Fahrerlose Transportfahrzeuge (AGV) können im Vergleich zu fest installierten Flurfördersystemen einfacher integriert und flexibler betrieben werden. AGV können sich den Verkehrsraum mit Menschen teilen und gemeinsam nutzen, für die Erfüllung von Sicherheitsanforderungen sind aufgrund der Gefahr von Begegnungen und Kollisionen dann aber nur langsame Robotergeschwindigkeiten zulässig. Die in dieser Arbeit erstellte modulare Methodik zur datensensitiven Erstellung von Trajektorienvorhersagen ermöglicht die Bereitstellung von Vorhersage der menschlichen Bewegungstrajektorie. Mittels solcher Trajektorienvorhersagen wird die Routenplanung mobiler Roboter optimiert. Durch die Kenntnis der zukünftigen Bewegung von Menschen können Roboter vorausschauend prüfen, ob Routen zum aktuellen Zielort bestehen, auf denen keine Begegnungen zwischen Roboter und Mensch vorkommen. Dadurch können Situationen verhindert werden, bei denen der Roboter aufgrund eines sich nähernden Menschen abbremsen und abwarten muss, bis sich der Mensch wieder vom Roboter entfernt hat. Für die Erstellung der Trajektorienvorhersagen werden mehrere Vorhersageansätze genutzt und situationsabhängig wird der am besten geeignete Ansatz ausgewählt. Die zur Laufzeit verfügbaren Daten bestimmen dabei, welche Ansätze genutzt werden können. Durch die Nutzung von Kontextinformationen kann die Trajektorienvorhersage verbessert werden. Die Methodik trennt Module zur Datenaufbereitung von solchen zur Vorhersageerstellung. Durch Wiederverwendung von Modulen können weitere Ansätze zur Trajektorienvorhersage effizient integriert werden. Im Rahmen der Evaluierung konnte gezeigt werden, dass die erstellte Methodik einen Beitrag zur Verbesserung des Transportdurchsatzes mobiler, für Intralogistik eingesetzter Roboter leistet.