Automatisierung der CNC-/CAM-Programmierung (KI-Merkmalserkennung, Werkzeugweg- & NC-Code-Erzeugung)

CNC-Programmierer sind knapp, und jedes neue Bauteil bedeutet Stunden manueller CAM-Arbeit: das Modell lesen, Aufspannungen, Werkzeuge und Strategien wählen, Werkzeugwege programmieren und Code ausgeben. KI erkennt die Bearbeitungsmerkmale im 3D-Modell, schlägt mit den eigenen Werkzeugen und dem Know-how des Betriebs einen Arbeitsplan vor und entwirft das CAM-Programm für das 3-Achs- und 3+2-Achs-Fräsen. Der Programmierer prüft, simuliert und gibt das Ergebnis aus. Der Nutzen ist eine kürzere Programmierzeit je Bauteil und die Möglichkeit, dass weniger Experten mehr Aufträge bedienen.

Problem & Nutzen

• Heute: In Lohnfertigungsbetrieben (Lohnfertiger) und mechanischen Fertigungsabteilungen öffnet ein erfahrener Programmierer jedes Bauteil im CAM, wählt Merkmale und Aufspannungen von Hand, bestimmt Werkzeuge und Schnittdaten aus Erfahrung und prüft das Ergebnis in der Simulation. Bei kleinen Losen übersteigt die Programmierzeit oft die Maschinenzeit, und ausscheidende Programmierer nehmen ihr Know-how mit.
• KI-Nutzen: Automatische Merkmalserkennung (AFR) und regel-/ML-basierte Strategiewahl erzeugen in Minuten ein erstes vollständiges Programm. Der Experte wechselt vom Eintippen der Arbeitsgänge zum Prüfen und Optimieren. Angebote können präziser werden, weil Zykluszeiten aus einem Programmentwurf stammen statt aus einer Schätzung (siehe AGENT-027).
• Belege: Anbieter wie CloudNC (CAM Assist für Siemens NX, Autodesk Fusion und Mastercam) und Hexagon (ESPRIT mit KI-gestützter Programmierung) veröffentlichen Produktivitätsangaben für ihre eigenen Kunden [1][2]. Dies sind Herstellerzahlen; messen Sie daher an Ihrem eigenen Teilespektrum, bevor Sie sich darauf verlassen.

Varianten

• Prismatisches Fräsen (3-Achs, 3+2): der am besten abgedeckte Fall mit vielen Taschen, Bohrungen und Flächen. 2026 ausgereift.
• Drehen und Dreh-Fräsen: Merkmalserkennung für Rotationsteile, meist in klassischer CAM-Automatisierung (ESPRIT, Mastercam, hyperMILL); die KI-Abdeckung ist dünner.
• Blech und Nesting, Drahterodieren: verwandt, aber getrennt regelbasiert automatisiert.
• Lohnfertigung mit hoher Variantenvielfalt und kleinen Stückzahlen: der höchste Nutzen, weil jeder Auftrag neu ist.
• Serienfertigung: parametrische Vorlagen und wissensbasiertes CAM können genügen; KI bringt Mehrwert bei Varianten.
• Private Nutzung/Maker: Hobby-CNC-Anwender nutzen Fusion oder FreeCAD Path mit LLM-Hilfe für G-Code; das ist nicht produktionsreif.

So funktioniert es

1. 3D-Modell (+PMI/Toleranzen)
2. Merkmalserkennung (B-Rep-Graph / Regeln)
3. Vorschlag für Aufspannung & Spannmittel (Rohteil, Ausrichtung, Werkstückspannung)
4. Operationsplanung (Reihenfolge, Werkzeugauswahl aus der Betriebsbibliothek, Strategie, Vorschübe/Drehzahlen)
5. Werkzeugwegerzeugung (CAM-Kern)
6. Kollisions- & Materialabtragssimulation
7. Prüfung & Anpassung durch den Programmierer (Human-in-the-Loop)
8. Postprozessor
9. NC-Code für die jeweilige Maschine/Steuerung
10. Trockenlauf / Erstteilprüfung an der Maschine

