Die Systeme der chemischen Ökotoxikologie sind durch ein äu_erst komplexes Ursache-Wirkungsgefüge gekennzeichnet, dessen physiko-chemische Grundlagen nur in seltenen Fällen vollständig erfa_bar ist. Statistische Verfahren spielen deshalb eine wesentliche Rolle bei der Auswertung der gemessenen Daten und der Aufklärung verborgener Zusammenhänge. Im Projekt werden aus biologischen Vorbildern abgeleitete neuronale Algorithmen und Methoden als neue Verfahren zur intelligenten Datenanalyse bzw. als Varianten nichtlinearer statistischer Methoden entwickelt und untersucht. Im Mittelpunkt stehen dabei nichtlineare Verfahren zur Rauschfilterung, der Hauptkomponentenanalyse und der partial least squares Methode mittels selbstorganisierender Merkmalskarten nach Kohonen bzw. Netzwerken konkurrierender Experten. Die neuronalen Netze sollen im Rahmen des Projektes für die Prognose der biologischen Abbaubarkeit toxischer Moleküle Anwendung finden und ihre Leistungsfähigkeit im Vergleich mit den bisher verwendeten backpropagation Netzen unter Beweis stellen. Für die quantitative Analyse der eingesetzten Netzwerke und der implementierten Lernalgorithmen erfolgt mit Methoden der statistischen Mechanik.