The automotive industry is looking for an efficient product development process to offer a large diversity of high quality products while reducing development costs. An efficient product development process can be created by shifting many aspects of development into the virtual world. This work describes three contributions to a systematic virtual development process: first, a method to derive quantitative goals for objective quantities, second, a general method to create robust designs of complex systems and third, a method for product family design. A basic requirement for a successful virtual development process is to correctly quantify the design goals. Therefore, subjective evaluations of customers or test drivers have to be quantified by objective characteristic values and corresponding perception thresholds. However, this procedure is complex as subjective evaluations differ with vehicle class, driver and environment. A new systematic method for the determination of perception thresholds of objective quantities is presented, which quantifies a relative relation between the subjective evaluation and objective quantities. This method is based on a knowledge management system, which stores subjective impacts between design variables and design categories. The contained information can be verified by simulation and objectification knowledge using design of experiment methods and global sensitivity analyses. In combination with an absolute subjective and objective evaluation, perception thresholds enable the derivation of objective design goals for a new vehicle. An efficient development of high quality products requires the integration of uncertainties in the development process. Uncertainties may occur in early design phases due to limited knowledge or requirement changes and naturally in the late manufacturing process. Furthermore, the number of competing objectives of non-linear systems can become overwhelming. Solution space design is proposed as a new method to handle several requirements on objectives and to integrate robustness in a simple manner. Solution space design is different from design for optimal performance, which results in a single design. A solution space is a set of designs, which satisfy all requirements of the system behaviour. A central design within this set may be a candidate for a robust design as uncertainties of the design parameters are included. For high dimensions of design parameter, a box-shaped solution space is proposed, which reduces the complexity to handle high dimensions by decoupling design parameters while satisfying all requirements. Decoupled intervals of design parameters may be allocated to several expert design teams without high efforts of coordination. Design for optimal commonality in product families is different from design for optimal performance. While optimal performance may be achieved by the choice of appropriate design parameter values for all system components, optimal commonality requires a particular scheme of sharing components among systems. The number of possibilities to share components can be quantified by Bell's number and becomes large quickly, thus making optimization extremely expensive. A new product family design method is presented to optimise product family designs with respect to commonality using solution spaces. Instead of a performance optimisation of a combination of systems, a solution space for each system is identified, which contains only good designs satisfying all relevant design goals. By overlaying solution spaces of several systems, regions of common parameter values can be identified. As a simplification for high-dimensional problems, again box-shaped solution spaces are used. Thus, permissible ranges for all design parameters can be identified that are independent of each other. This enables a particular algorithm to identify the configuration with the smallest number of shared parameters in box-shaped solution spaces. This methodology works without a-priori information on which components should be of common design. All three methods are applied to chassis design of a new middle class vehicle product family, which needs to be designed for aspects of vehicle behaviour such as self-steering behaviour, lateral stability, roll-over, stationary roll behaviour and dynamic roll behaviour. In the new perception thresholds method relative objective design goals are determined, which are generated