• Merkmalserkennung: arbeitet auf der Grenzflächendarstellung (B-Rep: Flächen, Kanten, Nachbarschaft). Regelbasierte AFR ist gut etabliert. Lernbasierte Verfahren nutzen Graph Neural Networks auf der B-Rep (zum Beispiel UV-Net und BRepNet aus der Forschungsliteratur, mit dem Datensatz MFCAD) [5].
• Prozesswissen: Der Plan stammt aus der Werkzeugbibliothek des Betriebs, den Maschinenfähigkeiten, Werkstofftabellen und früheren Programmen. Neuere Produkte lernen Vorlieben aus freigegebenen Programmen.
• Werkzeugweg und Code: Ein deterministischer CAM-Kern berechnet die Werkzeugwege, und ein Postprozessor schreibt den maschinenspezifischen Code. Ein LLM, das G-Code direkt schreibt, ist hierfür nicht zuverlässig genug, da Kern und Simulation die geometrischen Garantien liefern. LLMs setzt man besser für die Benutzeroberfläche, Zusammenfassungen, Einrichteblätter und Codeerklärungen ein.
• Mensch-in-der-Schleife (Human-in-the-Loop): Der Programmierer genehmigt Aufspannungen, Werkzeuge und Strategien, prüft die Simulation auf Kollisionen und Anschnitte und gibt den Code frei. Der Maschinenbediener führt die Erstteilprüfung durch.

Datenaufbereitung

Benötigt werden 3D-Modelle mit PMI/Toleranzen, Zeichnungen, die Maschinen- und Werkzeugbibliothek, Schnittdaten, Spannmittel und frühere freigegebene NC-Programme. In einem typischen Betrieb sind sie über das CAD/PDM-System, Dateifreigaben, die CAM-Datenbank, das ERP (Arbeitspläne) und das Know-how erfahrener Programmierer verteilt. Typische Lücken sind Werkzeugbibliotheken mit Dubletten oder falscher Geometrie, Schnittdaten, die von der Praxis abweichen, Modelle ohne PMI, nur 2D-PDF-Zeichnungen oder Scans, Programme ohne Verknüpfung zu ihren Modellen und mehrere Versionen eines Bauteils.

Schritte der Aufbereitung: 1. Bereinigen Sie die Werkzeug- und Maschinenbibliothek (ein Eintrag je Werkzeug, korrekter Halter und Schnittdaten) und prüfen Sie die Zugriffsrechte auf Bauteildaten (PREP-009, PREP-023). 2. Verknüpfen Sie freigegebene Programme mit ihren CAD-Modellen und Revisionen in einer gemeinsamen Struktur (PREP-010). 3. Sammeln Sie gute Referenzprogramme und Einrichteblätter als Musterbeispiele (PREP-016). 4. Wandeln Sie Papier- oder PDF-Zeichnungen per OCR um, wo Toleranzen gelesen werden müssen (PREP-006, DOC-014). 5. Halten Sie Betriebsregeln wie bevorzugte Werkzeuge und Spannmittel schriftlich fest (PREP-013).

Planen Sie etwa 25 bis 35 Prozent des Aufwands ein. Die Werkzeugbibliothek ist der wichtigste Punkt: Eine saubere Bibliothek verbessert die Ergebnisse oft mehr als die Wahl des Produkts. Beginnen Sie mit 20 bis 50 repräsentativen Bauteilen.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A, da KI-Erweiterungen für gängige CAM-Systeme (CloudNC, ESPRIT, hyperMILL, NX CAM) ausgereift sind, im bestehenden CAM laufen und zum prismatischen Standardfräsen passen.
• Enterprise: Weg B, da der Nutzen darin liegt, das CAM über seine API mit eigenen Werkzeugbibliotheken, früheren Programmen, PLM und Einrichteblättern zu verbinden, wo kein Produkt von der Stange passt.
• Developer: Weg C, da FreeCAD CAM, OpenCAMLib und Open CASCADE eigene Experimente erlauben, mit einem lokalen Code-LLM zur G-Code-Prüfung.

