Intelligenz wird in den Ingenieur- und Materialwissenschaften zunehmend als Systemeigenschaft verstanden, bei der Wahrnehmung, Interpretation, Entscheidung und adaptives Handeln in einem geschlossenen Wirkzusammenhang integriert sind. Anders als die rein biologische Definition fokussiert die technische Perspektive auf die Fähigkeit von Systemen, aus Daten zu lernen, Unsicherheiten zu behandeln und ihr Verhalten zielgerichtet zu optimieren.

Man unterscheidet häufig zwischen künstlicher Intelligenz (KI) als softwarezentrierter, datengetriebener Ebene und verkörperter Intelligenz, bei der Sensorik, Aktorik, Werkstoffverhalten und Algorithmen in einem physikalischen System verschränkt sind. In der Werkstofftechnik bedeutet dies etwa, dass Prozessführungen (z.B. Schweißen, Wärmebehandlung, additive Fertigung) aus Prozessdaten, Zustandsgrößen und Materialmodellen Entscheidungen ableiten und ihre Parameter adaptiv anpassen.

Datenintegrierte KI verbindet experimentelle und betriebliche Daten mit physikalisch basierten Werkstoffmodellen (z.B. Mikrostrukturentwicklung, Schädigungsmechanismen). Systemintegrierte Intelligenz bezeichnet dagegen die Einbettung dieser KI-Funktionen in reale Anlagen, Sensoriknetzwerke und Werkstoffsysteme, etwa in schweißtechnischen Fertigungszellen mit online-Qualitätsüberwachung.

Für die Materialwissenschaft entsteht so ein Spektrum von Intelligenzen: von rein algorithmischer Mustererkennung über hybride, physik-informierte Modelle bis hin zu adaptiven, selbstoptimierenden Prozess-Werkstoff-Systemen. Zentrale wissenschaftliche Herausforderungen liegen in Transparenz, Validierung, Generalisierbarkeit und der robusten Verknüpfung datengetriebener Ansätze mit etablierter Werkstofftheorie.