Jährlich erkranken über 2 Mrd. Menschen an verdorbenen Lebensmitteln. Aus dem Infektionsepidemiologischen Jahrbuch meldepflichtiger Krankheiten des RKI geht hervor, dass dabei vor allem mikrobielle Kontaminationen, wie Salmonella oder Escherichia coli, in Fleisch, Ei, Milch und deren Produkten, Ursache zahlreicher Ausbrüche sind. Um Lebensmittel für die Bevölkerung sicherer zu machen, müssen Detektionsverfahren nicht nur sensitiv und spezifisch sein, sondern auch kostengünstig und möglichst vor Ort schnell und effektiv Ergebnisse liefern.In der vorliegenden Dissertation wurde eine Methodik erforscht, mithilfe derer sich in wenigen Stunden Lebensmittel, wie Fleisch und Milch, auf eine mögliche Kontamination mit pathogenen Keimen überprüfen lassen. Dabei fußt die Detektion auf der Raman-Mikrospektroskopie, welche die Analyse einzelner Bakterien erlaubt, wodurch eine zeitaufwendige Vorkultivierung obsolet wird. Um jedoch einzelne Mikroben anhand ihres spektralen Fingerabdrucks zu identifizieren, muss ein geeigneter Weg gefunden werden, um für Realproben stabile Raman-Datenbanken zu erstellen. Neben der Untersuchung von zwei verschiedenen Extraktionsmethoden, einer Savinase-basierten Milchverdauung und der Percoll-Dichtegradientenzentrifugation, hinsichtlich ihrer Raman-Kompatibilität, wurden verschiedene Raman-Datenbanken erstellt, um u.a. Brucella spp. aus Milch von den genetisch nah-verwandten Ochrobactrum und Yersinia enterocolitica zu differenzieren, aber auch um pathogene Mikroben in Fleisch aufzuspüren. Die bis dato erfassten „Proof-of-principle“-Konzepte implizieren, dass eine Raman-Mikrospektroskopische Identi¬fizierung von Lebensmittelkeimen dann gewährleistet ist, wenn neben einem geeigneten Isolierungs- und Inaktivierungsprotokoll, Referenzspektren der zu analysierenden, taxonomisch ähnlichen Spezies und geeignete Klassifizierungsalgorithmen in einer zu¬grunde liegenden Datenbank berücksichtigt werden.