Die automatisierte Informationsauswertung gewinnt in industriellen Anwendungen zunehmend an Bedeutung. Eine der größten Herausforderungen in diesem Zusammenhang ist der angemessene Umgang mit der Unvollständigkeit sowohl der Beobachtungen über die Welt als auch des Domänenmodells, das diese formalisiert. In dieser Dissertation wird ein neuartiger Ansatz namens "Relaxed Abduction" vorgeschlagen, der in der Lage ist, vernünftige Interpretationen zu liefern, selbst wenn es nicht möglich oder extrem komplex wäre, alle Beobachtungen zu erklären. Der Ansatz basiert auf der Idee, Erklärungskraft und Konsistenz einer Interpretation bikriteriell zu behandeln, anstatt sie auf einer eindimensionalen Skala abzubilden. Ausgehend von einer Formalisierung des vorgeschlagenen Ansatzes untersucht die Arbeit konkrete Instanziierungen und deren Eigenschaften (insbesondere Laufzeitkomplexität) und schlägt eine Erweiterung vor, die es erlaubt, eingehende Änderungen in den zugrunde liegenden Daten inkrementell zu behandeln. Es werden zwei Algorithmen zur Lösung von entspannten Abduktionsproblemen vorgeschlagen (ein generischer und ein EL-spezifischer) und in einem realen Anwendungsfall evaluiert, wodurch die theoretischen Ergebnisse in der Praxis bestätigt werden. Um die Lücke zwischen akademischer Forschung und industrieller Anwendung zu schließen, wird in der Dissertation eine Methodik zur Strukturierung von Diagnoseproblemen gemäß ISO 13379 vorgeschlagen und mit Hilfe verschiedener Wissensbasen der Beschreibungslogik ausgedrückt. Die Ergebnisse der Dissertation zeigen, dass der vorgeschlagene, flexible Begriff der Abduktion tatsächlich neuartig und für die Industrie relevant ist und eine praktische Anwendung ermöglicht. Zukünftige Schritte, die erforderlich sind, um entspannte Abduktion in die Anwendung zu bringen, werden identifiziert.