Für Hersteller und technische Händler, deren Angebote mit Kundenzeichnungen beginnen: wie gut KI technische Zeichnungen liest, wo sie scheitert und wie Sie sie an eigenen Dateien testen.
Das erfahren Sie
- Welche Teile einer technischen Zeichnung allgemeine KI-Modelle zuverlässig lesen, aus vier veröffentlichten Tests
- Warum ChatGPT, Claude und Gemini Ansichten, Toleranzen und Teilenummern falsch lesen
- Was spezielle Zeichnungstools anders machen und welche ihrer Angaben gemessen sind
- Welche Dateiformate am besten funktionieren: Vektor-PDF, Scan, DXF oder STEP
- Ein Test in sechs Schritten für Ihre eigenen Zeichnungen, bevor KI ein Angebot berührt
Allgemeine KI-Modelle lesen den Text auf einer technischen Zeichnung gut und ihre Geometrie schlecht. In MechVQA, einem Benchmark aus 3.281 mechanischen Zeichnungen, der auf der ICML 2026 erschienen ist, beantwortete das stärkste allgemeine Modell 97,73 % der Fragen zu Schriftfeld und Tabellen richtig, aber nur 46 % der Fragen dazu, wie Teile zusammenpassen. In einer Studie zu Form- und Lagetoleranzen von 2024 fand GPT-4o ein Viertel der Toleranzangaben. Dieser Leitfaden zeigt, welche Teile einer Zeichnung ChatGPT, Claude, Gemini und Spezialtools zuverlässig lesen, welche Dateien helfen und wie Sie KI an Ihren eigenen Zeichnungen testen, bevor sie ein Angebot berührt.
Angebote in Fertigung und technischem Handel beginnen oft mit einer Kundenzeichnung. Aus ihr ergeben sich Werkstoff, Bearbeitung, Toleranzen und Preis. ChatGPT, Claude und Gemini nehmen Zeichnungen als PDF oder Bild an, und zwischen November 2024 und Juni 2026 haben vier Forschungsteams gemessen, wie gut allgemeine KI-Modelle sie lesen.
Im Folgenden steht jedes gemessene Ergebnis neben dem, was OpenAI, Anthropic und Google selbst über die Grenzen ihrer Bildverarbeitung dokumentieren. Angaben von Spezialanbietern ohne veröffentlichte Methode sind als Angaben gekennzeichnet. Der letzte Abschnitt ist ein Test für Ihre eigenen Zeichnungen.
Kann KI eine technische Zeichnung lesen?
KI liest den Text auf einer technischen Zeichnung zuverlässig und ihre Geometrie nur teilweise. In MechVQA, einem Benchmark aus 3.281 mechanischen Zeichnungen, der auf der ICML 2026 erschienen ist, beantwortete Gemini 3 Pro Preview, das stärkste getestete allgemeine Modell, 97,73 % der Fragen zu Schriftfeld und Tabellen richtig, 58 % der Fragen zu mehreren Ansichten und 46 % der Fragen zu Baugruppen.[1] GPT-5, Claude Sonnet 4.5 und GPT-4o zeigten dasselbe Muster.[1]
Bei den Toleranzen entscheidet sich ein Angebot. In einer Studie der singapurischen Forschungsagentur A*STAR vom November 2024 fand GPT-4o 25,39 % der Form- und Lagetoleranzen auf Zeichnungen aus einem Satz von 400 von Fachleuten annotierten Zeichnungen, und 40,97 % der gelieferten Einträge waren falsch.[2] Claude 3.5 Sonnet fand mehr (37,27 %) und lag öfter falsch (55,99 %).[2]
| Test | Veröffentlicht | Zeichnungen | Getestete Modelle | Ergebnis |
|---|---|---|---|---|
| MechVQA (Chinesische Akademie der Wissenschaften) | Mai 2026, ICML 2026 | 3.281 mechanische Teil- und Baugruppenzeichnungen | GPT-4o, GPT-5, Gemini 3 Pro Preview, Claude Sonnet 4.5 | Text und Tabellen 81,82–97,73 % richtig; Ansichten 44–60 %; Baugruppen 46–62 %[1] |
| Form- und Lagetoleranzen (A*STAR und NTU, Singapur) | November 2024 | 400 Zeichnungen | GPT-4o, Claude 3.5 Sonnet | 25,39–37,27 % der Einträge gefunden; 40,97–55,99 % der gelieferten Einträge falsch[2] |
| AECV-Bench (AECFoundry und UNSW) | Januar 2026 | 120 Grundrisse und 192 Fragen zu Zeichnungen | Gemini 3 Pro, GPT-5.2, Claude Opus 4.5 | Textlesen 0,7–0,95; Türen auf 16–39 % der Pläne exakt gezählt[3] |
| Enginuity (Predii und Oak Ridge National Laboratory) | Juni 2026 | Explosionszeichnungen aus Wartungshandbüchern des US-Militärs | GPT-5.2 Chat, Claude Opus 4.7, zwei offene Modelle | 2,6–3,2 von 5 bei Expertenfragen; Mengen übersehen, Teilebezeichnungen falsch gelesen[4] |
Lesen Sie die Werte mit ihren Bedingungen. Die Zeichnungen in MechVQA stammen aus Lehrbüchern, Handbüchern und Konstruktionsplattformen; alte Blaupausen und firmeneigene Zeichnungsgewohnheiten liegen laut den Autoren außerhalb des Tests.[1] Drei KI-Modelle bewerteten die Antworten, und die Autoren behielten nur Fragen, bei denen sich mehrere Modelle auf eine Antwort einigten.[1] Nach unserer Lesart begünstigt das Fragen, die Modelle ohnehin beantworten können; ein Kundenscan dürfte kaum besser abschneiden.
