Die Herausforderungen einer nachhaltigen Energie- und Verkehrswende erfordern im Rahmen der öffentlichen Mobilitätsdienstleistungen u. a. eine effiziente Ausnutzung der Versorgungsinfrastruktur, um deren wirtschaftliche Betriebsweise auch unter den Herausforderungen zukünftiger Transformationsprozesse zu gewährleisten. Im Rahmen der vorliegenden Dissertation wird am Beispiel des Oberleitungsbusnetzes der Stadtwerke Solingen (Verkehrsbetrieb) GmbH untersucht, ob batteriegestützte Fahrzeuge in infrastrukturgebundenen Verkehrssystemen zur Betriebseffizienzsteigerung beitragen können, um bspw. Smart Grid Ansätze zu realisieren. Grundlage dieser Analyse stellt die Erfassung fahrdynamischer Daten aus dem CAN-Bus-System von Batterieoberleitungsbussen dar, mit Hilfe derer sowie weiterer Informationen bspw. über die Fahrstreckengegebenheiten und Beförderungszahlen, ein Prognosemodell auf Basis maschineller Lernprozesse entwickelt wird. Dieses liefert Erkenntnisse über die Energiebedarfscharakteristik einzelner Fahrzeuge sowie im gesamten Verkehrsnetz und ermöglicht somit bspw. die Identifikation zeitlicher und räumlicher Lastspitzen. Zur Reduzierung dieser Effekte wurde daher eine Methodik entwickelt, um durch den gezielten Einsatz der Traktionsbatterie unterschiedlicher Fahrzeuge deren infrastrukturseitige Bezugsleistung zu verringern oder ggf. kurzfristig sogar vollständig einzustellen. Ziel dieser als Power Demand Management bezeichneten Maßnahmen ist es, freie Speicherkapazitäten zu nutzen und somit ggf. das Versorgungsnetz bedarfsgerecht zu entlasten. Die Ergebnisse zeigen, dass auf diese Weise eine Reduzierung der Lastspitzen erwirkt werden kann, woraus sich unterschiedliche Anwendungsfelder ergeben, die im Rahmen einer abschließenden Potentialanalyse untersucht werden.