Die vorliegende Diplomarbeit eschäftigt sich mit der dentifikation linearer, parameterabhängiger Systeme (Linear Parameter-Varying, LPV). Das Identifikationsverfahren nach Fabio Previdi und Marco Lovera näher untersucht. Die Autoren betrachten SISO LPV Systeme mit einer Scheduling Variablen, die im Gegensatz zu anderen Identifikationsalgorithmen nicht bekannt sein muss, sondern auch identifiziert wird. Die Scheduling Variable ergibt sich als Ausgangssignal eines neuronalen Netzwerks, dessen Parameter im Algorithmus optimiert werden. Die Optimierung basiert auf der Minimierung des Vorhersagefehlers (Prediction Error Minimization) und wird durch die Verwendung des Separable Least Squares Algorithmus ausgeführt. Diese Methode wird anhand einiger Anwendungsbeispiele näher untersucht.