Durch die schnelle Entwicklung in den letzten Jahren der Computertechnologien und der Programmiertechniken haben intelligente Maschinen die Art und Weise des menschlichen Lebens und des menschlichen Arbeitens vor einiger Zeit deutlich geändert. Der Begriff eines „kognitiven technischen Systems“ (auf Englisch „cognitive technical Systems“, abgekürzt CTS) ist von vielen Forschern verwendet worden, die sich auf ein systemintegriertes Rechnersystem beziehen, welches menschenähnliche kognitive Fähigkeiten besitzt. Diese kognitiven Fähigkeiten ermöglichen die Wahrnehmung der Umwelt, das Lernen aus den Interaktionen mit Menschen, die erkenntnisbasierte Vernunft und Planbarkeit, und das adaptive Handeln auf die individuellen Bevorzugungen. Während der Interaktionen mit einem CTS sind die Menschen in zunehmendem Maße Teilnehmer oder Betreuer der kooperativen Aufgaben. Eine große Herausforderung für solche menschzentrierte CTS ist es, die Menschen aufgrund ihrer unterschiedlichen Grade an Verständnis des Systems individuell und adaptiv unterstützen zu können. Diese Arbeit konzentriert sich auf eine neuartige Umsetzung zwecks einer individualisierten Überwachung und Unterstützung in den Interaktionen zwischen Menschen und CTS. Hierzu wird eine zugrundeliegende Modellstruktur, der Situation-Operator Modellbildung (abgekürzt SOM) Ansatz, verwendet. Es wird im Ansatz angenommen, dass die Veränderungen in der realen Welt als eine Abfolge von Szenen und Handlungen beschrieben werden können. Die Szenen und die Handlungen werden mit den Begriffen „Situationen“ und „Operatoren“ beschrieben. Die Interaktionen zwischen Menschen und CTS können dann als logische Abfolgen der Situationen dargestellt werden, die miteinander wie ein Netzwerk durch Operatoren verbunden sind. Dieses Netzwerk ist definiert als Handlungsraum. Die Erkennung der jeweils aktuellen Situation im Handlungsraum kann zur Überwachung und Unterstützung genutzt werden. Unter Berücksichtigung der menschlich individuellen Verhaltensunterschiede des Menschen ist es notwendig, diese Unterschiede mit einer Situation darzustellen. Daher können die Grundkomponenten einer Situation und die Merkmale als individualisierbar und nichtindividualisierbar gekennzeichnet werden. Der Einfluss individueller Verhaltensunterschiede auf die Interaktion zwischen Menschen und CTS kann dann mit der Auswahl der Operatoren in Abhängigkeit von den individualisierbaren Merkmalen angezeigt werden. Zum besseren Verständnis der Umsetzung werden Szenarien von einem Spurwechselmanöver als Beispiel in dieser Arbeit verwendet. Die Analyse basiert auf dem Konzept der automatisierten Fahrerüberwachung, das mit SOM dargestellt wird. Dazu werden Fahrversuche mit Testfahrern in einer simulierten und virtuellen Umgebung durchgeführt, um Daten zum Spurwechsel-manöver zu sammeln. Alle Testfahrer verfügen über einen Führerschein, damit die Fahrversuche realistisch durchgeführt werden können. Anhand der Auswertung der Probedaten zeigen ausgewählte Messungen die Existenz der Zusammenhänge zwischen den Daten sowie die individuellen Verhaltens-unterschiede der Fahrer. Diese Zusammenhänge können mit einer individuellen Verhaltensregion (auf Englisch „individual behavioral Region“, abgekürzt IBR) beschrieben werden. Verschiedene statistische Methoden werden verwendet, um IBR zu beschreiben und zu illustrieren, wie z. B. Time-to-Collision, bivariate Boxplot und nichtparametrische Wahrscheinlichkeitsdichteschätzung. Aus dem Vergleich zwischen den Methoden wird ersichtlich, dass der bivariate Boxplot und das Konturdiagramm der bivariaten Kerndichteschätzung verwendet werden können, um die IBR darzustellen. Die Messwerte, die abnormale Verhaltensweisen repräsentieren, können auch mit den Methoden gekennzeichnet werden. Das Ergebnis dieser Arbeit bereichert das SOM-basierte Konzept für die Fahrer-überwachung und Fahrerassistenz unter Berücksichtigung und Einsätze der individualisierbaren Merkmale. Die IBR kann mithilfe statistischer Methoden für die Szenarien des Spurwechselmanövers dargestellt werden.