Im Bereich der Umfelderfassung von Fahrerassistenzsystemen wird eine immer größere Anzahl an Radarsensoren eingesetzt. Zudem nimmt die Messgenauigkeit kontinuierlich zu, im Winkel durch digitale Strahlformung und hochauflösende Algorithmen und im Doppler durch z.B. das Schnelle-Rampen-Verfahren. In Verbindung ergeben sich dadurch neue Möglichkeiten bei der Bestimmung der Eigenbewegung und beim Erfassen ausgedehnter Ziele im Fahrzeugumfeld. Im Rahmen der Arbeit wird der Verlauf der Dopplergeschwindigkeit über dem Azimutwinkel eines hochauflösenden Automotive-Radars analysiert. Dieser charakteristische Verlauf eines ausgedehnten Ziels (bzw. mehrerer stationärer Ziele) wird mit Geschwindigkeitsprofil bezeichnet und kann in direkten Zusammenhang zu dem aktuellen Bewegungszustand gesetzt werden. Es werden dazu Methoden vorgestellt, die das Geschwindigkeitsprofil erstmalig mittels eines optimalen, echtzeitfähigen und erwartungstreuen Schätzers bestimmen. Wird ein starres, ausgedehntes Ziel (z.B. Fahrzeug) von zwei Radarsensoren erfasst, kann durch Kombination der Geschwindigkeitsprofile instantan, das heißt in einem Messzyklus, sein vollständiger Bewegungszustand (Geschwindigkeit, Gierrate, Drift) bestimmt werden. Im Gegensatz zu aktuell angewendeten Tracking-Verfahren kann dabei vollständig auf Modellannahmen (Bewegungsmodell) und eine zeitliche Filterung verzichtet werden. Ferner benötigt das Verfahren keine Initialisierungsphase und hat keine Latenz bei Bewegungsänderungen. Der Zeitgewinn und die gesteigerte Genauigkeit sind für zukünftige Fahrerassistenzsysteme ein entscheidender Vorteil, um deutlich schneller auf kritische Verkehrssituationen reagieren zu können. Wertet man das Geschwindigkeitsprofil aller erfassten stationären Ziele aus, kann in einem einzelnen Messzyklus der Bewegungszustand des eigenen Fahrzeugs bestimmt werden. Dazu wird ein Verfahren entwickelt, bei dem beliebig viele und beliebig angebrachte Sensoren kombiniert werden. Die stationären Ziele werden direkt durch ein robustes Schätzverfahren identifiziert. Insbesondere weist die Schätzung der Geschwindigkeit eine sehr hohe Genauigkeit auf. Bei mehreren Sensoren kann sogar ein lateraler Drift der Räder bestimmt werden. Zudem ist das Verfahren im Gegensatz zu der Fahrzeugodometrie (Gyroskope, Raddrehzahlsensoren) driftfrei, weist keinen Skalierungsfehler auf und liefert auch bei instabilen Fahrzuständen einen präzisen Bewegungszustand. Wird die radarbasierte Eigenbewegungsschätzung mit der Fahrzeugodometrie kombiniert, ist es möglich die Einbauorientierung des Radarsensors online und sehr präzise zu bestimmen. Zudem kann der Bias-Fehler und Skalierungsfehler der Fahrzeugodometrie in Echtzeit korrigiert werden. Die hohe Abtastrate und Genauigkeit des Gyroskops wird dadurch mit der radarbasierten Eigenbewegungsschätzung, die frei von systematischen Fehlern ist, kombiniert., A growing number of Doppler radar sensors are being implemented in the environmental perception of advanced driving assistance systems. Furthermore, their measurement accuracy in Doppler estimation and angle determination using digital beamforming, chirp sequence modulation and high-resolution algorithms is continuously increasing. In combination, this results in new possibilities for estimating the motion state of the ego-vehicle and of extended objects in the vehicle's environment. Within the scope of this thesis, the progression of the Doppler velocity over the azimuth angle of a high-resolution radar is analyzed. Referred to as the velocity profile, this characteristic progression of an extended object (or multiple stationary objects) can be related directly to the current motion state. A method is derived which for the first time allows determination of the velocity profile using an optimal, real-time capable and unbiased estimator. If a rigid, extended object (e.g. a vehicle) is detected by two radar sensors, an estimate of the full motion state (velocity, yaw rate and drift) can be obtained instantaneously, i.e. in a single measurement cycle, by combining the two velocity profiles. In contrast to state-of-the art tracking approaches, no model assumptions (e.g. motion model) and time filtering are required. The proposed system has no initialization time and no latency in non-linear maneuvers. This increases the accuracy and reduces the time needed to react to a potential critical situation. The ego-motion can be determined in a single measurement cycle by analyzing the velocity profile of the received stationary detections. An algorithm is developed for a combined estimation using an arbitrary number of radars at any positions. Stationary detections are directly identified by a robust estimator. Significantly, the velocity estimation is highly accurate and the ego-motion is stable even during highly dynamic maneuvers (lateral drift). In addition the method is bias free compared to the currently used odometry (gyroscope, wheel-sensors). By combining the radar-based ego-motion and odometry, the sensor alignment can be obtained online and with high precision. The potential scaling and bias error of the odometry can also be calibrated. The high sampling rate and precision of the gyroscope is thus combined with the radar-based ego-motion estimation, which is free of systematic errors.