Wir formulieren ein datengetriebenes Rechenparadigma, das als max-ent datengetriebenes Rechnen bezeichnet wird, welches das auf Distanzminimierung basierende datengetriebene Rechnen verallgemeinert und gegenüber Ausreißern robust ist. Die Robustheit wird mittels Clustering-Analyse erreicht. Insbesondere weisen wir Datensätzen eine variable Relevanz zu, die von der Entfernung zum Lösungspunkt sowie von der Maximum-Entropy-Schätzung abhängt. Das resultierende Verfahren besteht in der Minimierung einer geeignet definierten freien Energie über den Phasenraum unter Berücksichtigung von Kompatibilitäts- und Gleichgewichtsbedingungen. Die auf Distanzminimierung basierenden datengetriebenen Verfahren ergeben sich im Grenzfall unendlich niedriger Temperatur. Wir präsentieren ausgewählte numerische Tests, die die Konvergenzeigenschaften der max-ent datengetriebenen Löser und Lösungen nachweisen.