Als Folge des Klimawandels nehmen extreme Wetterereignisse zu. Die räumlich hoch aufgelöste Erfassung des Niederschlags wird daher immer wichtiger, um vor Starkregen und Hochwasser zu warnen und das Wassermanagement in Trockenperioden zu verbessern. Für den Aufbau eines dichten Messnetzes werden Sensoren benötigt, die echtzeitfähig, präzise, wartungsarm und kostengünstig sind. Ein vielversprechender Ansatz sind Sensoren, die auf dem Aufprallprinzip basieren. Bei diesem Sensortyp werden die auf eine Platte auftreffenden Tropfen detektiert und anschließend jedem Tropfen eine Größe zugeordnet. Aus der Anzahl und Größe der Tropfen kann die Niederschlagsmenge bestimmt werden. Im Vergleich zu Präzisionsmessgeräten sind diese Sensoren jedoch sehr ungenau und empfindlich gegenüber Umwelteinflüssen. Um dies zu verbessern, wurde ein induktiver Niederschlagssensor entwickelt, der auf dem Wirbelstromprinzip basiert. Dabei wird die Resonanzfrequenz einer Spule ausgewertet, die sich beim Auftreffen eines Tropfens auf die Platte ändert. Mit Hilfe der durchgeführten Untersuchungen konnte ein Algorithmus entwickelt werden, der Tropfen anhand eines charakteristischen Signals erkennt und gleichzeitig Störungen unterdrückt. Damit konnte eine Tropfenerkennungsrate von 89,25 % erreicht werden. Um die Tropfen einer Größenklasse zuzuordnen, wurden zwei Methoden verglichen. Die Ergebnisse zeigen, dass die Methode, bei der die Tropfen anhand der Höhe der ausgelösten Frequenzänderung klassifiziert werden, eine höhere Genauigkeit aufweist als die statistische Methode. Nach einer Korrektur der Messdaten, basierend auf den Erkenntnissen der vorangegangenen Untersuchungen, konnte die absolute Abweichung des induktiven Niederschlagssensors zu einem Präzisionssensor auf 5,96 % reduziert und eine Endwertabweichung von nur 0,85 % erreicht werden.