Unter Strukturaufklärung in der organischen Chemie versteht man das Aufdecken struktureller Eigenschaften organischer Moleküle. Die wichtigste Methodengattung ist die NMR-Spektroskopie. Sie kann dank moderner Methoden vom technischen Standpunkt her heutzutage als Routineaufgabe angesehen werden, jedoch entsteht durch die sehr leicht zu erlangenden sehr großen Datenmengen ein neuer Engpass im Bereich von deren Auswertung. Computerprogramme in diesem Bereich folgen in der Regel einem zweischrittigen Schema: Zunächst werden alle in Frage kommenden Strukturhypothesen generiert und jede einzelne anschließend anhand eines NMR-Spektrums validiert. Eine Verfeinerung stellt die zunehmende Verflechtung dieser beiden Schritte dar, darüber hinaus wird in der vorliegenden Arbeit der Ansatz verfolgt, durch Orientierung am menschlichen Vorgehen ein intelligentes Werkzeug, quasi einen virtuellen Laborassistenten, zu entwickeln. Den Schwerpunkt bildet dabei die explizite Einbringung von Expertenwissen, welches als kausales Modell repräsentiert wird. Die Realisierung erfolgt in Gestalt eines Bayes-Netzes. Zunächst wird dabei ein eingeschränktes, dennoch nicht triviales Szenario betrachtet, welches sich auf Benzolderivate bezieht. Verschiedene Adaptionen und entsprechende Evaluierungen zeigen, dass der Ansatz sehr erfolgversprechend ist, und liefern darüber hinaus wertvolle Erkenntnisse für einen Ausbau des Systems, insbesondere betreffend den Wegfall von Einschränkungen der betrachteten Verbindungsklassen.