Totholz spielt eine entscheidende Rolle in Waldökosystemen, da es die Biodiversität fördert, den Nährstoffkreislauf unterstützt und Kohlenstoff speichert. Trotz seiner Bedeutung bleibt die automatisierte Erkennung und Messung von Totholz eine Herausforderung, insbesondere in naturbelassenen Wäldern mit dichter Vegetation und überlappenden Stämmen. In dieser Arbeit werden vier Methoden zur Erfassung von Totholz im Naturwaldreservat Rohrach verglichen: manuelle Feldmessungen, "Line Interset" Methode, eine bereits entwickelte UAV-basierte Laserscanning-Methode (ULS) und ein neu entwickelter Algorithmus für terrestrisches Laserscanning (TLS). Der TLS-Ansatz nutzt hochauflösende Punktwolken, um liegendes Totholz zu detektieren. Dabei werden potenzielle Stämme anhand geometrischer Merkmale wie Linearität, Oberflächenorientierung und räumlicher Kontinuität identifiziert. Anschließend werden Polynomfunktionen genutzt, um Durchmesser, Länge und Volumen der Segmente zu berechnen. Drei Probeflächen mit einem Radius von 12 Metern wurden untersucht, um die Methoden unter unterschiedlichen Waldbedingungen zu evaluieren. Die ULS-Methode erwies sich als effizient für großflächige Kartierungen, war jedoch weniger effektiv bei der Erkennung kleinerer oder verdeckter Stämme. Der TLS-Ansatz lieferte detailliertere Messungen, hatte jedoch Schwierigkeiten in Gebieten mit sehr dichtem Unterwuchs und überlappenden Strukturen. Manuelle Messungen, obwohl präzise, waren zeitaufwändig und für größere Flächen weniger praktikabel. Die Ergebnisse zeigen, dass jede Methode ihre eigenen Stärken und Schwächen hat. Eine Kombination von ULS- und TLS-Daten könnte eine umfassendere Lösung bieten, indem ULS für großflächige Erfassungen und TLS für detaillierte Analysen genutzt wird. Diese Arbeit leistet einen Beitrag zur Weiterentwicklung von Methoden zur Totholzerkennung und liefert wertvolle Einblicke für das Monitoring von Biodiversität und das Waldmanagement.