KI liest die Wörter auf einer Zeichnung fast fehlerfrei. Am Bauteil, das diese Wörter beschreiben, scheitert sie.
Zeichnungen sind nicht die einzige Datei, bei der KI besser wirkt, als sie misst. Für Arbeitsmappen siehe wo KI in Excel falsch rechnet; zu Fehlerquoten über viele Aufgaben siehe wie oft KI-Modelle falsch liegen.
Was steht auf einer technischen Zeichnung, und was liest KI richtig?
Eine technische Zeichnung trägt sieben Arten von Angaben, von denen ein Angebot abhängt, und KI liest sie ungleich gut. Das Schriftfeld, dessen Datenfelder ISO 7200 festlegt, enthält Sachnummer, Werkstoff und Änderungsstand. Ansichten zeigen die Geometrie. Maße und Toleranzen legen Größen und Grenzen fest. Form- und Lagetoleranzen nach ISO 1101, in den USA nach ASME Y14.5, bestimmen Form und Lage. Hinweise nennen Oberfläche und Wärmebehandlung.[16][17][19] Die veröffentlichten Tests von 2024 bis 2026 zeigen KI am stärksten beim Schriftfeld und am schwächsten bei Form- und Lagetoleranzen, Ansichten und Baugruppen.[1][2]
| Zeichnungsangabe | Was sie im Angebot entscheidet | Gemessenes Ergebnis |
|---|---|---|
| Schriftfeld und Stückliste | Sachnummer, Werkstoff, Änderungsstand, Menge | 81,82–97,73 % der Text- und Tabellenfragen richtig (MechVQA, 2026)[1] |
| Maße und Beschriftungen | Rohmaß, Bearbeitungsschritte | 75,90–87,74 % richtig (MechVQA)[1] |
| Allgemeintoleranz | Grenzen für jedes Maß ohne eigene Toleranz | In keinem der vier Tests gemessen[18] |
| Form- und Lagetoleranzen | Prüfaufwand, Maschinen- und Verfahrenswahl | 25,39–37,27 % der Einträge gefunden (Modelle von 2024)[2] |
| Technische Anforderungen | Oberflächenbehandlung, Wärmebehandlung, Fasen, Fremdbearbeitung | Modellauszüge mussten in 43,7 % der geprüften Fälle korrigiert werden[1] |
| Ansichten und Schnitte | Geometrie, verdeckte Formelemente | 44–60 % bei mehreren Ansichten, 52,08–79,17 % bei Schnitten (MechVQA)[1] |
| Baugruppenbeziehungen | Passungen und Fügepartner | 46–62 % (MechVQA)[1] |
Die Allgemeintoleranz braucht eine eigene Prüfung. DIN ISO 2768-1, identisch mit ISO 2768-1, legt Toleranzen für jedes Maß fest, das keine eigene trägt; ein schlichtes „50“ bedeutet also 50 in der Toleranzklasse, die einmal auf dem Blatt steht, etwa „ISO 2768-m“.[18] Ein Modell kann „50“ richtig abschreiben und die Anforderung trotzdem übersehen. Keiner der vier Tests misst das, also gehört es in Ihren eigenen Test.
Das Muster zählt mehr als jede einzelne Zahl. Vier Teams mit unterschiedlichen Zeichnungen und Modellen kommen zum selben Bild: Wörter werden am besten gelesen, Geometrie, Form- und Lagetoleranzen, Zählungen und Teilebezeichnungen am schlechtesten.[1][2][3][4]
Warum lesen allgemeine KI-Modelle Zeichnungen falsch?
Allgemeine KI-Modelle lesen Zeichnungen falsch, weil Zeichnungen dicht, teils gedreht und aus Linienarten aufgebaut sind, genau die Bedingungen, die ihre Hersteller als Schwächen nennen. OpenAIs Dokumentation nennt im Oktober 2026 kleinen Text, gedrehten Text, Grafiken mit wechselnden durchgezogenen, gestrichelten oder gepunkteten Linien und präzise räumliche Zuordnung als Schwächen.[6] Eine technische Zeichnung hat alle vier: Verdeckte Kanten sind gestrichelt, Mittellinien strichpunktiert, senkrechte Maße gedreht.