Weg A — Kaufen (empfohlen für KMU)

• KI-Erweiterungen für CAM-Systeme: CloudNC CAM Assist (britischer Anbieter; Plug-in für Siemens NX, Autodesk Fusion und Mastercam) [1]; Hexagon ESPRIT und ESPRIT EDGE mit KI-basierter Programmierung [2].
• CAM-Suiten mit starker Automatisierung (EU gekennzeichnet): Siemens NX CAM [3], Autodesk Fusion, Mastercam (CNC Software, USA), hyperMILL (OPEN MIND, DE, EU), TopSolid (Missler, FR, EU), Tebis (DE, EU), CAMWorks, SolidCAM, GibbsCAM, ZW3D.
• Werkzeuge der Werkzeugmaschinenhersteller: werkstattorientierte Programmierung von DMG MORI, Heidenhain (DE, EU) und Siemens Sinumerik für dialog- und zyklenbasiertes Programmieren.
• Wählen Sie A, wenn: Sie bereits ein gängiges CAM einsetzen, die Teile überwiegend prismatisch gefräst werden und die Werkzeug-/Maschinenbibliotheken sauber sind. Führen Sie einen bezahlten Piloten mit 20 bis 50 Ihrer realen Bauteile durch.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Setzen Sie ein LLM (führendes Modell oder Mistral, EU-Anbieter) um ein bestehendes CAM über dessen API (zum Beispiel Fusion API, NX Open, Mastercam-/ESPRIT-APIs) ein, um Aufträge vorzubereiten, Einrichteblätter zu füllen, frühere Programme zu durchsuchen, G-Code zu erklären oder zu prüfen und Anpassungen am Postprozessor zu schreiben. Geometrie und Werkzeugweg-Erzeugung bleiben beim CAM-Kern.
• Kombinieren Sie dies mit Cloud-CAD-Diensten (zum Beispiel Autodesk Platform Services) und Hosting in einer EU-Region, wenn Zeichnungen vertraulich sind.
• Wählen Sie B, wenn: Sie Bindeglieder und Assistenten brauchen, nicht eine neue CAM-Engine.

Weg C — Selbst betreiben (Open Source)

• CAM und Kerne: FreeCAD Path/CAM-Arbeitsbereich, OpenCAMLib, Open CASCADE (OCCT) für den Umgang mit B-Rep sowie LinuxCNC oder Grbl für Simulation und Steuerung auf kleinen Maschinen [4]. G-Code-Prüfung mit offenen Werkzeugen wie CAMotics.
• Modelle: ein Code-LLM mit offenen Gewichten (zum Beispiel Qwen-Coder oder ähnlich), lokal betrieben für G-Code-Erklärung und -Prüfung. Lernbasierte AFR läuft auf CPU oder einer kleinen GPU.
• Hardware: HW1 für AFR und CAM; ergänzen Sie HW2 nur, wenn ein LLM-Assistent lokal läuft. Dieser Weg verlangt eigene CAM-Expertise und erreicht für die Produktion selten das kommerzielle CAM.

Weg D — Eigenes Training

Lohnt sich nur für Anbieter, große Serienhersteller oder Forschungsgruppen. Trainieren Sie Modelle zur Merkmalserkennung auf gelabelten B-Rep-Daten (öffentliche Sätze wie MFCAD, plus die eigenen gelabelten Bauteile des Unternehmens) und lernen Sie die Strategiewahl aus freigegebenen historischen Programmen samt Schnittdaten. Rechnen Sie mit Tausenden bereinigten Programmen, die mit ihren CAD-Modellen verknüpft sind, plus Monaten der Datenaufbereitung.

Stand der Technik (2026)

