Die erfolgreiche Anwendung der modellbasierten Systemanalyse verlangt spezielle Fähigkeiten von demjenigen, der diesen Prozess durchführt, insbesondere ein hohes Maß an Abstraktionsfähigkeit und ein sicheres Gespür für die Aufwand-Nutzen-Relation.
Bei der modellbasierten Analyse können eine Reihe von Problemen auftreten, die mit dem Vorgang als solchem direkt nichts zu tun haben, die aber die gesamte Vorgehensweise stark beeinflussen können. Insbesondere bei der modellbasierten Analyse sind oft sehr viele Experimentreihen auszuführen. Dies hat folgende Konsequenzen:
Rechenzeitproblem: Durch die hohe Anzahl auszuführender Experimente erreicht man sehr schnell die Leistungsgrenze des Bearbeitungsrechners, wenn man akzeptable Bearbeitungszeiten haben will. Ein Ausweg bildet dann die Verteilung von Einzelexperimenten auf einen Pool von Rechnern.
Verwaltungsproblem: Trotz der iterativen Vorgehensweise bei modellbasierten Ansätzen muss die Konsistenz der Ergebnisse in jedem Fall gewahrt bleiben. Die Reproduzierbarkeit der Ergebnisse muss immer möglich sein, die Fragestellung "Wie sind die Ergebnisse entstanden" sollte immer beantwortbar sein, ebenso die Frage „Welche Ergebnisse sind nach Entdeckung eines Modellfehlers zu verwerfen“. Dazu ist eine Experiment- und Modelldatenbank notwendig, die die Entstehungsgeschichte der Ergebnisse (Werkzeugvariante, Modellvariante, Modellparameter, Ergebnisse, ...) verwaltet.
Datenflut: Man benötigt leistungsfähige Werkzeuge um Ergebnisse aus den verschiedenen Experimentreihen zu bearbeiten und anzuzeigen.
Es besteht in der Regel die Notwendigkeit, verschiedene Programmsysteme miteinander zu koppeln, etwa wenn man kontinuierliche und diskrete Modelle miteinander koppeln will. Die Anforderungen sind vielfältiger Natur:
syntaktische Kopplung,
semantische Kopplung,
Echtzeitfähigkeit bei online-Anwendungen.
Bei modellbasierten Experimenten mit großem Parameterraum besteht oft das Problem, ein Optimum bei einer vertretbaren Anzahl von Einzelexperimenten zu finden. Hier können genetische Algorithmen zum Ziel führen.
Die Nutzung von kommerziellen Werkzeugen (COTS) wird oft propagiert, ist aber mit vielen Restriktionen verbunden. Über diese muss man sich im Klaren sein
Die Offenheit ist oft stark eingeschränkt: Import und Export von Systemstrukturen, Parametern, Ergebnissen u.s.w.
Die Erweiterbarkeit ist immer begrenzt.
Der Zuverlässigkeit des Herstellers ist im Vorfeld des Einsatzes Beachtung zu schenken: Wartung, Weiterentwicklung, Bestehen am Markt.