Das Forschungsgebiet der induktiven Programmsynthese liegt im Schnittbereich von maschinellem Lernen und wissensbasierter Softwareentwicklung. Ziel ist es, rekursive Programme aus unvollständigen Spezifikationen - wie Ein-/Ausgabebeispiele oder Berechnungsspuren - zu induzieren. Meine Arbeit ist eine Erweiterung des klassischen Ansatzes der Rekurrenz-Entdeckung in endlichen Termen. Die inferierbaren Programme genügen einem mächtigeren Programmschema als dem ursprünglich von Summers vorgeschlagenen: Statt einer einzelnen linear-rekursiven Funktion können Mengen von rekursiven Funktionen induziert werden, die von ihrer syntaktischen Struktur her end-, linear, oder baumrekursiv sein können. Die Anzahl der formalen Parameter einer Funktion ist nicht mehr auf eins begrenzt und Abhängigkeiten zwischen Parametern bei der Substitution können erkannt werden. Der Ansatz ist zudem für beliebige Termalgebren formuliert und damit nicht mehr auf Lisp als Zielsprache eingeschränkt. Ich habe diesen Ansatz mit einem Verfahren zur KI-Planung kombiniert und konnte zeigen, dass (1) Berechnungsspuren durch Planung generiert werden können und dass (2) induzierte rekursive Programme als domain-spezifisches Kontrollwissen für Planer eingesetzt werden können.