• Kommerzielles KI-CAM ist in Lohnfertigungsbetrieben von Demos in die Produktion übergegangen: automatische Aufspannungen, merkmalsbasierte Arbeitsgänge und Werkzeugwahl für 3-Achs- und 3+2-Achs-Teile, geliefert als Plug-ins im CAM, das der Betrieb ohnehin nutzt [1][2].
• Forschung: Graphbasiertes Lernen auf B-Reps (UV-Net, BRepNet und Nachfolger) verbessert die Merkmalserkennung, besonders bei sich durchdringenden Merkmalen, und Arbeiten zu generativem CAD (siehe SCI-024) speisen dieselben Datendarstellungen [5].
• Rolle der LLMs: Assistenten für Einrichteblätter, G-Code-Prüfung und Bearbeitung des Postprozessors. Die direkte Erzeugung von G-Code durch LLMs ist ein Forschungsthema, und veröffentlichte Ergebnisse zeigen Fehler bei allem, was über einfache Teile hinausgeht.
• Grenzen und Fehlerbilder: 5-Achs-Simultanbearbeitung, dünne Wände, tiefe Kavitäten, ratteranfällige Aufspannungen, schwer spannbare Teile und exotische Werkstoffe brauchen weiterhin einen Experten. AFR kann sich beeinflussende Merkmale falsch klassifizieren. Falsche Schnittdaten oder fehlende Kollisionsprüfungen können Teile zu Ausschuss machen oder Maschinen beschädigen. Maschinenspezifische Postprozessoren und Steuerungsdialekte bleiben ein manueller Einrichtungsaufwand. Werkzeug- und Spannmittelbibliotheken müssen genau sein, sonst ist der Plan falsch.

Gemeinsame Bausteine & Kombinationen

• Geometrie-Stack: teilt 3D-Vision- und B-Rep-/Graph-Methoden mit SCI-024 (Text/Skizze-zu-CAD), KNOW-020 (Suche ähnlicher Teile zur Wiederverwendung früherer Programme) und SCI-006 (Rückmeldung zur Fertigungsgerechtheit).
• Vorgelagert: DOC-013 (Verständnis von Zeichnungen und Toleranzen) liefert PMI; AGENT-027 (von der Anfrage zum Angebot) nutzt geschätzte Zykluszeiten.
• Angrenzend: CODE-016 (SPS-Code) und ROBO-003 (Roboterprogrammierung) lösen andere Programmierprobleme; SCI-013 für Anforderungen; VIS-057 und SCI-022 für Prozessüberwachung und Testdaten, die die Anpassung der Schnittdaten zurückspeisen können.
• Gemeinsame Infrastruktur: ein PDM/PLM oder Dateispeicher für Modelle, ein Stammdatenbestand für Werkzeuge und Schnittdaten sowie eine Workflow-Engine.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen für den Plug-in-Rollout, plus Monate für die Bereinigung von Werkzeugbibliotheken, Spannmitteln und Postprozessoren. Kostentreiber sind Arbeitsplatzlizenzen/Abonnements und die Pflege der Bibliotheken.
• Weg B: 2 bis 4 Monate für eine Assistenzschicht mit Anbindung an die CAM-API.
• Weg C: Monate und CAM-Fachpersonal.
• Weg D: Quartale, mit einem Daten- und ML-Team.
• Kennzahlen: Programmierstunden je Bauteil, Anteil der Programme, die ohne größere Änderungen übernommen werden, Erfolgsquote bei der Erstteilprüfung, Ausschuss- und Crash-Ereignisse, Maschinenauslastung, Durchlaufzeit von Angebot bis Auftrag, Zeit, bis neue Programmierer produktiv sind.

Menschen & Veränderung

Beginnen Sie mit dem Inhaber oder Produktionsleiter und der Leitung der CNC-Programmierung, die festlegen, welche Teile und Maschinen im Umfang sind. Beziehen Sie die CAM-Programmierer und Maschinenbediener früh ein: Sie genehmigen Aufspannungen und Strategien und kennen die Kniffe des Betriebs, daher sollten sie beim Aufbau der Werkzeugbibliothek helfen und den Piloten beurteilen. Die IT unterstützt Lizenzen, Dateizugriff und bei B und C die Integration; Kundenzeichnungen erfordern ggf. eine Vertraulichkeitsprüfung mit Recht/Compliance (GUIDE-010).

Betriebsrat: abhängig vom Einzelfall. Wenn ein Betriebsrat besteht, kann eine CAM-Erweiterung, die Programmieraktivitäten protokolliert oder Nutzungsdaten an den Anbieter sendet, unter §87 Abs. 1 Nr. 6 BetrVG fallen, und die Änderung von Arbeitsprozessen löst Informationspflichten nach §90 Abs. 1 Nr. 3 aus. Vereinbaren Sie, was protokolliert wird und dass keine individuelle Leistung bewertet wird (GUIDE-004). Personenbezogene Daten fallen kaum an; der Datenschutzbeauftragte ist nur einzubinden, wenn Nutzungstelemetrie an Anbieter gesendet wird.

