Das Ziel einer inversen Analyse ist die Identifikation unbekannter, potenziell stochastischer Parameter eines Systems mit Hilfe eines Modells des entsprechenden Systems sowie i. d. R. im Versuch gemessener und somit „verrauschter“ Daten. Beispiele für unbekannte Systemeigenschaften, die mittels inverser Analyse bestimmt werden können, sind Anfangs- und Randbedingungen oder Materialeigenschaften. Inverse Probleme sind, mathematisch gesehen, schlecht gestellt, d.h. die Existenz einer eindeutigen Lösung kann nicht garantiert werden. Die Kombination mit zusätzlichen Schwierigkeiten, die durch verrauschte Daten, numerische Rechenfehler und Modellierungsungenauigkeiten auftreten, führt dazu, dass deterministische Methoden oft keine brauchbaren Ergebnisse liefern. Probabilistische Ansätze liefern in vielen Fällen deutlich robustere Ergebnisse und erlauben zudem die Berechnung von Wahrscheinlichkeitsverteilungen für die unbekannten Modellparameter und eine mathematisch rigorose und konsistente Berechnung sowie Quantifizierung der verbleibenden Unsicherheiten.