Die meistverwendete CALPHAD-Parametrisierung des binären Eisen-Kohlenstoff-Systems stammt von Gustafson (Scand. J. Metall. 14.5 (1985): 259-267). Wie es bei den meisten CALPHAD-Parametrisierungen der Fall ist, enthält diese Datenbank nur die gewählten Werte der Parameter, ohne weitere Informationen über Unsicherheit oder gewählte Minimierungsverfahren anzugeben. Aufgrund der fehlenden Informationen zu den zugrundeliegenden Daten und zum Prozess der Parameter-Generierung sind diese thermodynamischen Parametrisierungen nicht vollständig reproduzierbar. Für diese Arbeit wurde eine Datenbank erstellt, die die originalen thermodynamischen Daten zu Phasengrenzen, Aktivitäten und Bildungsenthalpien aus Experimenten und ab initio-Berechnungen sowie Metadaten, wie die Referenz zu den Originalpublikationen oder Details zu den Experimenten, enthält. Diese Python-basierte Datenbank erlaubt die Anpassung an benutzerspezifische Anforderungen und einfachere Wiederanpassung der Parameter zu einem späteren Zeitpunkt, wenn z.B. neue Daten hinzugefügt werden. Die Parameter-Optimierung für das CALPHAD-Assessment wurde mit ESPEI durchgeführt. Diese Open-Source-Software optimiert die Parameter mit einem Markov-Chain-Monte-Carlo-Algorithmus und Bayes¿scher Statistik und liefert die Wahrscheinlichkeitsverteilung der Parameter. Dies ermöglicht die Berechnung der Parameterunsicherheiten, so dass die Auswirkung der zugrundeliegenden Daten auf die gesuchten Messgrößen untersucht werden kann. Als Ergebnis werden ein optimiertes Phasendiagramm und die dazugehörige Parametrisierung in Form einer tdb-Datei präsentiert, die auf Basis der erstellten Datenbank modelliert wurden, sowie die Unsicherheiten der berechneten Phasengrenzen abschätzen. Die optimierte Parametrisierung ist vollständig reproduzierbar und besitzt eine höhere Wahrscheinlichkeit, die thermodynamischen Daten zu beschreiben als die von Gustafson vorgeschlagenen Parameter innerhalb der gewählten Fehlerdefinition. Es wird gezeigt, dass verschiedene Arten von Daten die Auswahl von verlässlichen Datensätzen unterstützen und die Genauigkeit der thermodynamischen Beschreibung erhöhen. Basierend auf den berechneten Unsicherheiten kann verdeutlicht werden, dass durch neue Datenpunkte im Bereich des Eutektikums und höherer Kohlenstoffgehalte die Verlässlichkeit der Parametrisierung weiter verbessert werden kann.