In dieser Diplomarbeit wird untersucht, wie stark der Zusammenhang zwischen einzelnen Codemetriken und der Fehleranzahl des Codes ist. Dabei wird der Code des Mozilla Projekts untersucht, der in C++ implementiert ist. Die Verteilung der Fehler über die Codedateien ist dabei von besonderem Interesse. Es wird untersucht inwieweit lineare Regressionsmodelle geeignet sind, um die Fehleranzahl präzise zu schätzen. Dabei werden zwei Modelltypen von linearen Regressionsmodellen miteinander verglichen: Univariate Modelle, die nur eine unabhängige Variable enthalten und multivariate Modelle, die meherere unabhängige Variablen enthalten. Mit der Hauptkomponentenanalyse (PCA) wird versucht, die den Metriken zugrunde liegenden Codeeigenschaften zu identifizieren. Hauptkriterium ist dabei die Stärke der Korrelation zwischen den Einzelmetriken. Schließlich wird ein Verfahren angewendet, um Codeentitäten bezüglich der geschätzten Fehlerwahrscheinlichkeit zu klassifizieren: Die binäre logistische Regression. Die Codeentitäten werden abhängig von der geschätzten Fehlerwahrscheinlichkeit als "`fehlerhaft"' oder "`nicht fehlerhaft"' klassifziert. Die Erfolgsrate der Klassifikation wird durch zuvor definierte Kriterien bewertet.