Das Thema dieser Arbeit ist die spektraltheoretische Untersuchung von zufälligen Operatoren, die zu einem minimal ergodischen bzw. strikt ergodischen Delone dynamischen System assoziiert sind. Es werden kontinuierliche sowie diskrete Modelle untersucht. Diese Modelle sind mathematische Modelle zur Beschreibung von Festkörpern, bei denen die Punkte der einzelnen, in einem Delone dynamischen System enthaltenen, Delone-Mengen die Atompositionen eines Festkörpers beschreiben. Delone-Mengen, die in einem minimal ergodischen Delone dynamischen System enthalten sind weisen eine sehr hohe Ordnungsstruktur auf, sind aber nicht notwendigerweise periodisch. Sie können daher zur Modellierung von Quasikristallen verwendet werden. In dieser Arbeit wird das Spektrum der assoziierten Operatoren im kontinuierlichen sowie im diskreten Fall untersucht.

Es wird Anderson-Lokalisierung und starke dynamische Lokalisierung für Quantengraphen mit Gitterstruktur mit Multiskalenanalyse bewiesen. Für eine weitere Klasse von Quantengraphen wird eine lineare Wegner-Abschätzung gezeigt, woraus die Lipschitz-Stetigkeit der integrierten Zustandsdichte folgt.

Es wird Anderson-Lokalisierung und starke dynamische Lokalisierung für Quantengraphen mit Gitterstruktur mit Multiskalenanalyse bewiesen. Für eine weitere Klasse von Quantengraphen wird eine lineare Wegner-Abschätzung gezeigt, woraus die Lipschitz-Stetigkeit der integrierten Zustandsdichte folgt.

Die Entwicklung von verzweigten Blechstrukturen, die mit Hilfe der innovativen Verfahren Spaltprofilieren und Spaltbiegen hergestellt werden, erfordert eine Erweiterung des verwendeten Produktentwicklungsansatzes. Im Sonderforschungsbereich 666 wurde dafür der Algorithmen-basierte Produktentwicklungsprozess eingeführt. Im Unterschied zu etablierten Produktentwicklungsprozessen, werden mathematische Optimierungsalgorithmen mit Randbedingungen aus den formalisierten Anforderungen wie Bauraumrestriktionen oder Lasten verwendet, um optimierte verzweigte Blechstrukturen zu entwickeln. Da in der mathematischen Optimierung nicht alle Informationen aus der Fertigung berücksichtigt werden können, müssen die optimierten verzweigten Blechstrukturen fertigungsgerecht optimiert werden. Dazu wird in diesem Beitrag zunächst ein Fertigungsrestriktionsmodell eingeführt. Basierend auf den gewonnen Erkenntnissen aus dem Modell wird dann ein Ansatz zur teilautomatisierten fertigungsorientierten Optimierung von verzweigten Blechstrukturen eingeführt und anhand eines Beispiels validiert.

In this workshop we present an innovative teaching, learning and research setting that engages beginning teachers in mathematical inquiry as they investigate, represent and connect mathematical ideas through mathematical conversation, reasoning and argument. This workshop connects to the themes of teacher preparation and teaching through problem solving. Drawing on new paradigms to think about teaching and learning, we orient our work within complexity theory (Davis & Sumara, 2006; Holland, 1998; Johnson, 2001; Maturana & Varela, 1987; Varela, Thompson & Rosch, 1991) to understand teaching|learning as a complex iterative process through which opportunities for learning arise out of dynamic interactions. Varela, Thompson and Rosch, (1991) use the term co-emergence to understand how the individual and the environment inform each other and are “bound together in reciprocal specification and selection” (p.174). In particular we are interested in the conditions that enable the co-emergence of teaching|learning collectives that support the generation of new mathematical and pedagogical ideas and understandings. The setting is a one-week summer math program designed for prospective elementary teachers to deepen particular mathematical concepts taught in elementary school. The program is facilitated by recently graduated secondary mathematics teachers to provide them an opportunity to experience mathematics teaching|learning through rich problems. The data collected include questionnaires, interviews, and video recordings. Our analyses show that many a-ha moments of mathematical and pedagogical insight are experienced by both groups as they work together throughout the week. In this workshop we will actively engage the audience in an exploration of the mathematics problems that we pose in this unique teaching|learning environment. We will present our data on the participants’ mathematical and pedagogical responses and open a discussion of the implications of our work.

No description available.

