Systemidentifikation bei Unsicherheiten - Nix g'nau woas ma ned

In den empirischen Wissenschaften – dazu gehören die Ingenieur- und Naturwissenschaften – werden Daten benutzt, um Theorien zu validieren oder um Modellparameter zu bestimmen. Dies geschieht in vielfältigster Weise. Bei der Systemidentifikation versucht man, Modelle für das Verhalten von linearen oder nichtlinearen dynamischen Systemen aus Input- /Output-Zeitreihendaten zu erzeugen. Die so erzeugten Modelle sollen schlank sein, damit sie zum Beispiel in der Steuerungs- und Regelungstechnik in real-time und mit wenig Rechenaufwand eingesetzt werden können. Man spricht in diesem Zusammenhang auch von Modellen reduzierter Ordnung.

In der Systemidentifikation sind Unsicherheiten bei der Modellierung des Systemsverhaltens grundsätzlich unvermeidlich. Es gibt unterschiedliche Quellen von Unsicherheiten, wie z.B. Messrauschen oder Messfehler, unvollständige und nur ungefähr bekannte Randbedingungen und Modellparameter, endliche Zeitreihen. Wer abschätzen will, inwieweit man den Modellvorhersagen Vertrauen schenken darf, solllte die Unsicherheiten quantifizieren und bei der Modellidentifikation berücksichtigen.