Datengetriebene Methoden nutzen statistische Lernverfahren und KI, um Materialienverhalten aus experimentellen oder simulierten Datensätzen zu modellieren, ohne vollständige physikalische Modelle zu benötigen. Sie umfassen Regression, Klassifikation, Clustering und Surrogatmodelle und werden in der Werkstoffinformatik zur Eigenschaftsvorhersage, Prozessoptimierung, inverse Materialsuche und automatisierten Struktur-Eigenschafts-Korrelation eingesetzt, oft kombiniert mit physikbasierten Ansätzen.