Ziel des Projektes ist die Konzeption und prototypische Entwicklung eines Systems zur automatischen Leistungsanalyse von Simulationsalgorithmen, welches zudem in der Lage ist, die mit der Leistungsanalyse gewonnenen Ergebnisse zur schrittweisen Verbesserung einer automatischen Algorithmenselektion einzusetzen.

Das zu entwickelnde System soll es ermöglichen, Experimentsequenzen automatisch zu planen, durchzuführen, und deren Ergebnisse zu analysieren. Darüber hinaus sollen die dabei gewonnen Erkenntnisse in bereits vorhandene Abbildungen zur automatischen Algorithmenselektion einfließen. Um diese Weiterverarbeitung der Leistungsdaten ebenfalls zu automatisieren, sollen Ansätze zum inkrementellen Lernen von Selektionsabbildungen erarbeitet werden. Die gelernten Abbildungen sollen anschließend so in das Simulationssystem James II integriert werden, dass es sich damit vollautomatisch hinsichtlich der zu berechnenden Modelle und der vorhandenen Hardware (re-)konfigurieren kann.

Beide Aspekte des Projektes, die empirische Leistungsanalyse und die inkrementelle Algorithmenselektion, greifen dabei nahtlos ineinander: der erste Aspekt ist für die Gewinnung hinreichend vieler neuer Daten notwendig, während der zweite Aspekt von diesen Daten ausgeht um die Effizienz des Simulationssystems zu steigern.