Die Europäische Union strebt eine Kreislaufwirtschaft an. Dafür sind effektive und effiziente Behandlungsprozesse für das Recycling und die thermische Nutzung von Abfällen nötig, von welchen gemischte Gewerbeabfälle einen relevanten Anteil darstellen. Sie werden üblicherweise zunächst mechanisch behandelt. Vorzerkleinerer übernehmen dabei den ersten Prozessschritt – Zerkleinerung und Aufschluss – und fungieren zugleich als primäre Dosiereinrichtung. Trotz ihrer Bedeutung für die Abfallbehandlung ist bisher nur wenig über den Einfluss der Vorzerkleinerer-Parametrierung auf deren Prozessverhalten bekannt. Diesen Einfluss zu kennen ist aber essenziell für die Verbesserung der mechanischen Abfallbehandlung und für intelligente Industrie 4.0-Echtzeitregelungen. Physikalische, numerische Modelle sind kaum geeignet, um das Verhalten dieser Maschinen im Industriemaßstab zu verstehen, da sie zu detaillierte Informationen über das sich ständig ändernde Inputmaterial, den Abfall, erfordern. Daher werden in dieser Arbeit empirische Modellierungsansätze verfolgt. Vorbereitend wurden zunächst ein Probenahme-Prozedere, basierend auf der Theorie der Probenahme erarbeitet und verbleibende Probenahmeeinflüsse experimentell quantifiziert. In weiterer Folge wurde ein Vorzerkleinerungsexperiment mit gemischten Gewerbeabfällen, mit 32 Durchläufen, basierend auf einem vollständig randomisierten D optimalen Versuchsplan durchgeführt. Damit wurden die Einflüsse des radialen Schnittspalts, der Rotordrehzahl und der Zerkleinerungsgeometrie auf das Durchsatzverhalten, den Energiebedarf und auf die erzeugte Korngrößenverteilung untersucht. Unter Anwendung (multivariater) multipler linearer Regression konnten aus den Daten signifikante Modelle abgeleitet werden. Dafür wurde die Korngrößenverteilung durch isometrische Logarithmenverhältnisse der Massenanteile dreier Kornklassen (>80 mm, 30–80 mm, 0–30 mm) beschrieben. Die Modelle zeigen signifikante Einflüsse aller drei untersuchter Faktoren auf das Durchsatzverhalten und den Energiebedarf, wohingegen die Korngrößenverteilung nur von der Zerkleinerungsgeometrie signifikant verändert wurde. Basierend auf den Modellen konnten Schlussfolgerungen bezüglich des optimierten Betriebs von Vorzerkleinerern gezogen werden, welche der gängigen Parametrierung widersprechen. Abschließend wurden Untersuchungen zur sensorgestützten Echtzeitmessung von Korngrößenverteilungen durchgeführt. Dabei stellt sich eine Partial Least Squares Regression (partielle kleinste Fehlerquadrate Regression), angewandt auf geometrische Deskriptoren der Partikel, welche aus zweidimensionalen RGB-Bildern gewonnen wurden, als vielversprechender Ansatz heraus.