Die Bioinformatik wird heutzutage immer beliebter, da sie medizinische Probleme mit dem technischen Gebiet der Informationstechnologie verbindet, um medizinische Strungen im menschlichen Krper zu identifizieren oder zu erkennen. Dieser Bereich ist sowohl fr Mediziner als auch fr Softwareentwickler von gro em Nutzen. Um Hirnleistungsstrungen wie Epilepsie und Parasomnien bei Patienten zu erkennen, werden EEG-Daten aus der Physionet-Datenquelle abgerufen, wo zahlreiche Datenstze fr Forscher verfgbar sind. Die Analyse dieses Datensatzes erfolgt mit polyman, das als Plotting-Bibliotheken und Transformationswerkzeug fr die Umwandlung des EDF-Datenformats in das ASCII-Datenformat verwendet wird. Das Tool hilft auch bei der Identifizierung der verschiedenen Parameter, die fr Vorhersagen im Zusammenhang mit Hirnleistungsstrungen ntzlich sind. In dieser Arbeit wurde ein verbesserter Algorithmus Support Vector Regression (SVR) entwickelt und mit Hilfe der fortschrittlichen Programmiersprache Python implementiert und mit dem klassischen Support Vector Machine (SVM) Algorithmus verglichen. Die Ergebnisse zeigen, dass SVR sowohl in Bezug auf die Komplexitt als auch die Ausfhrungszeit besser abschneidet als SVM.