In der Netzwerkmodellierung werden Beziehungen zwischen Entitäten systematisch auf vereinfachte Art beschrieben. Dabei geht es darum die Struktur und Dynamik von Netzwerken zu erfassen, deren Formation und Evolution zu untersuchen, Theorien zu Mechanismen zu testen und Prognosen über zukünftige Netzwerkveränderungen aufstellen. Dabei zielen manche Modelle darauf ab, die reale Welt so präzise wie möglich abzubilden, während andere abstrakter sind und sich auf Verhaltensweisen in künstlichen oder hypothetischen Szenarien beziehen. Die Modellierung komplexer Netzwerke konfrontiert Forschende aber auch mit gewichtigen Herausforderungen bezüglich Skalierbarkeit, Validierung, Heterogenität von Akteuren und fehlenden Daten. Dieses Kapitel gibt einen Überblick zur Netzwerkmodellierung innerhalb der Sozialwissenschaften und geht dabei weiter auf Conditional Uniform Graphs (CUGs), Quadratic Assignment Procedure (QAPs), Exponential Random Graph Models (ERGMs) und Stochastic Actor-Oriented Models (SAOMs) ein. Jedes Modell bietet spezifische Vorteile und stellt einzigartige Herausforderungen dar. An einem Beispiel werden diese vier Modellierungstechniken angewandt um zu untersuchen inwiefern das Rauchverhalten von Jugendlichen mit ihren Freundschaftsbeziehungen zusammenhängt. Abschließend gibt dieses Kapitel einen Ausblick zu weiteren Techniken der Modellierung von Netzwerken.