Eigenschaftsvorhersage nutzt statistische und physikinformierte Modelle, um aus Zusammensetzung, Prozessparametern und Mikrostruktur makroskopische Werkstoffeigenschaften abzuleiten. Methoden reichen von Dichtefunktional- und Molekulardynamikrechnungen über Phasenfeldmodelle bis zu maschinellem Lernen. Ziel ist die Beschleunigung der Werkstoffentwicklung, das Verständnis Struktur–Eigenschafts-Beziehungen und die Optimierung von Bauteilen unter realen Betriebsbedingungen.