Um Studierende bereits vor der Verfestigung von Problemlagen im Studienverlauf und somit weit vor einem potenziellen Studienabbruch unterstützen zu können, sind an einigen deutschen Hochschulen Frühwarnsysteme eingeführt worden. Dabei unterscheiden sich die Warnsysteme in der Art und Weise, wie sie konzipiert sind und wie sie die Studierenden erkennen, die möglichweise einen problematischen Studienverlauf haben könnten. Für den vorliegenden Beitrag dient das Frühwarnsystem der Technischen Universität Dresden als Beispiel dafür, wie durch Variation von Identifizierungsregeln eine Verbesserung der Erkennung problematischer Studienverläufe erfolgen kann. Es wird dargestellt, wie ein Weiterentwicklungsprozess eines aus der Praxis entstandenen Systems erfolgen kann und welche Daten dafür zur Verfügung stehen müssen. Die Ergebnisse zeigen, dass durch die vorgestellten Optimierungsmethoden eine Verbesserung der Identifizierungsleistung des Frühwarnsystems erreicht werden kann, sodass im Testdatensatz sechs bis acht Prozentpunkte mehr Studierende korrekt bestimmt werden können.In order to support students before problematic situations manifest in the course of their studies and before they potentially drop out, early warning systems have been implemented at a number of German universities. The warning systems differ in the way that they have been designed and how they recognize students who may have a problematic course of study. For this paper, the early warning system of the TUD Dresden University of Technology is used as an example of how the variation of identification principles can improve the detection of problematic study trajectories. It shows how an extended development process could be implemented and which data must be available for this. The results of this study show that the application of the presented optimization methods can achieve the improvement of the identification performance of the early warning system, so that six to eight percentage points more students could be correctly determined in the test data set.