Diese Diplomarbeit beschäftigt sich mit der Materialdatengenerierung durch neuronale Netze. Anhand von Polyamid wird untersucht, ob eine geeignete standardisierte Vorgehensweise zur Beschreibung des Materialverhaltens in Abhängigkeit von verschiedenen Einflussgrößen gefunden werden kann. Die Parameter einer Funktion zur Beschreibung des Dehnungsverhaltens wurden für verschiedene Zustände mittels Biegeprüfung generiert. Dabei wurden Temperatur, Feuchte und Prüfgeschwindigkeit variiert. Die ermittelten Parameter wurden den neuronalen Netzen als Zielwerte zur Verfügung gestellt. Im Ergebnis zeigt sich die hohe Relevanz der Anzahl und der Qualität der Trainingsdaten. Das Materialverhalten wird durch die neuronalen Netze gut wiedergegeben, wenn die Daten der gesamten Prüfmatrix zur Verfügung gestellt werden. Nur in den Bereichen, wo die Qualität der Daten aus den Messungen nicht ausreichend gegeben ist, treten teilweise Probleme auf. Eine Reduzierung der Daten ist allerdings nicht möglich. Mit Trainingsdaten aus weniger Messungen wurden keine geeigneten Ergebnisse erzielt.