Verstehen ("understanding") in der Werkstoffforschung bezeichnet die kohärente, kausal begründete Einbettung von empirischen Beobachtungen in theoretische und modellbasierte Rahmenwerke. Es geht über reine Datenkorrelation hinaus und umfasst die Fähigkeit, Struktur‑Eigenschafts‑Beziehungen zu erklären, zu prognostizieren und gezielt zu nutzen.

Wesentlich ist die Verknüpfung unterschiedlicher Beschreibungsebenen: von quantenmechanischen Zuständen über Mikrostrukturentwicklung bis hin zum makroskopischen Bauteilverhalten. Verstehen liegt dann vor, wenn diese Ebenen konsistent gekoppelt sind und Parameteränderungen (z.B. Legierungszusätze, Prozessbedingungen) mit ihren Auswirkungen auf Eigenschaften (z.B. Kriechverhalten, Korrosionsbeständigkeit) rational hergeleitet werden können.

In modernen, datengetriebenen Ansätzen (Materials Informatics, Machine Learning) wird zwischen statistischer Vorhersagegüte und physikalischem Verstehen unterschieden. Ein Modell kann hohe Prognosequalität liefern, ohne mechanistisch interpretierbar zu sein. Ziel fortgeschrittener Forschung ist daher oft interpretable AI, bei der lernbasierte Modelle neue Hypothesen über Defektmechanismen, Phasenumwandlungen oder Diffusionsprozesse generieren, die experimentell und theoretisch prüfbar sind.

Understandings im Plural verweist auf die Vielzahl domänenspezifischer Teilverstehensformen (z.B. Bruchmechanik, Diffusion, Phasendiagramme), die in multiskaligen, interdisziplinären Projekten integriert werden müssen. Der wissenschaftliche Fortschritt beruht dabei auf zyklischen Prozessen aus Modellbildung, Simulation, Experiment und kritischer Validierung, in denen bestehendes Verstehen präzisiert, erweitert oder verworfen wird.