Die Analyse von Videos bildet in vielen Bereichen einen wichtigen Aspekt, wie zum Beispiel beim Sport. Jedoch ist dies eine sehr zeitaufwendige Aufgabe. Sie fordert den Analysten ab, sich viele Szenen zu merken. Zudem hängt die Analysezeit von der Videolänge ab, wodurch lange Videos die Aufgabe erschweren. Mehrere Videos gleichzeitig zu analysieren, indem sie zeitgleich abgespielt werden, ist bei komplexeren Analyseaufgaben, um die es in dieser Arbeit geht, nicht möglich. Durch neue Erkenntnisse im Bereich Visual Analytics lässt sich der manuelle Aufwand, Videos zu analysieren, reduzieren. In der vorliegenden Arbeit wird ein vom Verfasser entwickeltes Visual Analytics Tool vorgestellt, welches den Experten von einer Automobilfirma beim Analysieren von Fahrtvideos hilft. In den Fahrtvideos werden Objekte von einem Augmented Reality System erzeugt, das die Fahrzeugnutzer beim Navigieren unterstützen soll. Ziel des entwickelten Programms ist es, die Experten dabei zu unterstützen, Fehler des Augmented Reality Systems, die sich auf das aufgenommene Video auswirken, schneller zu finden. Dabei handelt es sich beispielsweise um falsche Positionen von augmentierten Objekten, die einen Nutzer dazu veranlassen falsch abzubiegen. Das Programm kombiniert Machine Learning Ansätze mit interaktiven Datenanalyseverfahren, um die Videos zügig nach Daten von Interesse untersuchen zu können. Die Experten können Querys erstellen und speichern. Mit diesen können sie kritische Stellen in Videos auf Anhieb finden und rasch überprüfen, ob dort Fehler vorhanden sind. Zusätzlich lassen sich mehrere Videos gleichzeitig analysieren. Das Ergebnis der Arbeit zeigt, dass das entwickelte Programm die Analysezeit der Experten deutlich reduziert. Zudem wird gezeigt, dass das Programm sehr flexibel genutzt und auch auf andere Arten von Videos und Daten angewandt werden kann.