Die Risikobewertung von Pestiziden in der Umwelt kann als robustes Zulässigkeitsproblem formuliert werden: Ein Pestizid wird nur dann von den regulatorischen Behörden Deutschlands und der gesamten Europäischen Union zugelassen, wenn kein Schaden für Mensch und Umwelt entsteht. Normalerweise werden zur Approximation der Unsicherheitsmenge experimentelle Toxizitätsstudien durchgeführt. Die dabei betrachteten Szenarien sind möglicherweise unrealistisch, aber sie repräsentieren den ungünstigsten Fall. Eine Überschätzung möglicher Wirkungen wird also akzeptiert, um sicher zu gehen, dass alle möglichen Risiken betrachtet werden. Wir betrachten mechanistische Modelle, die nicht nur die Wirkung von Pestiziden beschreiben, sondern die grundlegenden Prozesse erklären. Diese Modelle können eine realistischere Approximation der Unsicherheitsmenge bilden und sind daher hilfreich in der Umweltrisikobewertung. Dies erlaubt die Betrachtung von komplexeren Szenarien. Zu dem jetzigen Zeitpunkt wird der Einsatz dieser Modelle in der Europäischen Risikobewertung diskutiert, jedoch meistens nur zusätzlich zur Standardtoxizitätsbewertung genutzt. Ein Grund dafür ist die schlechte Dokumentation der Modelle. Es existieren zahlreiche Modelle, die sich in der Komplexität als auch in der Genauigkeit unterscheiden. Ferner sind noch keine standardisierten Modelltestszenarien definiert. Vor allem ist nicht klar, ob und wie vertrauenswürdig die Vorhersagen der Modelle sind. Mathematisch betrachten wir parametrische nichtlineare Differentialgleichungssysteme und das komplexe Zusammenspiel zweier verknüpfter Probleme. Zum einen haben wir das inverse Problem der Parameteridentifikation, zum anderen das direkte Problem der Vorhersage von Effekten unter variablen Umweltbedingungen. Dieser Schritt erfordert eine fundamentale Analyse der Diskretisierungsfehler (gewöhnliche Differentialgleichungen), der Extrapolationsfehler (Situationen, die von der Kalibrierung nicht abgesichert werden) sowie der konzeptionellen Modellfehler (Situationen, die nicht vom Modell abgesichert werden). Zudem analysieren wir die Auswirkungen von Änderungen in den Parameterwerten (Sensitivitäts- und Unsicherheitsanalyse). Zusätzlich ist die Charakterisierung der Parameter von besonderem Interesse bezüglich der Konstruktion von Modelltestszenarien. Neben einer realistischen Modellierung spielen die Lösung der Modellsysteme (exakt, annährend) und die Wahl der Startwerte des inversen Problems eine wichtige Rolle. Wir analysieren drei unterschiedliche Modelle in den Hauptkapiteln, die verbunden sind durch ein gemeinsames Ziel, nämlich die mechanistische Beschreibung der Wirkung von aktiven Substanzen in der Umwelt. Der erste Teil der Arbeit handelt von dem verallgemeinerten Modell GUTS (General Unified Model of Survival). Dieses Modell charakterisiert die Überlebenswahrscheinlichkeit von Organismen anhand zweier Hypothesen: Stochastischer Tod (SD) und individuelle Toleranz (IT). Im zweiten und dritten Teil werden Modelle präsentiert, die die sublethale Wirkung von aktiven Substanzen auf das Wachstum derWasserpflanze Lemna erklären. Obwohl beide Modelle das gleiche Ziel haben und dieselbe Spezies modellieren, unterscheiden sie sich in Konzept und Komplexität. Das erste Modell beschreibt das logistische Wachstum der Lemna mit Hilfe der effektiven Wachstumsrate, die durch abiotische Umweltbedingungen und die Dosis des Pestizids beeinflusst wird. Das zweite Modell beruht auf der Dynamic Energy Budget Theorie (deb). Es stellt das Pflanzenwachstum mit Hilfe von sich in der Zeit ändernden Energiebilanzen dar. Wir untersuchen und quantifizieren die Unsicherheiten der betrachteten ökotoxikologischen Modelle. Darüber hinaus haben wir Methoden entwickelt, um diese Unsicherheiten zu verringern, so dass sich die Vorhersagen der Modelle verbessern. Diese Arbeit stellt die Grundlage für die Anwendbarkeit von anspruchsvollen mathematischen Modellen in der Umweltrisikobewertung von Pestiziden dar.