Komplexe dynamische Systeme zu modellieren, ist eine Herausforderung in vielen Disziplinen wie den Ingenieur-, Natur- und Gesellschaftswissenschaften. Entsprechende mathematische Modelle sind die Grundlage für viele Anwendungen wie z. B. die Prozessüberwachung und Regelung technischer Anlagen oder zur Vorhersage von Pandemien. Expertenbasierte Ansätze geben das Systemverhalten robust und interpretierbar wieder, benötigen aber häufig viel Zeit und Personalressourcen. Deshalb hat sich ein starker Trend zur datenbasierten Modellierung dynamischer Systeme mittels des Maschinellen Lernens entwickelt. Diese Black Box Modelle lassen sich mit verfügbaren Softwarewerkzeugen und ohne nennenswertes Vorwissen zügig generieren. Allerdings ist ihre Funktionsweise bzw. Problemlösungsstrategie nur schlecht nachvollziehbar bzw. erklärbar.