Hämatopoetische Stammzellen besitzen die Fähigkeit, die dauerhafte Erhaltung ihrer eigenen Population im Knochenmark zu gewährleisten und gleichzeitig zur Neubildung der verschiedenen Zelltypen des peripheren Blutes beizutragen. Die Sequenz von Entscheidungsprozessen, die den Übergang einer undifferenzierten Stammzelle in eine funktionale ausgereifte Zelle beschreibt, wird als Linienspezifikation bezeichnet. Obwohl viele Details zu den molekularen Mechanismen dieser Entscheidungsprozesse mittlerweile erforscht sind, bestehen noch immer große Unklarheiten, wie die komplexen phänotypischen Veränderungen hervorgerufen und reguliert werden. Im Rahmen dieser Dissertation wird ein geeignetes mathematisches Modell der Linienspezifikation hämatopoetischer Stammzellen entwickelt, welches dann in ein bestehendes Modell der hämatopoetischen Stammzellorganisation auf Gewebsebene integriert wird. Zur Verifizierung des theoretischen Modells werden Simulationsergebnisse mit verschiedenen experimentellen Daten verglichen. Der zweite Teil dieser Arbeit konzentriert sich auf die Beschreibung und Analyse der Entwick- lungsprozesse von Einzelzellen, die aus diesem integrierten Modell hervorgehen. Aufbauend auf den entsprechenden Modellsimulationen wird dazu eine topologische Charakterisierung der resultierenden zellulären Genealogien etabliert, welche durch verschiedener Maße für deren Quantifizierung ergänzt wird. Das vorgestellte mathematische Modell stellt eine neuartige Verknüpfung der intrazellulären Linienspezifikation mit der Beschreibung der hämatopoetischen Stammzellorganisation auf Populationsebene her. Dadurch wird das Stammzellm- odell von Röder und Löffler um die wichtige Dimension der Linienspezifikation ergänzt und damit in seinem Anwendungsbereich deutlich ausgedehnt. Durch die Analyse von Einzelzellverläufen trägt das Modell zu einem grundlegenden Verständnis der inhärenten Heterogenität hämatopoetischer Stammzellen bei.

Die Regulation der Genexpression ist einer der wichtigsten zellulären Prozesse und steht in Zusammenhang mit der Entstehung diverser Krankheiten. Regulationsmechanismen können mit einer Vielzahl von Methoden experimentell untersucht werden, zugleich erfordert die Integration der Datensätze in umfassende Modelle stringente rechnergestützte Methoden. Ein Teil dieser Methoden modelliert die genomweite Genexpression als (lineares) Gleichungssystem über die Aktivität und Beziehungen von Transkriptionsfaktoren (TF), Genen und anderen Faktoren und optimiert die Parameter, sodass die gemessenen Expressionsintensitäten möglichst genau wiedergegeben werden. Trotz ihrer gemeinsamen Wurzeln in der mathematischen Optimierung unterscheiden sich die Methoden stark in der Art der integrierten Daten, im für ihre Anwendung notwendigen Hintergrundwissen, der Granularität des Regulationsmodells, des konkreten Paradigmas zur Lösung des Optimierungsproblems, und der zur Evaluation verwendeten Datensätze. In dieser Arbeit betrachten wir fünf solcher Methoden und stellen einen qualitativen und quantitativen Vergleich auf. Unsere Ergebnisse zeigen, dass die Überschneidungen der Ergebnisse sehr gering sind, was nicht auf die Stichprobengröße oder das regulatorische Netzwerk zurückgeführt werden kann. Ein Grund für die genannten Defizite könnten die vereinfachten Modelle zellulärer Prozesse sein, da diese vorhandene Rückkopplungsschleifen ignorieren. Wir schlagen eine neue Methode (Florae) mit Schwerpunkt auf die Berücksichtigung von Rückkopplungsschleifen vor und beurteilen deren Ergebnisse. Mit Floræ können wir die Identifizierung von Knockout- und Knockdown-TF in synthetischen Datensätzen verbessern. Unsere Ergebnisse und die vorgeschlagene Methode erweitern das Wissen über genregulatorische Aktivität können die Identifizierung von Ursachen und Mechanismen regulatorischer (Dys-)Funktionen und die Entwicklung von medizinischen Biomarkern und Therapien