based on a knowledge management system in which the subjective impact for middle class vehicles is stored. These thresholds are used to quantify the design goals of the new vehicle, respective to its predecessor. In the novel robust design method these design goals are realized by 10 design parameters: the stiffness of anti-roll bars and the stiffness and the start of compression of the bump stops and the rebound stops for the front and rear axle. For simplification, the robust design approach using solution spaces is first applied only to the front and rear stiffness of anti-roll bars. This approach is also extended to uncertainties of uncontrollable parameters such as the body mass or the damper characteristic and compared to a classical Pareto-optimal robust design optimization. Robust design using solution spaces simplifies the integration of robustness enormously as no additional robustness term has to be optimized. The robust design approach using solution spaces is extended to 10 design parameters by using box-shaped solution spaces, which enable a simplified handling and visualization of permissible intervals for each design parameter. In the innovative product family design method this design problem is extended for several vehicles in a simple example. The product family approach is applied to a vehicle dynamics problem from industrial practice: a set of 13 vehicles with 10 design parameters was optimised with respect to commonality such that all design goals are satisfied and the number of different component designs is minimized. Product family design using solution spaces simplifies the sharing of components within multiple systems enormously as the systems do not have to be optimized in combination., Die Automobilindustrie forscht an einem effizienten Produktentstehungsprozess, denn nur so kann eine Vielzahl an unterschiedlichen und qualitativ hochwertigen Fahrzeugen angeboten und zugleich deren Entwicklungskosten reduziert werden. Ein möglicher Ansatz hierzu ist, viele Aspekte der Auslegung in die virtuelle Welt zu verlagern. Diese Arbeit befasst sich mit drei Beiträgen zu einem systematischen, virtuellen Grundauslegungsprozess in der Fahrdynamik. Der erste Beitrag beschreibt eine neue Methode, um subjektive in objektive Ziele zu übersetzen, der zweite befasst sich mit der robusten Auslegung komplexer Systeme und im letzten Beitrag wird eine effiziente Methode zur Gestaltung von Produktfamilien vorgestellt. Die Grundvoraussetzung für einen zielführenden virtuellen Auslegungsprozess ist die Übertragung eines subjektiven Zielsystems auf quantitative, objektive Bewertungsgrößen. Dieser Prozess ist komplex, da die Subjektivurteile stark von Fahrzeugklasse, Fahrer und Umwelt abhängen. In dieser Arbeit wird ein neuer systematischer Ansatz zur Bestimmung von Schwellwerten erläutert, der es erlaubt Relativbeziehungen zwischen subjektiven Zielen und objektiven Bewertungsgrößen herzustellen. Die Methode basiert auf einem Wissenssystem, das relative Subjektivbeurteilungen zwischen Komponenten- und Systemeigenschaften beinhaltet. Diese Beurteilungen können mit Hilfe der Simulation und einem vorhandenen qualitativen Objektivierungswissen verifiziert werden, indem eine Vielzahl von Experimenten und eine globale Sensitivitätsanalyse durchgeführt werden. Aus dem Abgleich können dann die gesuchten Wahrnehmungsschwellen identifiziert werden. Diese erlauben in Kombination mit einer absoluten subjektiven und objektiven Bewertung eines Referenzfahrzeugs, den Übertrag eines neuen subjektiven in ein quantitatives Zielsystem. Um flexibel im Entwicklungsprozess auf Anforderungsänderungen zu reagieren und eine hohe Produktqualität zu gewährleisten, müssen Unsicherheiten frühzeitig im Entwicklungsprozess aufgenommen werden. Unsicherheiten treten in der frühen Entwicklungsphase aufgrund eines reduzierten Detailwissens oder aufgrund von Anforderungsänderungen auf. Eine Herausforderung stellt auch die hohe Anzahl an konkurrierenden Anforderungen bei der Gestaltung komplexer nicht-linearer Systeme dar. Die Verwendung von Lösungsräumen wird als neue Methode vorgeschlagen, um eine große Anzahl an Anforderungen zu beherrschen und Robustheit auf eine einfache Art und Weise in den Gestaltungsprozess zu integrieren. Ein Lösungsraum besteht aus einem Set von Auslegungspunkten, die alle Anforderungen an das Systemverhalten erfüllen. Ein zentraler Auslegungspunkt innerhalb dieses Raums gilt als besonders