Heutzutage sind schnelle, stabile und sichere Unternehmensnetze essentiell für den wirtschaftlichen Erfolg der meisten Unternehmen. Immer größer und komplexer werdende Unternehmensnetze erfordern jedoch auch den Einsatz umfangreicher Netzwerk-Monitoring Systeme, die die Netzwerkadministratoren bei der Betreuung, Überwachung und dem Management der Netze unterstützen. Viele Netzwerk-Monitoring Systeme arbeiten allerdings nicht mit fortgeschrittenen visuellen und automatisierten Mitteln um die enormen anfallenden Datenmengen im Netzwerk angemessen aufzubereiten und so für die Anwender/-innen analysierbar zu machen. In dieser Arbeit wird ein Lösungsansatz vorgestellt, der den Anwender/-innen die visuelle Analyse von Netzwerkdaten ermöglicht. Die Arbeit befasst sich dabei konkret mit der Forschungsfrage, wie Darstellungen von aggregierten Zeitreihen ergänzt werden können, damit zeitabhängige multivariate Netzwerkdaten vollständig dargestellt und hinsichtlich Anomalien untersucht werden können. Für diesen Zweck wurde ein interaktiver, webbasierter Ansatz mit koordinierten Ansichten für die visuelle Analyse von Netzwerkdaten konzipiert und in Form eines Softwareprototypen umgesetzt. Dieser stellt den zeitlichen Bezug der Netzwerkdaten in den Fokus der Analyse und schafft durch mehrere hierarchisch organisierte Ansichten der Netzwerkdaten ein mentales Modell des Datenflusses. Zudem können interaktive Filter auf die Daten angewendet werden, die durch Selektion der Daten direkt in den Ansichten realisierbar sind. Aus den Ergebnissen der Evaluation ging hervor, dass das Konzept den meisten in dieser Arbeit definierten konzeptionellen Anforderungen entspricht und speziell für das Erkennen und Klassifizieren auffälliger Verkehrsvolumina gut geeignet ist. Die Skalierbarkeit des erarbeiteten Lösungsansatzes ist dabei vielversprechend, sodass das Konzept auch für größere Datenmengen geeignet erscheint und Erweiterungen des Ansatzes auf weitere Gebiete des Netzwerkmanagements, wie die Netzwerksicherheit, aussichtsreich erscheinen.