Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage zwei Ziele der datengetriebenen Modellbildung zu erreichen:

1. Für ein gegebenes Anwendungsproblem mit vorhandenen Messdaten können sowohl die Auswahl einer geeigneten Struktur als auch die optimale Schätzung der Modellparameter durchgeführt werden. Alternative Modelle können quantitativ verglichen und sicher validiert werden.
2. Weiterführende Literatur zu Methoden der Systemidentifikation kann selbständig erarbeitet und die präsentierten Methoden umgesetzt werden.

Inhalte der Vorlesung werden anhand von praktischen Beispielen illustriert, und die Anwendung von speziellen Software-Tools wird geübt.

Vortrag über Live Online Meetings, Vorrechnen von Beispielen unter Verwendung von MATLAB/Simulink, Verweise auf aktuelle Forschungsinhalte des Instituts, Diskussion von Ergebnissen und Alternativen.

Die Übung ist de facto in die Vorlesung mit gemeinsam errechneten Beispielen und Hausübungen integriert.

Die Übungen werden alternierend mit der Vorlesung abgehalten sobald genügend Inhalte vermittelt sind.

Einige Hausübungen werden ausgegeben, welche ähnlich zu den gemeinsam durchgerechneten Beispielen aus der Vorlesung sind. Diese Aufgaben müssen selbständig erarbeitet und am LVA-Ende abgegeben werden.

Grundlagen der Regelungstechnik ist erforderlich und sehr gute Vorkenntnisse auf den Gebieten der Mathematik und Stochastik werden vorausgesetzt. Insbesonders Digitale Regelung ist wünschenswert, muss aber nicht absolviert sein.