Big Data in den Materialwissenschaften bezeichnet sehr große, heterogene Datenmengen aus Simulation, Hochdurchsatz-Experimenten und Charakterisierung (z.B. 4D-STEM, Tomografie), die klassische Auswertungsmethoden überfordern. Sie erfordert skalierbare Speicher- und Recheninfrastrukturen, standardisierte Datenformate und Metadaten sowie den Einsatz von Machine Learning zur Mustererkennung und Eigenschaftsvorhersage. Big-Data-Ansätze beschleunigen Materials-by-Design, Prozessoptimierung und die Entdeckung neuartiger Werkstoffe.