Viele verschiedene Verfahren ermöglichen den automatischen Entwurf von Entscheidungssystemen bei Unsicherheit. Dazu gehören neben Methoden des maschinellen Lernens auch neuronale Netze und statistische Verfahren. Unterschiedliche Konsequenzen von Fehlentscheidungen werden dabei nur in wenigen Fällen berücksichtigt. Die Möglichkeit, Entscheidungen bei widersprüchlichen oder unzureichenden Informationen an einen Experten zu delegieren ist ebenfalls in den meisten Entwurfsverfahren nur ansatzweise abgebildet. Diese Arbeit trägt zur Weiterentwicklung von Verfahren zur automatischen Generierung von Fuzzy-Entscheidungssystemen bei. Die Bewertung der Entscheidungssysteme erfolgt dabei auf der Basis der Entscheidungstheorie. Über eine Kostenmatrix werden die Konsequenzen von Fehlentscheidungen modelliert. Die Kosten der Merkmale, die das Entscheidungssystem verwendet, werden optional in die Bewertung einbezogen. Für alle Entwurfsschritte des Fuzzy-Systems werden entscheidungstheoretische Bewertungsmaße entworfen und ihre Anwendung an anschaulichen Beispielen demonstriert. Für die Möglichkeit der Delegation von Entscheidungen an einen Experten wird ein neues Inferenzverfahren auf der Basis der Evidenztheorie entwickelt. Zur Reduktion der Merkmalskosten wird die Entwurfsmethodik für Fuzzy-Systeme um ein Verfahren zum Entwurf von mehrstufigen Regelbasen erweitert. Bei mehrstufigen Regelbasen werden nicht alle Merkmale für jede Entscheidung ausgewertet. Die Leistungsfähigkeit der entwickelten Maße und Verfahren wird anhand von Benchmark Datensätzen und einem realitätsnahen Beispiel aus der Robotik demonstriert. Der Vorteil der Interpretierbarkeit der Fuzzy-Systeme wird an einem Beispiel gezeigt.