Datengetriebene Gestaltung nutzt statistische Modelle, Machine Learning und große Datenmengen, um Struktur‑Eigenschafts‑Prozess‑Beziehungen zu erfassen und neue Werkstoffe oder Prozesse zu optimieren. In der Werkstoffwissenschaft umfasst sie High-Throughput-Experimente, In‑Silico‑Screening, inverse Designansätze und Unsicherheitsquantifizierung zur beschleunigten, zielgerichteten Werkstoffentwicklung.