In dieser Arbeit wird gezeigt, wie mittels künstlicher neuronaler Netze (KNN) automatisierte Handhabungsprozesse hinsichtlich ihrer Genauigkeit kalibriert werden und damit ihre Montagezuverlässigkeit verbessert werden kann. Als Grundlage für Versuchsreihen zur Handhabung und Stapelbildung biegeschlaffer Brennstoffzellenkomponenten wird die Konzeption und der prototypische Aufbau einer roboterbasierten Stapelanlage vorgestellt. Neben Handhabungs- und Kalibrierversuchen mit KNN enthält die Arbeit einen Vergleich von elf Regressionsmethoden über fünf Datensätze für die Einordnung der Leistungsfähigkeit von KNN im dargestellten Anwendungsfall. Final werden die Erkenntnisse zum Einsatz der KNN zur Genauigkeitssteigerung in einem generalisierten Prozessablauf zusammengefasst und an einem Stapelprozess getestet.