Inertiale Messsysteme werden in einer Vielzahl von Anwendungen verwendet. Besonders fur den Einsatz im Bereich der Navigation ist es erforderlich, die Systeme exakt zu kalibrieren, da ansonsten die mehrfache Integration von Beschleunigungen und Drehraten schnell von den wahren Positionen und Drehraten divergiert. Daher werden in vielen Anwendungen zusatzliche Messungen wie beispielsweise Positionen, die uber das Global Positioning System erhalten werden konnen, zur Stutzung der Navigationsrechnung verwendet. Haufig wird in Navigationssystemen das erweiterte Kalmanfilter eingesetzt um die Zustande Position, Geschwindigkeit und Orientierung des Systems zu schatzen. Zudem wird es oft verwendet um langsam veranderliche Nullpunktfehler der Sensoren zu bestimmen. Somit wird ein Teil der Kalibrierung des Messsystems bereits mit Hilfe dieser Filter vorgenommen. In dieser Arbeit wird nun eine neue, genauere Variante des Kalmanfilters, ein sogenanntes Sigmapunkt-Kalmanfilter, verwendet um ein Inertialmesssystem zu kalibrieren. Dazu bewegt ein Industrieroboter das Messsystem entlang von Referenztrajektorien. Die aus der Robotersteuerung bekannten Posen dienen dem Navigationssystem als Stutzinformationen, mit deren Hilfe die Zustande und Parameter des Systems gleichzeitig geschatzt werden konnen. Zwei verschiedene Ansatze werden entwickelt: ein Standardfilter, das zur Online-Kalibrierung eingesetzt werden kann, und ein schnelleres aber nicht onlinefahiges iteratives Verfahren. Zudem wird ein Filter vorgestellt, das die Schatzung fur Systeme mit nicht perfekt synchronisierten Ein- und Ausgangsdaten ermoglicht. Eine Kalmanfiltervariante sowie eine Sigmapunktvariante werden mit zwei Approximationen verglichen. Diese Filter schatzen zusatzlich zu den Systemzustanden auch die Latenzzeit zwischen den Ein- und Ausgangsdaten des Systems und synchronisieren somit das System algorithmisch. Es wird gezeigt, dass bei Verwendung dieser Synchronisationsfilter die Genauigkeiten von Zustands- und Latenzzeitschatzung erheblich verbessert werden konnen.