Im Bereich der raum- und flächenbezogenen Daten (Punkte, Linien, Flächen) kommen häufig Methoden aus dem Bereich der Geostatistik, der Geoinformatik, des Maschinellen Lernens (Machine Learning) und der Mustererkennung (Pattern Recognition and Knowledge Discovery) zur Anwendung. Daraus können flächendeckend vielfältige archäologisch relevante Informationen zur Landschaft wie z. B. Bodenqualität, Bearbeitbarkeit und Nährstoffverfügbarkeit regionalisiert werden.
Neben der reinen Regionalisierung kleinräumiger oder punktueller Informationen liefern diese Methoden wichtige Informationen zur Analyse des betrachteten Prozesses, z. B. der Veränderung von Böden mit der Zeit. Gerade diese Analyse von Ursache–Wirkungskomplexen im räumlichen und zeitlichen Kontext ist ein zentrales Anliegen aktueller archäologischer Forschungen und ebenso des SFB1070 wo in der zweiten Förderphase unterschiedliche Arten von Materialität und Temporalität im Sinne von Ressourcengefügen erforscht werden sollen. Dabei identifizieren die Algorithmen nicht alleinig relevante kulturelle und umweltbezogene Variablen und deren signifikante Verbindung, sie unterstützen auch die Erforschung dynamischer Prozesse, z. B. ob die Siedlungsentwicklung vornehmlich soziokulturell oder natur-deterministisch angetrieben wird, eine Frage, die im SFB 1070 eine wichtige Rolle spielt.
