Kurzfassung Im Bereich des automobilen Einklemmschutzes werden Methoden zur robusten und immer sensitiveren Detektion von Einklemmobjekten gesucht, um die Sicherheit zu erhdhen und Risiken des vollautonomen Betriebs zu minimieren. Die weit verbreiteten indirekten Detektionsverfahren erfordern eine prazise Pradiktion zeitvarianter, nichtlinearer Aktuatorlastprofile. In dieser Arbeit werden drei Detektionsansatze vorgestellt, die auf unterschiedlichen Sensorkonzepten basieren. Der erste Ansatz umfasst eine Lastprofilidentifikation anhand von lernfihiger Beobachtung, indem Unscented Kalman Filter mit neuronaler Reibungsidentifikation kombiniert werden. Die kalmanfilterbasierte Lastprofilidentifikation wird anschlieBend zu einem sensorlosen, beobachterfehlerbasierten Einklemmschutz erweitert. In einem zweiten Ansatz wird ein elektrostatischer Einklemmschutzprototyp auf Basis von Eigenkapazitdtsinderungen vorgestellt. Mit einer mehrstufigen Validierung und dem Einsatz von seriennahen Dichtungsprototypen wird die Konzepttauglichkeit unter Randbedingungen geschlussfolgert. Der dritte Ansatz besteht in einem kamerabasierten Einklemmschutz zur beriihrungslosen Detektion und Klassifikation von Einklemmobjekten und -situationen. Mittels Prifstandsvalidierung und Robustheitsanalysen werden Reaktionszeiten und Zuverlassigkeiten identifiziert, welche Riickschliisse auf Hardware und Trainingsaufwande liefern. Mit diesen drei Ansatzen werden durch die Schaffung von Rechen- und Sensorsynergien neue Méglichkeiten fiir derzeitige und zukiinftige Fahrzeugarchitekturen aufgezeigt. Abstract In the area of automotive pinch protection, methods for robust and increasingly sensitive detection of pinch objects are sought in order to increase safety and minimize the risks of autonomous driving. The widely used indirect detection methods require a precise prediction of time-variant, non-linear actuator load profiles. In this thesis, three different approaches that are based on different sensor solutions are presented. The first approach consists of load profile identification that utilizes intelligent cbservers by combining Unscented Kalman filters with neuronal friction identification. This Kalman-filter-based approach is then subsequently extended towards a sensorless anti-pinch detection logic that is fully based on the observer error. In a second approach, an electrostatic anti-pinch protection is presented that utilizes self-capacitance changes. The proof of concept under target conditions was concluded with a multistep validation procedure and the use of series conform sealing prototypes. The third approach consists of a camera-based pinch protection that allows touchless detection and classification of pinch objects and situations. As part of the test bench validations, reaction times and overall computation time are evaluated, which serve as indication for computational requirements. The results show compliance with functional requirements, which is evaluated as part of a robustness analysis. The three proposed approaches showcase new options that can be suitable for current and future car architectures by utilizing computational~ and sensorical synergies.