Bei der parallelisierten Simulation von Problemen in der Molekulardynamik wird allgemein eine möglichst schnelle und genaue Schätzung des Rechenaufwandes für jede Gebietseinheit benötigt, um den Gesamtaufwand über eine dynamische Gebietspartitionierung gleichmäßig auf mehrere Prozesse verteilen zu können. In dieser Arbeit werden für die Erstellung einer Schätzfunktion anstelle von theoretischen Betrachtungen neuronale Netze auf vorhandenen bzw. generierten Simulationsdaten trainiert; zusätzlich optimiert werden die Netze dabei durch eine Anpassung der Hyperparameter mittels eines evolutionären Algorithmus. Dabei konnte kein allzu zufriedenstellendes Ergebnis erzielt werden und die Wirkung der evolutionären Optimierung blieb begrenzt. Es bleibt zu hoffen, dass mit weiteren Anpassungen und Verfeinerungen oder einem anderen Ansatz in der Zukunft ein besseres Resultat erzielt werden kann.