unterstützen. / Gene regulation is one of the most important cellular processes and closely interlinked pathogenesis. The elucidation of regulatory mechanisms can be approached by many experimental methods, yet integration of the resulting heterogeneous, large, and noisy data sets into comprehensive models requires rigorous computational methods. A prominent class of methods models genome-wide gene expression as sets of (linear) equations over the activity and relationships of transcription factors (TFs), genes and other factors and optimizes parameters to fit the measured expression intensities. Despite their common root in mathematical optimization, they vastly differ in the types of experimental data being integrated, the background knowledge necessary for their application, the granularity of their regulatory model, the concrete paradigm used for solving the optimization problem and the data sets used for evaluation. We review five recent methods of this class and compare them qualitatively and quantitatively in a unified framework. Our results show that the result overlaps are very low, though sometimes statistically significant. This poor overall performance cannot be attributed to the sample size or to the specific regulatory network provided as background knowledge. We suggest that a reason for this deficiency might be the simplistic model of cellular processes in the presented methods, where TF self-regulation and feedback loops were not represented. We propose a new method for estimating transcriptional activity, named Florae, with a particular focus on the consideration of feedback loops and evaluate its results. Using Floræ, we are able to improve the identification of knockout and knockdown TFs in synthetic data sets. Our results and the proposed method extend the knowledge about gene regulatory activity and are a step towards the identification of causes and mechanisms of regulatory (dys)functions, supporting the development of medical biomarkers and therapies.

Aktuelle Entwicklungen führen zu komplexeren Produktionssystemen, insbesondere in der variantenreichen Serienfertigung. Als Folge bestehen erhebliche Herausforderungen darin, die technische Kapazität mit strategischem Zeithorizont effizient, transparent und flexibel zu planen. Da zahlreiche Abhängigkeiten berücksichtigt werden müssen, ist in der Praxis festzustellen, dass sich Vollständigkeit und Verständlichkeit der Modelle ausschließen. Zur Lösung dieses Zielkonflikts wird ein softwaregestützter Workflow vorgeschlagen, welcher in der neu entwickelten Software AURELIE realisiert wurde. Der Workflow basiert auf der grafischen Modellierung eines geplanten Systems von Wertströmen, der automatischen Validierung und Transformation des grafischen Modells und der automatischen Optimierung des resultierenden mathematischen Modells. Den Ausgangspunkt bildet ein grafisches Modell, das nicht nur verständlich ist, sondern auch das System in seiner Komplexität vollständig widerspiegelt. Aus Sicht der Forschung liegt der wesentliche Beitrag neben einer formalen Systembeschreibung und dem Aufzeigen der Forschungslücke in der Entwicklung der notwendigen Modelle und Algorithmen. Der Neuheitsgrad ist durch den ganzheitlichen Lösungsansatz gegeben, dessen Umsetzbarkeit durch die Software AURELIE belegt wird. Aus Sicht der Praxis werden die Effizienz, Transparenz und Flexibilität im Planungsprozess signifikant gesteigert. Dies wird durch die weltweite Einführung der Software AURELIE an den Standorten der Bosch Rexroth AG bestätigt.:Vorwort Referat Abbildungsverzeichnis Tabellenverzeichnis Algorithmenverzeichnis 1 Einführung 1.1 Ausgangssituation: Potenziale in der Planung 1.2 Problembeschreibung und Einordnung der Dissertation 1.3 Lösungsansatz: softwaregestützter Workflow 1.4 Forschungsfragen und Aufbau der Arbeit 2 Lösungsvorbereitung: Systemanalyse 2.1 Kontext: strategische Planung technischer Kapazität in