In der Systembiologie bilden chemische Reaktionsnetzwerke (Chemical Reaction Networks, CRNs) einen etablierten Formalismus zur Modellierung molekularer Interaktionsprozesse, sowohl in deterministischen, zeitkontinuierlichen Interpretationen auf Basis gewöhnlicher Differentialgleichungen (ODEs) als auch in stochastischen Interpretationen auf Basis zeitkontinuierlicher Markov-Ketten (CTMCs). Trotz jüngster Fortschritte bleibt die Inferenz von CRN-Modellen aus experimentellen Zeitreihendaten eine Herausforderung. Zu den zentralen offenen Problemen gehören die Robustheit gegenüber verrauschten und nur teilweise beobachteten Daten, das Vorhandensein unbeobachteter Variablen, die Einbindung biologischen Vorwissens zur Verbesserung der Interpretierbarkeit sowie das Fehlen standardisierter Benchmarks für die Evaluation. Das Projekt INCRE (Inferring Continuous-Time Reaction Models from Time-Series Data) zielt darauf ab, diese Herausforderungen durch die Entwicklung neuer Methoden zur Inferenz von CRNs aus zeitlichen Daten anzugehen. INCRE baut auf den Vorarbeiten der Partner zum Lernen von CRN-Modellen auf, mit besonderem Fokus auf Beam-Search-Verfahren und simulationsbasierten Lernmethoden. Darüber hinaus wird das Projekt Benchmark-Datensätze und Evaluationsprotokolle entwickeln, um einen systematischen Vergleich von Methoden zu ermöglichen und den Fortschritt in der datengetriebenen Inferenz von Simulationsmodellen zu fördern. Ein zentraler Aspekt von INCRE ist die Zusammenarbeit zwischen Inria Paris-Saclay und der Universität Rostock, die komplementäre Expertise in formaler Modellierung, Simulation und datengetriebener Entwicklung zellbiologischer Modelle vereint. Zu den erwarteten Ergebnissen von INCRE gehören neuartige Algorithmen, aussagekräftige Benchmarks und methodische Fortschritte, von denen sowohl die Systembiologie-Community als auch das breitere Feld der datengetriebenen Inferenz von Simulationsmodellen profitieren werden.