Ein Satz von Methoden zur Quantifizierung, wie Variationen in Modelleingaben, Parametern oder Annahmen die Modell-Ausgaben beeinflussen, mit dem Ziel, einflussreiche Faktoren zu identifizieren und Ein-/Ausgangsbeziehungen zu charakterisieren.

Prinzip

Eingangsperturbationen oder -verteilungen organisieren und resultierende Änderungen der Ausgaben mittels Ableitungen, Varianzzerlegungen oder Ein-/Ausgangsabbildungen messen; zwischen lokalen (infinitesimalen) und globalen (verteilungsbasierten) Effekten unterscheiden und Wechselwirkungen sowie Nichtlinearitäten berücksichtigen.

Demonstration

Berechnung von Sobol-Indizes für ein hydrologisches Modell, um Niederschlag, Bodenpermeabilität und Evapotranspiration nach deren Beitrag zur Varianz des Abflusses zu bewerten; oder lokale partielle Ableitungen eines aerodynamischen Auftriebsmodells auswerten, um den Winkelbereich mit größtem Einfluss zu finden.

Fehlanwendung

Korrelationen zwischen Eingangsgrößen als Unabhängigkeit behandeln, wenn Varianz-basierte Indizes verwendet werden, oder ausschließlich One-at-a-Time-Perturbationen bei Systemen mit starken Wechselwirkungen anwenden, was zu irreführenden Wichtigkeitsrankings führt.

Konsequenz

Bei korrekter Anwendung identifiziert die Analyse einflussreiche Parameter für Kalibrierung, Modellreduktion, gezielte Datenerhebung und robuste Entscheidungsfindung unter Eingangsunsicherheit.

Umkehrung

Fokus auf Robustheit statt Sensitivität — Eingaben oder Konfigurationen finden, bei denen Ausgaben stabil unter Störungen bleiben — kehrt das Ziel um: statt einflussreicher Faktoren werden insensitive Bereiche gesucht.

Abgrenzung

Gilt für Modelle mit klar definierten Ein- und Ausgaben; begründet nicht automatisch Kausalität aus statistischen Zusammenhängen und kann ungültig werden, wenn der Analysebereich außerhalb des physikalisch sinnvollen oder trainierten Eingangsraums liegt.

Semantische Spannung

Überlappt mit Unsicherheitsquantifizierung (die die Größe der Ausgangsunsicherheit misst) und Parameterschätzung (die Parameter anpasst): Sensitivität bewertet die Einflussstruktur und nicht primär die prädiktive Unsicherheit oder Parameterplausibilität.

Synthese

Sensitivitätsanalyse untersucht systematisch, wie Eingabevariabilität in Ausgabevariabilität übersetzt wird, wobei lokale Ableitungen oder globale varianz-/entropiebasierte Maße eingesetzt werden, um einflussreiche Faktoren offenzulegen, Experimente zu lenken und Modellierungsaufwand zu priorisieren, unter Anerkennung von Einschränkungen durch Eingangsabhängigkeiten und Extrapolation.