In dieser Arbeit wird ein SQP-Verfahren entwickelt, das geeignet ist, eine globale Minimallösung eines restrinigierten nichtlinearen Optimierungsproblems zu finden. Das Verfahren gehört zu einer speziellen Klasse pfadverfolgender Methoden, die den Iterationsprozess einer globalen Optimierung als Pfad der Lösung einer speziellen stochastischen Integralgleichung auffassen. Mithilfe von Stabilitätsaussagen zu stochastischen Integralgleichungen wird für das neue SQP-Verfahren fast sichere Konvergenz in endlicher Zeit zu jeder Umgebung einer globalen Minimallösung des gegebenen Optimierungsproblems gezeigt. Das Verfahren wurde erfolgreich für einen Kopositivitätstest für Matrizen und zwei Probleme des Industriedesigns in der Medizintechnik eingesetzt.