Systemidentifikation ist die experimentelle Modellierung eines dynamischen Systems, dessen Parameter oder grundlegende physikalische Prinzipien nicht genau bekannt sind. Im Speziellen können Messdaten in der Form von Input-Output-Datensätzen dazu verwendet werden die Parameter eines Systemmodells abzuschätzen. Das Ziel dieser Arbeit ist die Anwendung numerischer Methoden, um die Parametrisierung eines Modells zu realisieren, sodass das Verhalten eines nichtlinearen dynamischen Systems in einer optimalen Weise vorausberechnet wird. Die Basis des angewendeten Systemidentifikationsalgorithmus ist die Minimierung des Outputfehlers des Modells. Ein Anpassungsgütekriterium, die Summe der quadrierten vertikalen Abstände zwischen den Messwerten und dem simulierten Modelloutput zu diesen Zeitpunkten, soll minimiert werden. Da das Modell eines nichtlinearen dynamischen Systems durch nichtlinearen Differentialgleichungen beschrieben wird, wird ein numerisches Lösungsverfahren für die Lösung von Initialwertaufgaben in Verbindung mit einem numerischen Optimierungsverfahren für die Lösung des hervorgehenden nichtlinearen Kurvenanpassungsproblems für die Systemidentifikationsprozedur angewendet. Dieser Systemidentifikationsalgorithmus wird zur Lösung einiger Beispielprobleme angewendet: Ein Objekt im freien Fall unter Einfluss von Luftwiderstand, ein nichtlineares Feder-Masse-System und ein nichtlineares dynamisches Reibungsmodell, das LuGre-Modell. Verschiedene numerische Lösungsverfahren für Initialwertaufgaben sowie verschiedene numerische Optimierungsverfahren werden zur Lösung dieser Systemidentifikationsprobleme auf Basis von synthetisierten Messdaten angewendet. Der Einfluss von normalverteilten Messtörungen auf die identifizierten Parameter sowie die Möglichkeit der Nutzung mehrere Messdatensätze zur Eliminierung dieser störungsinduzierten Variation wird untersucht. Des Weiteren wird die Kombination von Messdatensätzen, die zu unterschiedlichen Anregungslevels des zu untersuchenden Objekts gehören, untersucht - eine Prozedur die von spezieller Bedeutung für die Systemidentifikation von nichtlinearen dynamischen Systemen ist, um alle Modellparameter genau zu identifizieren.