Automatisiertes Fahren in urbaner Umgebung ist eines der großen Zukunftsthemen. Der Wahrnehmung des Fahrzeug-Umfelds kommt dabei eine Schlüsselrolle zu. Diese Arbeit beschreibt die Konzeption, Realisierung und anschließende Bewertung eines Systems zur Umfeldwahrnehmung unter Nutzung eines hochauflösenden Lasersensors. Dessen dichte Punktwolke ist in der Lage, das Umfeld detailliert zu erfassen, stellt jedoch zugleich hohe Anforderungen an die Effizienz der Algorithmen für einen Einsatz unter Echtzeitbedingungen. Ausgehend von einer effizienten Datenindizierung werden Algorithmen zur schrittweisen Abstraktion und Klassifikation der Punktdaten erläutert, beispielsweise zur Klassifikation der Bodenoberfläche, zur Segmentierung und zur Beweglichkeitsklassifikation. Die Ergebnisse dieses Prozesses bilden die Eingangsdaten für die Repräsentation des Umfelds durch ein hybrides Umfeldmodell. Ein gitterbasierter Ansatz beschreibt hierbei stationäre Anteile in Form einer semantischen Karte. Bewegliche Verkehrsteilnehmer werden durch einen objektbasierten Ansatz auf Grundlage rekursiver Schätzverfahren und unter spezieller Berücksichtigung von Verdeckungen modelliert. Eine abschließende szenarienbasierte Evaluation zeigt die Leistungsfähigkeit des Systems im Rahmen der vorgegebenen Anwendungsszenarien für innerstädtisches automatisiertes Fahren.