Blüten von Cyanobakterien scheinen weltweit in den letzten Jahren zuzunehmen. Da viele Cyanobakterien in der Lage sind für Menschen und Tiere toxische Sekundärmetabolite zu produzieren, stellen sie eine Gesundheitsgefährdung dar. Unter diesen sogenannten Cyanotoxinen gehören Microcystine (MC) zu den am häufigsten vorkommenden. Nach der Aufnahme über kontaminiertes Trinkwasser oder Nahrungsmittel, werden MC über OATP (organic anion transporting polypeptides) in die Zielzellen transportiert, wo sie kovalent und irreversibel Serin-/Threonine-Proteinphosphatasen (PPP) inhibieren. Aufgrund variabler Positionen in der zyklischen Peptidstruktur und verschiedenen (De)Methylierungsstellen, sind derzeit über 200 Kongenere bekannt. Dies erschwert eine adäquate Risikoabschätzung für MC, weswegen die aktuellen Richtlinien der Weltgesundheitsorganisation nur als „vorläufig“ angesehen werden, da zusätzliche Daten fehlen. Die vorliegende Arbeit beschäftigt sich mit verschiedenen Aspekten, welche für eine kongenerspezifische Risikoabschätzung von MC notwendig sind. Zunächst wurde die Handhabung von MC-haltigen Lösungen weiter verbessert, indem „sichere Konzentrationen“ von Lösungsmitteln bestimmt wurden, bei denen keine Adsorption an Labormaterialien wie Plastik- und Glasoberflächen unter sauren und nichtsauren Bedingungen stattfindet. Generell sollten mindestens 40% Methanol verwendet werden, unabhängig von Ansäuerung, Oberflächenmaterial oder untersuchtem Kongener. Zweitens wurde die Extraktion von MC aus komplexen Matrizen, wie zum Beispiel Blut oder Lebergewebe verbessert. Hier wurde eine dreistufige Extraktionsmethode verwendet, welche Proteinfällung mit Methanol, flüssig-flüssig Extraktion mit Hexan und Festphasenextraktion verwendet. Darüber hinaus wurde eine UPLC-MS/MS-Methode entwickelt, welche synthetische, isotop-markierte interne Standards (D5-MC-LF und D7-MC-LR) für die gleichzeitige Analyse von 14 MC-Kongeneren verwendet. Außerdem wurde die inhibitorische Wirkung von 18 MC-Kongeneren auf drei Mitglieder der PPP-Familie – PPP1, PPP2A und PPP5 – bestimmt. Dies zeigte Unterschiede in der Toxikodynamik einzelner MC-Kongenere. Dieser Datensatz wurde daraufhin verwendet, um einen Algorithmus für maschinelles Lernen zu trainieren, welcher in der Lage ist, die Toxizität von MC-Kongeren basierend auf deren 2D-Struktur, vorherzusagen. Zusammengenommen können die, in dieser Arbeit entwickelten, Werkzeuge dazu benutzt werden, die individuelle Toxizität einer MC enthaltenden Probe zu bestimmen. Dies wird durch den Nachweis einzelner Kongenere aus komplexen Matrizen ermöglicht. Die so gewonnenen Daten können daraufhin entweder dafür benutzt werden, um die Toxizität der anwesenden Kongenere in einer Datenbank abzurufen, oder deren Toxizität mit Hilfe des präsentierten Algorithmus vorhergesagt werde. Obwohl die vorliegende Arbeit einen ersten Schritt in Richtung einer kongenerspezifischen Risikoabschätzung für MC darstellt, sind dennoch weitere Hürden zu überwinden. Erstens kann der proteingebundene MC-Anteil einer Probe mit der vorliegenden Methode nicht analysiert werden. Um dies zu gewährleisten, könnte die vorgestellte Extraktionsmethode um einen Schritt zur Dekonjugation gebundener MC erweitert werden. Zweitens stellt der gezeigte Datensatz zur PPP-Inhibition nur den toxikodynamischen Anteil der beobachteten Toxizität dar. Organverteilung, zelluläre Aufnahme und insbesondere zellulärer Export werden weiterhin erforscht und spielen eine wichtige Rolle für die Risikoabschätzung eines Stoffes.