Quantifizierung von Unsicherheiten (UQ) beschäftigt sich damit, wie sich die Auswirkung von fehlendem Wissen über Prozesse auf Zielgrößen quantifizieren lässt und ist eine wichtige Fragestellung z. B. in der Modellprädiktiven Regelung. Möchte man Auswertungen eines solchen unsicheren Modells durchführen, werden meist rechenintensive Simulationen benötigt, wodurch eine Optimierung von Parametern schwer durchführbar wird. In dieser Arbeit wird eine Methode vorgestellt, die versucht dieses Problem mit Hilfe dünner Gitter zu lösen. Konkret beinhaltet das die Erzeugung von Surrogaten auf denen die stochastische Analyse bzw. die Optimierung durchgeführt wird. Für die Anwendung gradientenbasierter Optimierungsverfahren werden glatte Funktionen benötigt, deshalb kommen B-Splines bei der Erzeugung der Surrogate zum Einsatz.