Laserscans werden immer häufiger verwendet, 3D-Umgebungsinformationen von sowohl Indoor- als auch Outdoor-Szenen zu erfassen, die dann zur Rekonstruktion von Modellen oder der Pfadplanung mobiler Roboter eingesetzt werden. Zudem ist ein Vergleich zwischen bestehenden Modellen und den erfassten Daten möglich, um beispielsweise konstruierte Objekte auf Fehler zu untersuchen. Dabei sind jedoch Verschattungen und dadurch unvollständige Datensätze ein häufiges Problem. Dieses Papier beschreibt und evaluiert verschiedene Methoden, um zu einer gegebenen, unvollständigen 3D-Szene eine optimale Menge von zusätzlichen Scanposen zu erzeugen, die zur gewünschten Abdeckung der Szene führen. Zur Erzeugung von Posekandidaten wird ein randomisiertes Verfahren mit einem Ansatz verglichen, der Cluster in den noch nicht abgedeckten Gebieten extrahiert und mittels zweier Heuristiken Posen relativ zu diesen Clustern setzt, um aktiv gute Kandidaten zu erzeugen. Die Güte der genierten Scanposen wird durch eine Laufzeit-optimierte invertierte Strahlverfolgung bestimmt. Zum Treffen einer optimalen Auswahl aus der Kandidatenmenge werden ein Greedy-Ansatz, die Formulierung des Problems als ganzzahliges lineares Programm (ILP) sowie die approximative Lösung dieses verglichen. Weiterhin werden von dem System Nebenbedingungen in Form von Restriktionen der Scanner-Hardware wie vertikaler/horizontaler Öffnungswinkel sowie minimale/maximale Höhen der Posekandidaten berücksichtigt, wodurch die Auswertung an die jeweilige Situation angepasst werden kann.