Kriegesmann, BenediktBenediktKriegesmann11491840190000-0001-5330-9886Krüger, Jan ChristophJan ChristophKrüger2026-04-242026-04-242026Technische Universität Hamburg (2026)https://hdl.handle.net/11420/62814This dissertation addresses the challenge of finding scalable frameworks for structural optimization under uncertainty. Therefore, efficient and non-intrusive formulations for the gradient computation of different Taylor series-based probabilistic methods are developed and a new probabilistic approach is presented. Additionally, challenges encountered by the multigrid finite element solver when dealing with (uncertain) anisotropic materials are discussed and a solution is presented.Diese Dissertation befasst sich mit der Entwicklung skalierbarer Methoden für die Optimierung unter Unsicherheiten. Hierzu werden effiziente und nicht intrusive Ansätze zur Gradientenberechnung bei Verwendung von auf Taylorreihen basierenden probabilistischen Methoden hergeleitet und eine neue probabilistische Methode wird präsentiert. Zusätzlich werden Schwächen von Mehrgitter Finite Elemente Lösern im Kontext von (streuend) anisotropen Materialien diskutiert und Lösungen präsentiert.enhttps://creativecommons.org/licenses/by/4.0/structural optimizationuncertainty quantificationrobust design optimizationperturbation methodfirst-order second-moment methodtopology optimizationTechnology::620: EngineeringTechnology::624: Civil Engineering, Environmental Engineering::624.1: Structural Engineering::624.17: Structural Analysis and DesignNatural Sciences and Mathematics::519: Applied Mathematics, ProbabilitiesDoctoral Thesishttps://doi.org/10.15480/882.1701010.15480/882.17010Rung, ThomasThomasRung10.15480/882.15956