Wenn man die Bewegung einer Menge von Objekten analysieren möchte, betrachten herkömmliche Verfahren häufig nur die geometrischen Muster der Bewegungen. Um aber die Bewegung eines Objektes wirklich zu verstehen, müssen wir auch die verschiedenen externen und internen Faktoren berücksichtigen, die diese beeinflusst haben könnten. Diese Informationen sind in sogenannten semantischen Trajektorien enthalten, allerdings wird die Analyse dieser Daten bislang nur sehr elementar durch Algorithmen unterstützt. Semantische Trajektorien bestehen aus Punkten, die, neben der Information über den geometrischen Ort, mit beliebig vielen Attributen jeder Art, die die Umgebung, aber auch die Eigenschaften des Objektes beschreiben können, annotiert sind. Solche Trajektorien werden zum Beispiel bei der Beobachtung von Tieren, Menschen oder bestimmten Wetterphänomenen aufgezeichnet. Durch die Analyse der semantischen Trajektorien erhoffen sich Domänenexperten tiefere Einblicke in komplexe Bewegungsmuster oder auch die Möglichkeit neue Zusammenhänge zwischen Trajektorien zu erkennen. In diesem Vortrag stellen wir unseren Ansatz für die Analyse semantischer Trajektorien vor. Mit diesem ist es uns möglich, die Einflüsse verschiedener Parameter auf die Bewegung zu erkennen und die gegebenen Trajektorien anhand ihrer semantischen Unterschiede zu klassifizieren. Dazu berechnen wir ein Modell einer Menge von Trajektorien, definieren ein semantisches Ähnlichkeitmaß und stellen Algorithmen vor, die das Modell nutzen, um Trajektorien zu clustern oder eine semantisch repräsentative Trajektorie eines Clusters zu berechnen. Wir stellen abschließend Anknüpfungspunkte für den Einsatz unserer Verfahren zur Verarbeitung annotierter Daten in den Bereichen "Mobility" oder "Economy" vor.