Ein Eckpfeiler der statistischen Inferenz, das Maximum entropy Framework wird zunehmend angewendet, um deskriptive und prädiktive Modelle biologischer Systeme, insbesondere komplexer biologischer Netzwerke, aus großen experimentellen Datensätzen zu konstruieren. Sowohl seine breite Anwendbarkeit als auch der Erfolg in verschiedenen Kontexten hängen von seiner konzeptionellen Einfachheit und mathematischen Solidität ab. Hier versuchen wir, die Grundelemente des Prinzips der maximalen Entropie ausgehend vom Begriff der Entropie kurz zu betrachten und seine Nützlichkeit für die Analyse biologischer Systeme zu beschreiben. Als Beispiele konzentrieren wir uns speziell auf das Problem der Rekonstruktion von Gen-Interaktionsnetzwerken aus Expressionsdaten und auf neuere Arbeiten, die versuchen, unser Verständnis des bakteriellen Metabolismus auf Systemebene zu erweitern. Schließlich heben wir einige Erweiterungen und mögliche Einschränkungen des Ansatzes der maximalen Entropie hervor und weisen auf neuere Entwicklungen hin, die wahrscheinlich eine Schlüsselrolle bei den bevorstehenden Herausforderungen bei der Extraktion von Strukturen und Informationen aus immer reichhaltigeren biologischen Daten mit hohem Durchsatz spielen werden.