Das menschliche Wohlbefinden wird von vielen verschiedenen Faktoren positiv und negativ beeinflusst. Durch die fortschreitende Verbreitung von ubiquitären Systemen, die mit Technologien des Internet of Things (IoT) und Mobile Computings umgesetzt werden können, werden zunehmend vernetzte Geräte mit einer Vielzahl an Sensoren und Aktuatoren in die Umgebung integriert oder von Personen getragen. Diese Technologien besitzen daher das Potenzial, automatisch oder durch Einbeziehung des Nutzers, relevante Faktoren für das Wohlbefinden zu erfassen, zu verarbeiten sowie die Ergebnisse in verschiedenartiger Form, die für den jeweiligen Nutzer möglichst gut verständlich sein soll, auszugeben. Das Ziel dieser Arbeit ist, Möglichkeiten der Nutzung von Technologien aus dem IoT- und Mobile-Computing-Bereich zur Verbesserung des menschlichen Wohlbefindens zu identifizieren, geeignete Verfahren sowie alltagstaugliche Assistenz-, Informations- und Empfehlungssysteme zu entwickeln und zu untersuchen. Um dieses Ziel zu erreichen, wurde ein pragmatisches Wohlbefindensmodell entwickelt, das die fünf Kategorien emotional, mental, sozial, umgebungsbezogen und physisch beinhaltet. Für jede Kategorie werden zunächst maßgebliche Wohlbefindensfaktoren identifiziert, die auf aktueller wissenschaftlicher Literatur aus verschiedenen Disziplinen basieren, und von IT-Systemen erfasst werden können. Die Erfassung einer Auswahl dieser Faktoren wird in Untersuchungen umfassender behandelt, wobei spezielle Arten unaufdringlicher Sensorik, wie Gassensoren und drucksensitive Matten eingesetzt und Lösungen zur Echtzeitsignalverarbeitung unter Verwendung verschiedener Verfahren des maschinellen Lernens, wie z.B. tiefen neuronalen Netzen und Transferlernen, vorgestellt werden. Um das emotionale, mentale und soziale Wohlbefinden von Nutzern zu verbessern, wurde das PiHeart-System entwickelt. Es handelt sich hierbei um ein Biofeedback-System, das den eigenen Herzschlag bzw. den einer anderen Person mittels eines Tangible-Displays spürbar macht. Des Weiteren wurden zur Verbesserung des umgebungsbezogenen Wohlbefindens zwei Informationssysteme entwickelt, die ambientes Licht zur unaufdringlichen Systemausgabe nutzen. Eines der Systeme ermöglicht einen Überblick über den Öffnungszustand von sicherheitskritischen Fenstern und Türen in der Wohnung, das andere dient der Bewertung der Raumluftqualität. Um das physische Wohlbefinden von Anwendern zu verbessern, wurde das Drink-O-Mender-System entwickelt, bei dem ein sozialer Roboter Empfehlungen bezüglich gesunder Getränke gibt. Des Weiteren wird ein deutschsprachiger Sprachassistent präsentiert, der Fragen hinsichtlich Nährwertinformationen von Lebensmitteln beantworten kann. Abschließend wird das CARE-System, ein kontextsensitives Lifestyle-Empfehlungssystem für Senioren, vorgestellt. Es beinhaltet alle Kategorien des Wohlbefindensmodells. Die für einen Nutzer aktuell geeignetsten Empfehlungen werden, basierend auf Daten von in der Wohnumgebung integrierten Sensorik, ausgewählt. Zur Validierung wurden mehrere Hardware- und Software-Prototypen entwickelt und mit verschiedenen Nutzergruppen, nicht nur unter Laborbedingungen, sondern auch im Alltag getestet. Um eine nachhaltige Nutzerakzeptanz zu gewährleisten, wurde bei der Entwicklung der Systeme auf eine hohe Usability geachtet, wobei u.a. Daten der Systemnutzung sowie Feedback aus semistrukturierten Interviews und Workshops mit potenziellen Anwendern der Zielgruppen beim Entwicklungsprozess berücksichtigt wurden. Des Weiteren wurde der Schutz der Privatsphäre bei den Systemen gewährleistet, indem Verfahren zur lokalen Datenverarbeitung auf Nutzergeräten, z.B. der Einsatz von Transferlernen mit tiefen neuronalen Netzen auf Mobilgeräten, untersucht und angewandt wurden. Besonderes Augenmerk wurde in dieser Arbeit auf die Frage gelegt, wie sich Technologien aus dem IoT- und Mobile-Computing-Bereich zur Verbesserung des Wohlbefindens von Nutzern reibungslos in ihren Alltag integrieren lassen. Hierzu wurden verschiedene Interaktionstechniken implementiert, die im Aufmerksamkeitshintergrund der Nutzer stattfinden und sie somit nicht bei ihren täglichen Aktivitäten stören.