Im Fahrzeugentwicklungsprozess arbeitet eine Vielzahl von CAE-Fachbereichen an der strukturellen Auslegung eines Fahrzeugs. Ein Werkzeug, die Komplexität und interdisziplinäre Interaktion zu erfassen und gezielt und automatisiert nach Entwürfen zu suchen, ist die Multidisziplinäre Optimierung (MDO). Die MDO fördert die Entwicklungsqualität und -geschwindigkeit, fordert jedoch für den operativen Einsatz eine Vorgehensweise zur effizienten Nutzung von CPU-Ressourcen und zielgerichteten Einbindung aller für eine Fragestellung relevanter Disziplinen. In dieser Dissertation werden verschiedene Strategien diskutiert, welche die für die Umsetzung genannten Erfordernisse bedienen: Die Wahl effizienter Optimierungsalgorithmen und -strategien, die Auswahl relevanter Lastfälle und sensitiver Entwurfsvariablen und die Reduktion der Finite-Elemente-Rechenzeiten von rechenaufwändigen Crashanalysen. Für diese Schwerpunkte wird eine Best Practice bestehender Methoden ausgearbeitet bzw. teilweise neue Ansätze etabliert. Durch die Assemblierung dieser Erarbeitungen wird ein neuartiger, adaptiv steuerbarer und auf Approximationsmodellen basierender Prozess entwickelt. Die Besonderheit des Prozesses zeigt sich vor allem in drei Punkten: Erstens reduziert der Baustein "Adaptive Komplexitätskontrolle" sukzessive die Komplexität des Optimierungsproblems. Zweitens kann mithilfe eines lokalen, heuristischen und damit auf allen Approximationsmodelltypen berechenbaren Vorhersageunsicherheitsmaßes die Prognosegüte abgeschätzt und in der Optimierung genutzt werden. Drittens unterstützt die globale Sensitivitätsmatrix bei der Koordination aller Disziplinen und hilft damit bei der Planung einer MDO. Alle Untersuchungen werden anhand eines komplexen Gesamtfahrzeugbeispiels durchgeführt.