Finite-Elemente-Simulationen sind in der heutigen Konstruktionspraxis unverzichtbar. Sie werden immer häufiger eingesetzt, um die Festigkeit der zunehmend komplexen Produkte zu überprüfen. Durch den frühestmöglichen Einsatz von Finite-Elemente-Analysen können hohe Kosten eingespart werden, da Konstruktionsfehler vermieden und weniger Prototypen gefertigt werden müssen. Für die Erstellung effizienter und zuverlässiger Simulationen ist jedoch umfangreiches Expertenwissen erforderlich und aus Kapazitätsgründen können erfahrene Simulationsingenieure nicht für jeden Auslegungsschritt hinzugezogen werden. Daher werden die Simulationen nicht früh genug eingesetzt oder müssen von Konstruktionsingenieuren erstellt werden, die häufig weniger Erfahrung in der Simulation haben. Die fehlende Erfahrung der Simulationsanwender kann daher zu ungeeigneten Finite-Elemente-Modellen und falschen Konstruktionsentscheidungen führen, die sehr kostenintensive und zeitaufwendige Iterationen in der Produktentwicklung zur Folge haben. In dieser Arbeit wird ein wissensbasiertes Assistenzsystem entwickelt, das das notwendige Simulationswissen akquiriert und unerfahrenen Simulationsanwendern zur Verfügung stellt. Für den Aufbau der zugrundeliegenden Wissensbasis und die situative Unterstützung der Simulationsanwender wird ein neuartiger ontologiebasierter Ansatz vorgestellt. Die Innovation dieses Ansatzes liegt in der Adaption von KI-Methoden aus den Bereichen des Text Minings, Data Minings und Semantic Webs. Diese Methoden werden eingesetzt, um aus bestehenden, von erfahrenen Simulationsanwendern erstellten Simulationsmodellen und Textdokumenten das erforderliche Wissen zu extrahieren und gezielt abzurufen.