Nitrifikation ist die Oxidation von Ammonium zu Nitrit und weiter zu Nitrat. Es ist einer der wichtigsten Schritte im globalen Stickstoffkreislauf. Für lange Zeit glaubte man, dass für den ersten Schritt der Nitrifikation ausschließlich Ammoniak-oxidierende Bakterien (AOB) verantwortlich sind, jedoch wurden vor einigen Jahren die Ammoniak-oxidierenden Archaeen (AOA) entdeckt. Sie sind den AOB in bestimmten Umweltproben zahlenmäßig weit überlegen und darum besonders interessant für Nitrifikationsforscher. Bisher wurde die Ammoniummonooxygenase (Amo) als phylogenetischer Marker für die Identifizierung von AOA verwendet und zusätzlich Sonden-Hybridisierungen eingesetzt um diese Organismen in Umweltproben nachzuweisen. Durch die Anwendung dieser Techniken werden allerdings die Zellen zerstört bzw. chemisch stark verändert, was eine weitere genomische Analyse auf Einzelzellniveau sehr schwierig gestaltet. In dieser Diplomarbeit hatte ich die Raman Mikrospektroskopie verwendet, da sie mehr oder weniger zerstörungsfrei arbeitet und in kurzer Zeit eine Vielzahl an Makromolekülen einer Zelle identifizieren kann. Im Verlauf dieser Diplomarbeit wurde eine umfassende Referenzspektrenbibliothek angelegt welche aus Organismen diverser Phyla besteht. Diese Spektren wurden dann durch einen maschinellen Lernalgorithmus (Random Forest) analysiert und für AOA wichtige Bereiche wurden identifiziert. Die Ergebnisse haben gezeigt, dass es möglich ist die AOA basierend auf ihren Ramanspektren in einem Cluster zu vereinen, jedoch war es nicht möglich einen reinen AOA-Cluster zu erzeugen. Zusammenfassend kann man sagen, dass die erzielten Resultate das Potential der Raman Mikrospektroskopie aufzeigen, wenn es um eine schnelle, nicht destruktive Charakterisierung der chemischen Zusammensetzung von mikrobiellen Zellen geht – eine Eigenschaft die diese Technik vor allem in Kombination mit nachfolgender Zellsortierung attraktiv macht.