der Serienfertigung 2.2 Systemstruktur: rekursive Zusammensetzung von Wertströmen 2.2.1 Prozessschritte, Stückzahlverteilung und Verknüpfungstypen 2.2.2 Prozesse und Wertströme 2.3 Systemschnittstelle: Funktionen der Eingaben und Ausgaben 2.3.1 Materialfluss: Bereitstellung von Komponenten für Produkte 2.3.2 Informationsfluss: Planung der Produktion 2.4 Grundlagen der Kalkulation: einfacher Fall eines Prozessschritts 2.4.1 Taktzeiten, Nutzungsgrad und Betriebsmittelzeit 2.4.2 Kapazität, Auslastung und Investitionen 2.5 Erweiterung der Kalkulation: allgemeiner Fall verknüpfter Prozessschritte 2.5.1 Sequenzielle Verknüpfung Beispiel SQ1 Beispiel SQ2 Beispiel SQ3 2.5.2 Alternative Verknüpfung Beispiel AL1 Beispiel AL2 Beispiel AL3 2.5.3 Selektive Verknüpfung Beispiel SL1 Beispiel SL2 2.6 Anforderungen in Bezug auf die Modellierung und die Optimierung 2.6.1 Kategorisierung möglicher Anforderungen 2.6.2 Formulierung der essenziellen Anforderungen 3 Stand der Technik 3.1 Auswahl zu evaluierender Softwaretypen 3.2 Software zur Erstellung von Tabellenkalkulationen 3.2.1 Beispiel: Microsoft Excel 3.2.2 Erfüllungsgrad der Anforderungen 3.3 Software zur Materialflusssimulation 3.3.1 Beispiel: Siemens Plant Simulation 3.3.2 Erfüllungsgrad der Anforderungen 3.4 Software für Supply Chain Management 3.4.1 Beispiel: SAP APO Supply Network Planning 3.4.2 Erfüllungsgrad der Anforderungen 3.5 Software zur Prozessmodellierung 3.5.1 Beispiel: BPMN mit idealem Interpreter und Optimierer 3.5.2 Erfüllungsgrad der Anforderungen 3.6 Fazit: Bedarf nach einer neuen Entwicklung 4 Lösungsschritt I: grafische Modellierung und Modelltransformation 4.1 Kurzeinführung: Graphentheorie und Komplexität 4.1.1 Graphentheorie 4.1.2 Komplexität von Algorithmen 4.2 Modellierung eines Systems durch Wertstromgraphen 4.2.1 Grafische Modellstruktur: Knoten und Kanten 4.2.2 Modellelemente: Quellen, Senken, Ressourcen und Flusspunkte 4.3 Validierung eines grafischen Modells 4.3.1 Ziel, Grundidee und Datenstrukturen 4.3.2 Beschreibung der Algorithmen 4.3.3 Beweis der Zeitkomplexität 4.4 Transformation eines grafischen Modells in ein mathematisches Modell 4.4.1 Mathematische Modellstruktur: Matrizen und Folgen 4.4.2 Ziel, Grundidee und Datenstrukturen 4.4.3 Beschreibung der Algorithmen 4.4.4 Beweis der Zeitkomplexität 4.5 Umsetzung in der Software AURELIE 4.5.1 Funktionsübersicht und Benutzerführung 4.5.2 Erfüllungsgrad der Anforderungen 4.6 Fazit: Erreichen des vorgegebenen Entwicklungsziels 5 Lösungsschritt II: mathematische Optimierung 5.1 Kurzeinführung: lineare Optimierung und Korrektheit 5.1.1 Lineare Optimierung 5.1.2 Korrektheit von Algorithmen 5.2 Maximierung der Kapazitäten 5.2.1 Ziel, Grundidee und Datenstrukturen 5.2.2 Beschreibung des Algorithmus 5.2.3 Beweis der Korrektheit und Zeitkomplexität 5.3 Minimierung der Investitionen 5.3.1 Ziel, Grundidee und Datenstrukturen 5.3.2 Beschreibung des Algorithmus 5.3.3 Beweis der Korrektheit und Zeitkomplexität 5.4 Optimierung der Auslastung 5.4.1 Ziel, Grundidee und Datenstrukturen 5.4.2 Beschreibung des Algorithmus 5.4.3 Beweis der Korrektheit und Zeitkomplexität 5.5 Umsetzung in der Software AURELIE 5.5.1 Funktionsübersicht und Benutzerführung 5.5.2 Erfüllungsgrad der Anforderungen 5.5.3 Wesentliche Erweiterungen 5.5.4 Validierung der Optimierungsergebnisse 5.6 Fazit: Erreichen des vorgegebenen Entwicklungsziels 6 Schluss 6.1 Zusammenfassung der Ergebnisse 6.2 Implikationen für Forschung und planerische Praxis 6.3 Ausblick: mögliche Weiterentwicklungen A Technische Dokumentation A.1 Algorithmen, Teil I: grafische Modellierung und Modelltransformation A.1.1 Nichtrekursive Breitensuche von Knoten in einem Graphen A.1.2 Rekursive Breitensuche von Knoten in einem Graphen A.1.3 Nichtrekursive Tiefensuche von Knoten in einem Graphen A.1.4 Rekursive Tiefensuche von Knoten in einem Graphen A.1.5 Traversierung der Kanten eines grafischen Modells A.1.6 