KI-Kompetenz: Schulen Sie Programmierer darin, KI-erzeugte Aufspannungen zu prüfen, Simulationen zu kontrollieren und die Erstteilprüfung durchzuführen (GUIDE-006). Führen Sie einen Piloten mit zwei Programmierern an realen Aufträgen durch und messen Sie Programmierzeit und Nacharbeit (GUIDE-009). Typische Sorge: „Die Maschine ersetzt die Programmierer." Zeigen Sie, dass der Programmierer verantwortlich bleibt, jedes Programm freigibt und Zeit für komplexe Teile gewinnt (GUIDE-008).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): in der Regel minimales Risiko. Ein CAM-Planungsassistent ist keine Anwendung nach Anhang III, und die KI-Kompetenz (Art. 4) gilt für das Personal. Eine nach Art. 5 verbotene Praxis liegt nicht vor. Wird KI zur Sicherheitskomponente einer Maschine im Sinne der Maschinenverordnung, ist die Einstufung neu zu prüfen.
• Maschinensicherheit: Die Verordnung (EU) 2023/1230 gilt ab Januar 2027 und behandelt Maschinen mit selbstentwickelndem Verhalten. Programmierhilfen, die vor der Freigabe offline laufen, sind keine Sicherheitsfunktionen, doch jede adaptive Regelung in der Maschine muss bewertet werden [6].
• DSGVO: Modell- und Zeichnungsdaten enthalten in der Regel keine personenbezogenen Daten. Ausnahmen sind Programmierernamen in Protokollen und Bedienerdaten.
• Geistiges Eigentum und Vertraulichkeit: Kundenzeichnungen unterliegen häufig einer Geheimhaltungsvereinbarung (NDA). Prüfen Sie, ob Cloud-Werkzeuge mit hochgeladener Geometrie trainieren oder sie speichern, und bevorzugen Sie Hosting in der EU oder Verarbeitung On-Premises.
• Qualität und Haftung: Kunden aus Luftfahrt, Medizintechnik und Automobilindustrie verlangen nachvollziehbare, qualifizierte Prozesse (AS9100, ISO 13485, IATF 16949). Dokumentieren Sie KI-Vorschläge im Vergleich zu freigegebenen Programmen und lassen Sie den Programmierer verantwortlich bleiben.
• Gegenmaßnahmen: verpflichtende Simulation und Kollisionsprüfung, Erstteilprüfung, Versionskontrolle der Programme, eingeschränkte Freigaberechte.

Erste Schritte

1. Messen Sie die Ausgangslage: Programmierstunden je Bauteil, Teilespektrum (Anteil prismatischer 3-Achs-/3+2-Teile) und den Engpass bei den Programmierern.
2. Bereinigen Sie Werkzeugbibliothek, Schnittdaten, Spannmittel und Maschinen-/Postprozessor-Definitionen. KI ist nur so gut wie diese.
3. Testen Sie ein Plug-in nach Weg A an 20 bis 50 realen Bauteilen und vergleichen Sie mit den eigenen Zeiten und Zykluszeiten des Programmierers.
4. Legen Sie die Prüfcheckliste (Simulation, Werkzeugreichweite, Spannung, Erstteil) und die Freigaberegel fest.
5. Erfassen Sie freigegebene Programme systematisch, damit System und Team weiter lernen.

Quellen

1. CloudNC — CAM Assist — https://www.cloudnc.com
2. Hexagon Manufacturing Intelligence — ESPRIT CAM — https://hexagon.com/products/esprit
3. Siemens — NX CAM — https://plm.sw.siemens.com/en-US/nx/
4. FreeCAD Path/CAM and LinuxCNC documentation — https://wiki.freecad.org/CAM_Workbench and https://linuxcnc.org
5. Jayaraman et al. — UV-Net: Learning from Boundary Representations (CVPR 2021) — https://arxiv.org/abs/2006.10211
6. Regulation (EU) 2023/1230 on machinery — https://eur-lex.europa.eu/eli/reg/2023/1230/oj
7. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj