Ein datengetriebener Ansatz nutzt statistische Methoden und maschinelles Lernen, um aus experimentellen und simulierten Datensätzen Strukturen‑Eigenschafts‑Prozess‑Beziehungen in Werkstoffen abzuleiten. Er ergänzt physikbasierte Modelle, ermöglicht Hochdurchsatz-Screening, inverse Werkstoffentwicklung, Unsicherheitsquantifizierung und die Vorhersage komplexer Phänomene wie Multiskalen-Kinetik, Korrosionsraten oder Versagenswahrscheinlichkeiten in heterogenen Systemen.