Eines der vorrangigen Ziele der Bayerischen Staatsforstverwaltung ist es, die Schutzfähigkeit der Bergwälder in alpinen Regionen zu erhalten und zu stärken. Dafür sind genaue, in regelmäßigen Zeitabständen erhobene Informationen über Zustand und Gefährdung der Bestände notwendig. In den Alpen bereitet die Erhebung der hierfür benötigten Parameter neben hohen Kosten auch Probleme, die durch die orographischen Verhältnisse und die damit verbundene Unzugänglichkeit des Geländes bedingt sind. Für diese Problematik bietet die Fernerkundung einen Lösungsweg, vor allem durch die Verfügbarkeit neuerer hochauflösender Satellitenbilder. Die Verwendung dieser sehr hochauflösenden Fernerkundungsbilder sowie die besonderen Verhältnisse in hochalpinen Regionen machen allerdings neuartige Auswertemethoden erforderlich, die über die konventionellen Klassifikationsverfahren hinausgehen. Im Rahmen dieser Arbeit wurde mit Hilfe objekt- und wissensbasierter Verfahren eine Integration von Fernerkundung und GIS implementiert, um aus der Synergie beider Systeme eine Verbesserung der Auswertemöglichkeiten zur Ableitung forstlich relevanter Parameter zu erreichen. Der Überprüfung der geometrischen sowie der thematischen Genauigkeit der im GIS integrierten Datensätze kam dabei besondere Bedeutung zu, da nur ein Abgleich und übereinstimmende Lagebeziehung gewährleisten, daß die einzelnen Datensätze miteinander verknüpft werden können. Das wissensbasierte Verfahren, das die Ergebnisse aus der Satellitenbildklassifikation einerseits optimieren und andererseits validieren soll, wurde mit Hilfe der im GIS eingebauten Zusatzinformationen aufgebaut. Unter Einbeziehung der Kenntnisse über die Abhängigkeiten und Wechselbeziehungen einzelner Faktoren wie Vegetation, Standort und Nutzung in alpinen Regionen, wurden Zuordnungshilfen im Sinne eines Fuzzy-Regelsatz aufgestellt. Damit konnte das Problem der Mehrdeutigkeit spektraler Signaturen, die keine ausreichend genaue Trennung einzelner Vegetationsklassen zulassen, deutlich verringert werden, was nicht nur zu einer Erweiterung der Klassenauswahl gegenüber einer auf rein spektraler Information basierten Klassifizierung führte, sondern auch eine Aktualisierung oder Erweiterung bereits bestehender Datenbestände ermöglichte. One of the main goals of the Bavarian forest administration is the maintenance and reinforcement of the protective role of mountainous forests in the alpine region. For this purpose, there is a need of inventory and monitoring on a regular time interval, to obtain the necessary information about the status quo and possible dangerous conditions and developments among the forest stands. The terrain conditions and low accessibility of the region makes the collection of important forest stand parameters a costly affair. Remote Sensing and in particular the availability of newer high-resolution satellite images, offer a solution for this problem. However, the increasing spatial resolution of modern (satellite) sensors as well as the orographical terrain conditions make it necessary, to follow new ways of image classification, using the synergy effects derived from GIS information. In this study, the integration of the two domains, remote sensing and GIS, were analysed focussing on the needs of practical forest applications, using an object oriented and knowledge based image analysis system. Special interest was put on the verification of the geometric as well as the thematic accuracy of the data integrated in the GIS, because the combination and integration of high ground resolution remote sensing data in GIS analysis require the exact positioning and alignment of geographical data. Existing thematic data layers were used first to improve classification accuracy of remotely sensed data and then applied in updating the existing GIS data bases with the results of remote sensing data analysis. With the help of the different thematic GIS data layers, a knowledge based classification support was built up to optimise and also to validate the results from the classification of the remote-sensing-data. The well investigated interrelations and dependencies of the single factors, such as vegetation, site and landuse, are included in the evaluation of an allocation assistent based on a fuzzy-logic-rule-set. The use of auxiliary information could reduce the problem of the ambiguity of spectral signatures, which do not permit clearly a sufficiently exact separation of single vegetation classes. With the help of the knowledge- and object-based procedure an enhancement of the class choice in relation to a classification based on purely spectral information and also an updating or enlargement of existing databases was achieved.