Die Systemvorhersage von Scramjet-Antriebssystemen ist auf Grund der komplexen Rahmenbedingungen von Flugversuchen an Windkanalexperimente gebunden. Simulationsmodelle an diesen zu validieren und zur Vorhersage zu nutzen gilt als Stand der Technik. Gleichzeitig ist die Möglichkeit, Gesamtsysteme im Windkanal zu testen eingeschränkt, weshalb auf numerische Systemmodelle zurückgegriffen wird. Bisherige Systemvorhersagen, insbesondere zur Schubvorhersage, können in deterministische und probabilistische Ansätze unterteilt werden. Der Detailgrad der betrachteten Systemmodellierung hängt von der Art der Untersuchung ab, wobei eine Reduktion der notwendigen Modellevaluationen entsprechend detailliertere Modellierungen ermöglicht. Das in dieser Arbeit vorgestellte und untersuchte generische Gesamtsystemmodell setzt einen probabilistischen Ansatz um. Dank der Nutzung probabilistischer Methoden im Rahmen einer Polynomial-Chaos-Expansion kann die Anzahl notwendiger Modellevaluationen verringert und somit der Detailgrad der Einzelmodelle gegenüber klassischen Monte-Carlo-Simulationen erhöht werden. Besonderes Augenmerk liegt hierbei auf den Übergängen zwischen Teilmodellen unterschiedlicher Dimensionen. Weiterhin werden Randbedingungen anhand eines Referenzflugzustands gewählt, der die aleatorischen Randbedingungen für das Gesamtsystemmodell definiert. Um die Erfassung einzelner Bereiche mit Risiko zum Systemverlust zu berücksichtigen, wird eine hybride Formulierung beider Ansätze gegenüber einer reinen Polynomial-Chaos-Expansion eines Scramjet-Gesamtsystemmodells erarbeitet, validiert und zur Systemvorhersage genutzt.weiterlesen