In den Materialwissenschaften bezeichnen Modelle formal‑mathematische oder computergestützte Repräsentationen physikalischer Vorgänge, die es ermöglichen, Werkstoffverhalten zu verstehen, vorherzusagen und zu optimieren. Sie verbinden experimentelle Daten, physikalische Gesetzmäßigkeiten und numerische Methoden auf unterschiedlichen Längenskalen.

Man unterscheidet grob zwischen physikbasierten, datengetriebenen und hybriden Modellen. Physikbasierte Modelle leiten Materialreaktionen aus Grundgleichungen ab (z.B. Kontinuumsmechanik, Thermodynamik, Kinetik). Dazu zählen atomistische Modelle (z.B. Molekulardynamik), mikromechanische Modelle, Mittelfeldmodelle (z.B. Phasenfeld) und Materialmodelle in der Kontinuumsmechanik, etwa plastische oder viskoelastische Konstitutivgesetze. Spezialisierte Ansätze wie kohäsive Zonenmodelle beschreiben Grenzflächenversagen, thermische Modelle die Wärmeleitung und -erzeugung in Prozessen.

Datengetriebene Modelle – etwa Regressionsmodelle oder neuronale Netze – approximieren Zusammenhänge primär aus Experimenten oder Simulationen, ohne alle mikrophysikalischen Details explizit abzubilden. Sie gewinnen an Bedeutung in der prädiktiven Werkstoffentwicklung und Prozessauslegung, insbesondere bei komplexen, hochdimensionalen Parameter­räumen.

Hybride Modellierung kombiniert physikalische und datengetriebene Ansätze, um sowohl physikalische Plausibilität als auch hohe Vorhersagegüte zu erreichen. Ein zentrales wissenschaftliches Kriterium für Modelle ist neben der Prognosefähigkeit die Gültigkeitsdomäne: Längen‑ und Zeitskalen, Belastungs- und Umgebungsbedingungen müssen klar definiert und validiert werden.