Masterarbeit aus dem Jahr 2017 im Fachbereich Ingenieurwissenschaften - Wirtschaftsingenieurwesen, Note: 1,5, Technische Universität Ilmenau, Sprache: Deutsch, Abstract: Diese Arbeit befasst sich mit der Metamodellierung von Simulationsmodellen. Wenn ein Simulationsmodell sehr komplex ist, kann der Rechenaufwand zum Ausführen der Experimente erheblich sein. Außerdem erschwert sich die Analyse und Interpretation der Simulationsergebnisse. In diesem Fall bietet ein Metamodell Vorteile, weil es die Approximation von Input-Output-Verhältnissen auf der Basis der aus der Simulation erlangten Daten erlaubt. Dies bietet die Möglichkeit, Simulationsergebnisse zu prognostizieren und zu optimieren. Angesichts dieses Potentials befasst sich diese Arbeit mit den Grundprinzipen der Metamodellierung und mit der Charakterisierung gängiger Methoden, wie dem Kriging-Verfahren, der Spline-Regression, der Support-Vector-Machine, der polynomialen Regression, der radialen Basisfunktion, dem künstlichen neuronalen Netz und dem Entscheidungsbaum. Hierfür wurde auf die mathematischen Grundlagen, Lösungsverfahren, Vorteile, Nachteile und Anwendungsbeispiele eingegangen.