Validierung eines grafischen Modells A.1.7 Traversierung der Knoten eines grafischen Modells A.1.8 Transformation eines grafischen Modells A.2 Algorithmen, Teil II: mathematische Optimierung A.2.1 Minimierung einer allgemeinen linearen Zielfunktion A.2.2 Maximierung der technischen Kapazitäten A.2.3 Minimierung der Überlastung (Komponenten größer als eins) A.2.4 Optimierung der Auslastung (alle Komponenten) Abkürzungsverzeichnis Symbolverzeichnis Index Literaturverzeichnis / Recent developments lead to increasingly complex production systems, especially in the case of series production with a great number of variants. As a result, considerable challenges exist in planning the technical capacity with strategic time horizon efficiently, transparently and flexibly. Since numerous interdependencies must be considered, it can be observed in practice that completeness and understandability of the models are mutually exclusive. To solve this conflict of objectives, a software-based workflow is proposed, which was implemented in the newly developed software AURELIE. The workflow relies on the graphical modeling of a planned system of value streams, the automated validation and transformation of the graphical model and the automated optimization of the resulting mathematical model. The starting point is a graphical model, which is not only understandable, but also reflects the system completely with respect to its complexity. From a research perspective, the essential contribution, besides a formal system description and the identification of the research gap, lies in the development of the required models and algorithms. The degree of novelty is given by the holistic solution approach, which is proven feasible by the software AURELIE. From a practical perspective, efficiency, transparency and flexibility in the planning process are significantly increased. This is confirmed by the worldwide implementation of the software AURELIE at the locations of Bosch Rexroth AG.:Vorwort Referat Abbildungsverzeichnis Tabellenverzeichnis Algorithmenverzeichnis 1 Einführung 1.1 Ausgangssituation: Potenziale in der Planung 1.2 Problembeschreibung und Einordnung der Dissertation 1.3 Lösungsansatz: softwaregestützter Workflow 1.4 Forschungsfragen und Aufbau der Arbeit 2 Lösungsvorbereitung: Systemanalyse 2.1 Kontext: strategische Planung technischer Kapazität in der Serienfertigung 2.2 Systemstruktur: rekursive Zusammensetzung von Wertströmen 2.2.1 Prozessschritte, Stückzahlverteilung und Verknüpfungstypen 2.2.2 Prozesse und Wertströme 2.3 Systemschnittstelle: Funktionen der Eingaben und Ausgaben 2.3.1 Materialfluss: Bereitstellung von Komponenten für Produkte 2.3.2 Informationsfluss: Planung der Produktion 2.4 Grundlagen der Kalkulation: einfacher Fall eines Prozessschritts 2.4.1 Taktzeiten, Nutzungsgrad und Betriebsmittelzeit 2.4.2 Kapazität, Auslastung und Investitionen 2.5 Erweiterung der Kalkulation: allgemeiner Fall verknüpfter Prozessschritte 2.5.1 Sequenzielle Verknüpfung Beispiel SQ1 Beispiel SQ2 Beispiel SQ3 2.5.2 Alternative Verknüpfung Beispiel AL1 Beispiel AL2 Beispiel AL3 2.5.3 Selektive Verknüpfung Beispiel SL1 Beispiel SL2 2.6 Anforderungen in Bezug auf die Modellierung und die Optimierung 2.6.1 Kategorisierung möglicher Anforderungen 2.6.2 Formulierung der essenziellen Anforderungen 3 Stand der Technik 3.1 Auswahl zu evaluierender Softwaretypen 3.2 Software zur Erstellung von Tabellenkalkulationen 3.2.1 Beispiel: Microsoft Excel 3.2.2 Erfüllungsgrad der Anforderungen 3.3 Software zur Materialflusssimulation 3.3.1 Beispiel: Siemens Plant Simulation 3.3.2 Erfüllungsgrad der Anforderungen 3.4 Software für Supply Chain Management 3.4.1 Beispiel: SAP APO Supply Network Planning 3.4.2 Erfüllungsgrad der Anforderungen 3.5 Software zur Prozessmodellierung 3.5.1 Beispiel: BPMN mit idealem Interpreter und Optimierer 3.5.2 Erfüllungsgrad der Anforderungen 3.6 Fazit: Bedarf nach