Im Laufe der Jahrmillionen hat die Evolution durch einige einfache Mechanismen wie Mutation, Selektion oder auch Vererbung eine erstaunliche Artenvielfalt hervorgebracht. Diese Prinzipien können auch beim computergestützten Entwurf von Proteinen und/oder Proteinsequenzen mit gewünschten Eigenschaften, wie z.B. Stabilität oder Funktionalität einer Proteinstruktur, angewandt werden. Da jedoch der mögliche Konformations- und Sequenzraum für bereits kleine Proteine immens groß wird, werden hier vereinfachte Gitterproteinmodelle verwendet. Im ersten Teil der Promotionsarbeit werden evolutionäre Algorithmen, im Besonderen S Metric Selection - Evolutionary Multi-objective Optimisation Algorithm (SMS-EMOA), implementiert und angewandt um möglichst optimale evolutionäre Parameter zu identifizieren, z.B. Populationsgröße oder Mutationsrate. Interessanterweise spielt die richtige Auswahl der evolutionären Parameter eine entscheidende Rolle bezüglich der Effizienz der Algorithmen. Im zweiten Teil der Arbeit wird die Evolution von Proteinen beobachtet und analysiert. Ein besonderes Augenmerk wird dabei auf Positionen gelegt, die nicht konserviert sind. Gleichwohl können diese mit kompensatorischen Mutationen an anderen Stellen im Protein strukturell wichtige Funktionen einnehmen. Hierbei werden verschiedene Koevolutionsmethoden, wie z.B. die Mutual Information (MI) oder die Direct Coupling Analysis (DCA), weiterentwickelt und verglichen. Anschließend wird die DCA-Methode mit einer neu verbesserten Gewichtung angewandt um koevolvierende Positionen im Humanen Immundefizienz-Virus (HIV) Hüllprotein-Komplex (Env) vorherzusagen. Bemerkenswerterweise wurden dabei sowohl bereits in der Literatur beschriebene als auch noch unbekannte Positionen identifiziert, die eine entscheidende Rolle im Eintritt des Viruses in die humane Wirtszelle spielen können. Schließlich wurden die koevolvierenden Positionen bei der Erstellung eines Homologiemodells des Protein-Komplexes verwendet.