenten mit Such- und Rettungsrobotern sowie Fußballrobotern und auf Roboter-Wettbewerben evaluiert. Die Ergebnisse zeigen, dass die Methoden geeignet sind, um die Leistung eines Roboterteams mit Hilfe eines menschlichen Supervisors erheblich zu verbessern.