In den letzten Jahren hat die Radartechnik im Automobilbereich große Fortschritte erzielt. Der hochauflösende Radarsensor ist aktuell in der Lage, die Fahrzeugumgebung mittels mehrerer tausend Detektionen innerhalb eines Messzyklus sehr präzise wahrzunehmen. Diese Arbeit stellt ein neues Konzept der Umfeldmodellierung mit hochauflösenden Radardaten vor. Aus den statischen Detektionspunkten wird eine Belegungsgitterkarte anhand eines auf der Reflexionsamplitude beruhenden Radar-Sensormodells erstellt. Anschließend wird ein intervallbasiertes Freiraummodell entlang der prädizierten Fahrzeugtrajektorie definiert und in der Belegungsgitterkarte verortet. Zur Eigenlokalisierung werden verschiedene SLAM-Methoden implementiert, optimiert und dann verglichen, um ein leistungsfähiges Radar-SLAM zu realisieren. In der dynamischen Umgebungsrepräsentation ergibt sich eine modellbasierte Objektliste aus der Gruppierung der bewegten Detektionspunkte. Die effiziente Clustermethode verwendet ein 3D Gitter, um das Cluster-Fenster anhand der Zellindizes abzubilden. Darüber hinaus passt sich das Cluster-Fenster adaptiv an die verfolgte Objektkontur und -geschwindigkeit an. Für die Aktionsplanung definiert eine Kostenfunktion unterschiedliche Bewertungsaspekte und -kriterien, um alle relevanten Informationen aus der Umfeldmodellierung, das potentielle Risiko und die Durchführbarkeit eines Manövers zu berücksichtigen. Nach diesen Kriterien werden die Kostenwerte berechnet, um mögliche Brems- oder Ausweichmanöver in einer kritischen Situation zu vergleichen und dann das geeignetste Manöver auszuwählen. Bei der Auswertung mit Messdaten haben die entwickelten Ansätze der Umfeldmodellierung und der Aktionsplanung eine sehr gute Performance erzielt.