Der am Europäischen Kernforschungszentrum (CERN) betriebene Beschleunigerkomplex umfasst Tausende normal- und supraleitende Elektromagnete sowie Permanentmagnete, welche die Teilchenstrahlen leiten, fokussieren und defokussieren. In diesem Zusammenhang muss das Magnetfeld in der Regel strengen Qualitätsanforderungen genügen, wobei relative Fehler von nur wenigen Zehntausendstel toleriert werden. Für den Betrieb der Magnete werden Messungen und Simulationen der Magnetsysteme und der von ihnen erzeugten Felder verwendet. Trotz der Fortschritte in numerischen Methoden und Rechenleistung in den vergangenen Jahrzehnten sind simulierte Feldvorhersagen für den Betrieb von Beschleunigermagneten weiterhin unzureichend. Die Simulationen sind sowohl mit bekannten und unbekannten Fehlern als auch mit aleatorischen und epistemischen Unsicherheiten behaftet, beispielsweise ist das Wissen über die zugrunde liegenden physikalischen Prozesse oft begrenzt. Messungen wiederum sind mit zufälligen und systematischen Unsicherheiten behaftet. Um feldbezogene Größen vorherzusagen (Interpolation und Extrapolation) und um Einblicke in schwer messbare lokale Größen (Introspektion) zu erhalten, wurden Modelle von Beschleunigermagneten und den von ihnen erzeugten Feldern entwickelt, die Simulationen mit Messdaten kombinieren. Durch die Kombination beider Ansätze können einige der jeweiligen Einschränkungen überwunden werden. Diese Strategie wird auch als hybride Modellierung bezeichnet. Obwohl die Modelle von Beschleunigermagneten sehr verschieden sind, lassen sich einige gemeinsame Methoden zu ihrer Entwicklung und Anpassung erkennen. Dazu gehören deterministische und stochastische Modellaktualisierung sowie das Lösen inverser und nicht wohlgestellter Probleme. Unter Anwendung dieser Methoden werden in dieser Arbeit drei magnetostatische Modelle von Beschleunigermagneten entwickelt, die sich auf unterschiedliche Aspekte konzentrieren. Zuerst wird ein datengetriebenes stochastisches B(H)-Kurvenmodell, das auf Permeameter-Messungen von Materialproben des Jochs und der Karhunen-Loève-Entwicklung basiert, verwendet, um die Aktualisierung der B(H)-Kurve des Jochs durch eine Approximation mit niedrigem Rang zu regularisieren. Im zweiten Projekt werden die Permanentmagnetisierungen in einem dreidimensionalen Modell des ersten kurzen Halbach-Dipols des FASER-Experiments mit Bayes’scher Inferenz aktualisiert. Dabei wird aufgezeigt, dass die Diskrepanz zwischen den gemessenen und den vorhergesagten Multipolkoeffizienten höherer Ordnung durch die Anpassung der Magnetisierungen im Bereich ihrer Fertigungstoleranzen erklärt werden kann. Die dritte Anwendung befasst sich mit der Feldbeschreibung in gekrümmten Magnetsystemen, bei denen die klassische Feldbeschreibung basierend auf Multipolen in zylindrischen Koordinaten nicht richtig ist. Die toroidale harmonische Entwicklung ist eine bekannte Alternative, jedoch sind Algorithmen zur Bestimmung ihrer Koeffizienten anhand von Feldbeobachtungen bisher kaum untersucht worden. Zu diesem Zweck werden ein Identifizierungsansatz mit Hilfe der Methode der kleinsten Quadrate und eine integralbasierte Identifizierungsmethode hergeleitet und beurteilt. Die drei entwickelten Modelle folgen dem Konzept hybrider Modellierung, indem sie physikbasierte Methoden mit datenbasierten Methoden kombinieren. Die Einbeziehung des aus Messungen gewonnenen Wissens verbessert in allen untersuchten Anwendungsfällen die Feldvorhersagen der Modelle, sogar über den Bereich der Trainingsdaten hinaus. Die Validierung dieser Methodik im Kontext von Beschleunigermagneten trägt dazu bei, eine engere Verbindung zwischen den Modellen, den Datensätzen und den physischen Objekten herzustellen, die in der TE-MSC-TM Abteilung am CERN betrieben werden.