Mit der Instrumentellen Ganganalyse werden Gelenkwinkel und -momente beim Gehen messtechnisch erfasst. Die klinische Auswertung dieser Daten (Diagnose von Bewegungsstörungen, Therapieplanung und -validierung) erfolgt empirisch durch erfahrene Experten. Schwierigkeiten bei der Analyse sind stark heterogene Datensätze und sehr komplexe Zusammenhänge in Bewegungsdaten. Eine objektive, standardisierte Basis zur Datenauswertung und -interpretation konnte bisher nicht etabliert werden. In der vorliegenden Arbeit wird durch den Einsatz von modularen rechnergestützten Data Mining Verfahren ein Beitrag zur automatisierten, nachvollziehbaren Suche nach Gangpathologien bzw. zur quantitativen Bewertung der Gangqualität verschiedener Patientengruppen geleistet. Diese Arbeit soll zur Unterstützung der empirischen Analyse eingesetzt werden. Die empirische Vorgehensweise wird dabei in einem verallgemeinerten Merkmalsraum abgebildet, um somit interpretierbare Ergebnisse zu erzielen. Zur Datenauswertung kommen verschiedene überwachte und unüberwachte Lernverfahren zum Einsatz. Die Leistungsfähigkeit der Verfahren wird anhand zweier Patientengruppen (infantile Cerebralparese bzw. inkomplette Querschnittlähmung) und Referenzkollektiven demonstriert.