robust, da bei kleinen Parameteränderungen immer noch alle Anforderungen erfüllt sind. Für hochdimensionale Problemstellungen wird ein boxförmiger Lösungsraum verwendet, der die Komplexität vieler Dimensionen reduziert, indem die Auslegungsgrößen entkoppelt werden. Ein boxförmiger Lösungsraum lässt sich als entkoppelte Intervalle von Auslegungsgrößen darstellen und kann zwischen mehreren Entwicklungsteams für weiterführende Entwicklungsaufgaben ohne großen Koordinationsaufwand aufgeteilt werden. Die Gestaltung von möglichst vielen gemeinsam verwendeten Bauteilen innerhalb einer Produktfamilie unterscheidet sich von der klassischen Optimierung von Zielwerten mehrerer Systeme insofern, dass zur Erlangung der bestmöglichen, individuellen Zielwerte jedes einzelnen Systems nicht alle Auslegungsgrößen einzeln optimiert werden müssen. Für eine optimale Kommunalität wird ein bestimmtes Verteilungsschema der gemeinsam verwendeten Bauteile für alle Fahrzeuge benötigt. Die Anzahl an Möglichkeiten, Bauteile verschiedener Fahrzeuge zu teilen, kann durch die Bellsche Zahl beschrieben werden und wird mit ansteigender Menge von Systemen sehr schnell groß. Dadurch wird die Anzahl an Optimierungen mit kombinierten Systemen sehr groß. Diese Problemstellung wird erstmals mit Lösungsräumen gelöst, die zugleich eine neue Methode zur Gestaltung von Produktfamilien darstellt. Anstatt kombinierte Systeme zu bewerten, wird für jedes System ein Lösungsraum erstellt, der nur Auslegungspunkte enthält, die zur systemeigenen Zielerfüllung führen. Indem Lösungsräume von mehreren Systemen überlagert werden, werden Räume der gemeinsamen Zielerreichung identifiziert. Zur Vereinfachung bei hochdimensionalen Problemstellungen werden erneut boxförmige Lösungsräume verwendet. Dadurch können für alle Auslegungsparameter mögliche Intervalle gefunden werden. Dies ist Voraussetzung für einen neu entwickelten Algorithmus, um die Systemkombination mit der kleinsten Anzahl an geteilten Auslegungsparametern zu identifizieren. Diese Methode gelingt auch dann, wenn nicht bekannt ist, welche Systeme welche Auslegungsparameter teilen sollen. Alle drei Methoden werden auf ein komplexes Auslegungsproblem aus der Fahrdynamikauslegung angewandt. Eigenlenkverhalten, querdynamische Stabilität, Kippsicherheit, stationäres und dynamisches Wankverhalten sollen für eine neue Mittelklasse-Fahrzeugfamilie ausgelegt werden. Für diese Eigenschaften liegt eine Subjektiv- und Objektivbewertung der Vorgänger-Limousine vor. Darauf basierend wird ein neues subjektives Zielsystem erstellt und mit Wahrnehmungsschwellen in relative quantitative Ziele transformiert. Die Auslegungsziele werden mit Hilfe von zehn Auslegungsgrößen realisiert: jeweils die Stabilisatorensteifigkeit sowie die Steifigkeit und der Einsatzpunkt von Zusatzfeder und Zuganschlagsfeder der Vorder- und Hinterachse. In einem einführenden Beispiel wird der robuste Auslegungsentwurf mit Lösungsräumen zunächst nur auf die Stabilisatorsteifigkeit der Vorder- und Hinterachse angewandt. Dieser Entwurf wird um unsichere Größen in der frühen Phase, wie das Fahrzeuggewicht oder die Dämpfercharakteristik, erweitert und mit einem pareto-optimalen robusten Entwurf verglichen. Es zeigt sich, dass die Auslegung mit Lösungsräumen die Integration von Robustheit vereinfacht, da kein zusätzliches Robustheitsmaß optimiert werden muss. Die Entwurfsmethodik wird anschließend auf alle zehn Auslegungsgrößen angewandt, indem box-förmige Lösungsräume verwendet werden, welche die Handhabung und die Visualisierung der möglichen Intervalle der Auslegungsgrößen vereinfachen. Dieses Auslegungsproblem wird anschließend auf mehrere Fahrzeuge übertragen, um eine hohe Vielfalt an Fahrzeugen anzubieten. In einem einführenden Beispiel wird zunächst eine Produktfamilie von drei Fahrzeugen mit der Stabilisatorsteifigkeit der Vorder- und Hinterachse ausgelegt und mit einem klassischen Ansatz verglichen. Daraus resultiert, dass die Auslegung von Produktfamilien mit Lösungsräumen die Bestimmung gemeinsamer Komponenten vereinfacht, da die Systeme nicht in Kombination optimiert werden müssen. Die Auslegungsmethode wird auf ein praxisrelevantes Auslegungsbeispiel angewandt: Zehn Auslegungsgrößen werden für eine Fahrzeugfamilie von 13 Mittelklassefahrzeugen bezüglich maximaler Kommunalität ausgelegt, so dass für jedes Fahrzeug alle individuellen Zielgrenzwerte erfüllt sind und die Anzahl der kommunalen Bauteile möglichst gering ist.