Transferlernen beschreibt die Nutzung bereits trainierter Modelle oder repräsentativer Merkmalsräume, um neue materialwissenschaftliche Aufgaben mit begrenzten Daten effizient zu lösen. In der Werkstoffforschung wird Wissen aus großen Datensätzen (z.B. DFT, Mikroskopie) auf neue Legierungssysteme, Prozessfenster oder Eigenschaftsvorhersagen übertragen, wodurch Trainingsaufwand, Rechenkosten und Datenbedarf reduziert und Generalisierbarkeit verbessert werden.