In der vorliegenden Arbeit wird das Mittelwert-Varianz-Modell nach Markowitz bei der Portfoliooptimierung in zwei Richtungen erweitert: den bayesschen Ansatz mit Bayes-Stein-Schätzer und den Multi-Prior-Ansatz. Im ersten Teil wird durch den bayeschen Ansatz hinsichtlich des Bayes-Stein-Schätzers eine Apriori-Information mit der Stichproben-Information kombiniert. Dadurch reduziert das optimale Porfoliogewicht vom Mittelwert-Varianz-Portfolio zum Minimum-Varianz-Portfolio. Im zweiten Teil wird ein Intervallschätzverfahren in den Multi-Prior-Ansatz verwendet. Dabei werden die Vorteile dieses Modells gezeigt: 1) Wie beim bayeschen Ansatz ist der Multi-Prior-Ansatz auch in der Entscheidungstheorie fest verankert.2) Dieser Ansatz bietet dem Investor mehr Flexibilität, z.B. bei der Ermittlung des Schätzwerts des Parameters so wie Mitberücksichtigung seiner persönliche Risikoaversion mittels des Konfidenzniveaus. Der inhaltliche Zusammenhang zwischen beiden Ansätzen wird in Kap.4 illustriert. Die Ergebnisse der empirischen Studien untermauern die Meinung, dass die Zulassung der Parameterunsicherheit die? out-of-sample-Performance verbessert.