Kunstliche neuronale Netze werden seit einigen Jahren auch in den Wirtschaftswissenschaften eingesetzt. Sie werden vorwiegend als Instrumente zur Klassifikation und Prognose verwendet. In dieser Arbeit werden die vorwartsgekoppelten sigmoiden Netze und radialen Basisfunktionsnetze aus der Sicht der Statistik betrachtet. Diese Netze sind dazu geeignet, nichtlineare Funktionen beliebig genau zu approximieren. Bei naherer Betrachtung weisen sie zudem eine enge Verwandtschaft zu bekannten statistischen Modellen auf. Damit koennen auch statistische Hypothesentests herangezogen werden, um die Suche nach "guten" Netzen systematisch zu gestalten. Ausserdem werden Moeglichkeiten einer Interpretation der Parameter in solchen Netzen behandelt.