Ensemble-Lernen bezeichnet den kombinierten Einsatz mehrerer Basislernverfahren, deren Vorhersagen zu einem Gesamtmodell aggregiert werden. In der Werkstoffwissenschaft wird es in Materials Informatics für Regression und Klassifikation eingesetzt, um z.B. Phasenstabilitäten, mechanische Eigenschaften oder Versagenswahrscheinlichkeiten robuster und genauer vorherzusagen. Typische Verfahren sind Random Forests, Gradient Boosting und Stacking-Ansätze.