In der Praxis stellt sich oft die Frage nach der effektiven Speicherung von Informationen und dem Umgang mit unsicherem Wissen. Das Ziel der vorliegenden Arbeit ist eine methodische Einführung in das Gebiet der Datenverarbeitung, vor allem für Zuhörer:innen, der Lehrveranstaltung “Logik und diskrete Mathematik” zu geben. Es werden Aufbau, Eigenschaften, Umsetzung, theoretische Zusammenhänge und Hintergründe von Bayes-Netzen beschrieben. Es geht um die bedingte Unabhängigkeit von Zufallsvariablen und ihre Verbindung mit den Graphen, daher werden alle grundlegenden und notwendigen Konzepte aus der Wahrscheinlichkeits- und Graphentheorie berücksichtigt und wiederholt, so dass die Arbeit als eigenständiges Unterrichtsmaterial im Selbststudium verwendet werden kann. Generell basiert diese Ausarbeitung auf den Kurs “Logik und diskrete Mathematik” aus dem Wintersemester 2019/1020 und gibt einen Überblick über eine mögliche Einführung der probabilistischen Modelle an.