In dieser Arbeit wird eine parallele Evaluierung einer willkürlichen Funktion für integrationsbasierte Operationen des sparseSpACE Framework implementiert.  Wir nutzen diese neue Implementation in der Uncertainty Quantification und wenden sie auf das Hydrologiesimulationsmodell LARSIM an. Die Ergebnisse von sparseSpACE werden mit denen einer Monte-Carlo Simulation verglichen. Tests der Limitationen und Skalierbarkeit unserer Arbeit auf dünnen und adaptiven Gitter-Methoden zeigen, dass kleine bis mittelgroße Anwendungen von einer Parallelisierung profitieren können. Unsere Parallelisierungsmethode ist für Funktionen mit einer mittleren Ausführungszeit in der Größenordnung von Sekunden bis Minuten geeignet. Wir vermuten, dass mehrere Schwierigkeiten auftreten könnten, wenn unsere Methode auf Probleme mit längerer Ausführungszeit oder einer hohen Anzahl an benötigten Evaluationspunkten angewandt wird. Andere mögliche parallele Architekturen und deren Vor- und Nachteile gegenüber dieser Arbeit werden am Ende diskutiert. 

In this work we implement parallel evaluation of an arbitrary problem function for integration-based operations using the sparseSpACE framework.  We apply this implementation to Uncertainty Quantification using the LARSIM hydrology model as problem function and compare the sparseSpACE solution to the result of a Monte-Carlo simulation.

Testing the limitations and scalability of our work on Sparse Grid and Adaptive Refinement techniques shows that on small to medium problems a parallelisation can be profitable. Our parallel evaluation is best suited for functions with a medium execution time of seconds to minutes. We suspect a number of difficulties could arise when applying our technique to problems with longer execution time or a high amount of required evaluation points. Other possible architectures of parallelisation and their advantages and disadvantages over this work are discussed in the end.