In der vorliegenden Arbeit werden verschiedene Optimierungssysteme für Fuzzy-Controller vorgestellt und miteinander verglichen. Ausgehend von den Einschränkungen für den erfolgreichen Einsatz der bekannten Systeme wurde ein eigenes Optimierungssystem für Fuzzy-Controller entwickelt, das ohne besondere Voraussetzungen einen vorgegebenen Fuzzy-Controller optimiert. Teil I beschäftigt sich mit den theoretischen Grundlagen von neuronalen Netzen und Fuzzy-Controllern. Neuronale Netze sind lernfähige Systeme, welche aus einer Anzahl einfacher Einheiten bestehen, die miteinander verbunden sind. Fuzzy-Controller ermöglichen die Steuerung von Prozessen mit Hilfe anschaulicher WENN-DANN-Regeln. Teil II behandelt die Optimierung von Fuzzy-Controllern nach Mamdani. Das Verfahren von Lin und Lee, das NEFCON-Modell und das neu entwickelte MFOS (Münsteraner-Fuzzy-Optimierungs-System) werden vorgestellt. Teil III behandelt die Optimierung von Sugeno-Controllern. Das ANFIS-System und eine spezielle Version des MFOS für Sugeno-Controller werden vorgestellt.