Gaußsche Prozessregression ist ein bayesisches, nichtparametrisches Regressionsverfahren, das Funktionen durch stochastische Prozesse charakterisiert. In der Werkstoffwissenschaft dient sie als Surrogatmodell für teure Simulationen oder Experimente, liefert Vorhersagen mit Unsicherheitsabschätzung und erlaubt aktive Lernstrategien. Durch geeignete Kernfunktionen können komplexe, räumlich korrelierte Struktur-Eigenschaftsbeziehungen abgebildet werden.