einer neuen Entwicklung 4 Lösungsschritt I: grafische Modellierung und Modelltransformation 4.1 Kurzeinführung: Graphentheorie und Komplexität 4.1.1 Graphentheorie 4.1.2 Komplexität von Algorithmen 4.2 Modellierung eines Systems durch Wertstromgraphen 4.2.1 Grafische Modellstruktur: Knoten und Kanten 4.2.2 Modellelemente: Quellen, Senken, Ressourcen und Flusspunkte 4.3 Validierung eines grafischen Modells 4.3.1 Ziel, Grundidee und Datenstrukturen 4.3.2 Beschreibung der Algorithmen 4.3.3 Beweis der Zeitkomplexität 4.4 Transformation eines grafischen Modells in ein mathematisches Modell 4.4.1 Mathematische Modellstruktur: Matrizen und Folgen 4.4.2 Ziel, Grundidee und Datenstrukturen 4.4.3 Beschreibung der Algorithmen 4.4.4 Beweis der Zeitkomplexität 4.5 Umsetzung in der Software AURELIE 4.5.1 Funktionsübersicht und Benutzerführung 4.5.2 Erfüllungsgrad der Anforderungen 4.6 Fazit: Erreichen des vorgegebenen Entwicklungsziels 5 Lösungsschritt II: mathematische Optimierung 5.1 Kurzeinführung: lineare Optimierung und Korrektheit 5.1.1 Lineare Optimierung 5.1.2 Korrektheit von Algorithmen 5.2 Maximierung der Kapazitäten 5.2.1 Ziel, Grundidee und Datenstrukturen 5.2.2 Beschreibung des Algorithmus 5.2.3 Beweis der Korrektheit und Zeitkomplexität 5.3 Minimierung der Investitionen 5.3.1 Ziel, Grundidee und Datenstrukturen 5.3.2 Beschreibung des Algorithmus 5.3.3 Beweis der Korrektheit und Zeitkomplexität 5.4 Optimierung der Auslastung 5.4.1 Ziel, Grundidee und Datenstrukturen 5.4.2 Beschreibung des Algorithmus 5.4.3 Beweis der Korrektheit und Zeitkomplexität 5.5 Umsetzung in der Software AURELIE 5.5.1 Funktionsübersicht und Benutzerführung 5.5.2 Erfüllungsgrad der Anforderungen 5.5.3 Wesentliche Erweiterungen 5.5.4 Validierung der Optimierungsergebnisse 5.6 Fazit: Erreichen des vorgegebenen Entwicklungsziels 6 Schluss 6.1 Zusammenfassung der Ergebnisse 6.2 Implikationen für Forschung und planerische Praxis 6.3 Ausblick: mögliche Weiterentwicklungen A Technische Dokumentation A.1 Algorithmen, Teil I: grafische Modellierung und Modelltransformation A.1.1 Nichtrekursive Breitensuche von Knoten in einem Graphen A.1.2 Rekursive Breitensuche von Knoten in einem Graphen A.1.3 Nichtrekursive Tiefensuche von Knoten in einem Graphen A.1.4 Rekursive Tiefensuche von Knoten in einem Graphen A.1.5 Traversierung der Kanten eines grafischen Modells A.1.6 Validierung eines grafischen Modells A.1.7 Traversierung der Knoten eines grafischen Modells A.1.8 Transformation eines grafischen Modells A.2 Algorithmen, Teil II: mathematische Optimierung A.2.1 Minimierung einer allgemeinen linearen Zielfunktion A.2.2 Maximierung der technischen Kapazitäten A.2.3 Minimierung der Überlastung (Komponenten größer als eins) A.2.4 Optimierung der Auslastung (alle Komponenten) Abkürzungsverzeichnis Symbolverzeichnis Index Literaturverzeichnis

Plant cell and tissue cultivations are of growing interest for the production of structurally complex and expensive plant-derived products, especially in pharmaceutical production. Problems with up-scaling, low yields and high-priced process conditions result in an increased demand for models to provide comprehension, simulation, and optimization of production processes. In the last 25 years, many models have evolved in plant biotechnology; the majority of them are specialized models for a few selected products or nutritional conditions. In this article we review, delineate, and discuss the concepts and characteristics of the most commonly used models. Therefore, the authors focus on models for plant suspension and submerged hairy root cultures. The article includes a short overview of modeling and mathematics and integrated parameters, as well as the application scope for each model. The review is meant to help researchers better understand and utilize the numerous models published for plant cultures, and to select the most suitable model for their purposes.