Het is vaak niet praktisch om experimenten rechtstreeks uit te voeren in de fysische wereld, bv. wegens te gevaarlijk of een hoge kostprijs. In de plaats daarvan worden er complexe computersimulaties gebruikt die de fysische experimenten nabootsen. Computersimulaties worden geparametriseerd door een set van inputparame- ters (variabelen). Gegeven een set van inputs berekent de simulatiecode dan de corresponderende outputs. Het bestuderen van zulke input-output-systemen bestaat erin de inputparameters te wijzigen en het gevolg daarvan op de outputs te observeren. Computersimulaties vereisen echter vaak ook een aanzienlijke investering in tijd en rekenkracht: ìe ìen enkele computersimulatie kan uren, dagen of zelfs weken in beslag nemen afhankelijk van de complexiteit van het probleem. Het probleem is meer uitgesproken wanneer er talrijke simulaties nodig zijn zoals bijvoorbeeld voor het ontwerpen en optimaliseren van producten (Computer-Aided Design/CAD). Daarom worden er het laatste decennium meer en meer goedkopere benaderingstechnieken gebruikt, ook bekend als surrogaatmodellen, die het gedrag van de computationeel dure computersimulaties zo goed mogelijk naboot- sen. De focus van deze thesis ligt op het ontwikkelen en gebruik van strategie ̈en voor surrogaatmodellering. De basis voor alle technieken is het datagebaseerde Kriging-surrogaatmodel.