Wichtige Marker in der klinischen Routine für die Risikoabschätzung von kardiovaskulären Erkrankungen (CVD) sind Blutcholesterinwerte auf Basis von Lipoproteinklassen wie ''schlechtes'' LDL oder ''gutes'' HDL. Dies vernachlässigt, dass jede Lipoproteinklasse eine nicht-homogene Population von Lipoproteinpartikeln unterschiedlicher Zusammensetzung aus Lipiden und Proteinen bildet. Studien zeigen zudem, dass solche Sub-populationen von Lipoproteinen im Stoffwechsel als auch im Beitrag zu CVD unterschiedlich sind. Mehrwert und routinemäßiger Einsatz einer detaillierteren Auftrennung von Lipoproteinen sind jedoch umstritten, da die experimentelle Fraktionierung und Analyse aufwendig, zeit- und kostenintensiv sind. Die vorliegende Arbeit ''Computational Lipidology'' präsentiert einen neuartigen Modellierungsansatz für die Berechnung von Lipoproteinverteilungen (Lipoproteinprofil) im Blutplasma, wobei erstmals individuelle Lipoproteinpartikel anstelle von Lipoproteinklassen betrachtet werden. Das Modell berücksichtigt elementare Bestandteile (Lipide, Proteine) und Prozesse des Stoffwechsel von Lipoproteinen. Stochastische wie deterministische Simulationen errechnen auf Basis aller Lipoproteinpartikel im System deren Dichteverteilung. Die Modellberechnungen reproduzieren erfolgreich klinisch gemessene Lipoproteinprofile von gesunden Patienten und zeigen Hauptmerkmale von pathologischen Situationen, die durch Störung eines der zugrundeliegenden molekularen Prozesse verursacht werden. Hochaufgelöste Lipoproteinprofile zeigen die Verteilung von sogenannten ''high-resolution density sub-fractions'' (hrDS) innerhalb von Hauptlipoproteinklassen. Die Ergebnisse stimmen mit klinischen Beobachtungen sehr gut überein, was die Arbeit als einen signifikanten Schritt in Richtung Analyse von individuellen Unterschieden, patienten-orientierte Diagnose von Fettstoffwechselstörungen und Identifikation neuer Sub-populationen von potentiell klinischer Relevanz qualifiziert. / Monitoring the major lipoprotein classes, particularly low-density lipoproteins (''bad'' LDL) and high-density lipoproteins (''good'' HDL) for characterizing risk of cardiovascular disease (CVD) is well-accepted and routine in clinical practice. However, it is only one-half of the truth as lipoprotein classes comprise non-homogeneous populations of lipoprotein particles varying significantly in their composition of lipids and apolipoproteins. Various studies have shown differing metabolic behavior and contribution to CVD of individual lipoprotein sub-populations. Nevertheless, the superiority of more detailed lipoprotein fractionation is still a matter of debate because experimental separation and analysis is an elaborate, time-consuming and expensive venture and not yet worthwhile for routine measurements. The present work ''Computational Lipidology'' aims at establishing a novel modeling approach to calculate the distribution of lipoproteins (lipoprotein profile) in blood plasma being the first that settles on individual lipoprotein complexes instead of common lipoprotein classes. Essential lipoprotein constituents and processes involved in the lipoprotein metabolism are taken into account. Stochastic as well as deterministic simulations yield the distribution of lipoproteins over density based on the set of individual lipoprotein complexes in the system. The model calculations successfully reproduce lipoprotein profiles measured in healthy subjects and show main characteristics of pathological situations elicited by disorder in one of the underlying molecular processes. Moreover, the model reveals the distribution of high-resolution lipoprotein sub-fractions (hrDS) within major density classes. The results show satisfactory agreement with clinical observations which qualifies the work as a significant step towards analyzing inter-individual variability, patient-oriented diagnosis of lipid disorders and identifying new sub-fractions of potential clinical relevance.