Die zweite Ursache ist die Größe. Claude verkleinert größere Bilder auf eine lange Kante von 2.576 Pixeln bei Claude 4.7 und neueren Modellen und auf 1.568 Pixel bei älteren.[7] Ein A1-Blatt ist 841 mm breit. Als Ganzes geschickt, bleiben bei der höheren Grenze etwa 3 Pixel pro Millimeter, bei der niedrigeren weniger als 2; eine 3 mm hohe Maßzahl ist dann etwa 9 oder 6 Pixel hoch (unsere Rechnung). OpenAI schreibt, dass Bilder vor der Auswertung verkleinert werden können, und Google, dass dichte Dokumente oft eine höhere Auflösungsstufe brauchen.[6][9]
Ein KI-Modell sieht nicht Ihre Zeichnung. Es sieht ein verkleinertes Bild davon. OpenAI und Anthropic dokumentieren beide eine Verkleinerung, Google koppelt die Detailtreue an eine Auflösungsstufe, also ist die kleinste Angabe auf dem Blatt das Erste, was Sie prüfen, nicht das Letzte.
Den Rest führen die MechVQA-Autoren auf die Zeichnung selbst zurück: Das Problem sei nicht nur die Texterkennung, sondern dichte Beschriftung, viele Symbole und schwaches räumliches Denken unter den Regeln der Projektion.[1] Ihre eigenen Daten zeigen, wo das landet:
- Ansichten. Als starke geschlossene Modelle die Metadaten des Benchmarks vorausfüllten, korrigierten Fachleute die Zahl der Ansichten in 41,6 % der geprüften Fälle und Schnittansichten in 37,8 %. Die Modelle zählten meist zu wenige Ansichten.[1]
- Hinweise. Technische Anforderungen wie Oberflächenbehandlung, Werte der Wärmebehandlung und Fasenangaben mussten in 43,7 % der Fälle korrigiert werden. Bei der Teilekategorie waren es 1,0 %.[1]
- Zählen. OpenAI und Anthropic dokumentieren beide nur ungefähre Zählungen.[6][7] Auf den Grundrissen von AECV-Bench zählten die drei führenden Modelle Türen auf 16–39 % der Pläne exakt.[3]
- Teilenummern. Bei Zeichnungen aus Wartungshandbüchern fanden die Enginuity-Autoren, dass Modelle Mengenangaben übersehen und Teilebezeichnungen falsch lesen, und warnen, dass falsche Teilenummern oder Mengen zu Fehlbestellungen führen können.[4]
Für Händler, die Ersatzteile aus Explosionszeichnungen anbieten, ist der letzte Punkt der erste, den Sie testen sollten. Die Scanqualität setzt eigene Grenzen; Texthöhe und Auflösung behandelt was KI aus Ihren Dokumenten lesen kann.
Was machen spezielle Zeichnungstools anders?
Spezielle Zeichnungstools sind auf Zeichnungen trainiert und liefern benannte Felder statt einer Chat-Antwort, und in der Forschung schlägt dieses Training allgemeine Modelle. In der A*STAR-Studie vom November 2024 fand ein kleines, auf 400 Zeichnungen nachtrainiertes Modell 51,34 % der Form- und Lagetoleranzen bei 23,29 % falschen Einträgen, gegenüber 25,39 % gefunden und 40,97 % falsch bei GPT-4o.[2] In MechVQA erreichte das eigens trainierte Modell der Autoren 84,85 von 100, das beste allgemeine Modell 77,28.[1]
Ein zweites A*STAR-System vom Oktober 2025 erkennt zuerst die Bereiche einer Zeichnung und liest dann jeden Bereich mit einem Modell, das auf 1.406 Zeichnungen trainiert wurde. Seine Entwickler maßen einen F1-Wert von 0,963 bei Zahlen wie Maßen, Toleranzrahmen und Rauheit und von 0,672 bei Text in Schriftfeldern und Hinweisen.[5] Das ist das Gegenteil allgemeiner Modelle: stark bei Zahlen, schwächer bei Wörtern. Beide Ergebnisse stammen aus den eigenen Testdaten der Entwickler.
Kommerzielle Tools versprechen mehr und veröffentlichen weniger. Stand Oktober 2026:
| Tool | Was der Anbieter dokumentiert | Angabe zur Genauigkeit | Unabhängiger Test gefunden |
|---|---|---|---|
| Werk24 (München) | Maße, Toleranzen, Form- und Lagetoleranzen nach ISO und ASME/ANSI sowie Werkstoffe als strukturierte Daten; jedes Feld mit seiner Stelle auf der Zeichnung; PDF, TIFF, PNG, JPEG[13] | 95 % Extraktionsgenauigkeit bei Standardangaben, bis 99 % mit eigener Qualitätsprüfung; Methode nicht veröffentlicht[13] | Keiner |
| Paperless Parts Wingman 2.0 (US-Angebotssoftware) | Oberflächenangaben, Biegelinien, Fasen, Gewinde, Schweißsymbole, Maßrollen (Mai 2026)[14] | 14-mal mehr technische Elemente pro Zeichnung als der Vorgänger; keine Genauigkeitsangabe[14] | Keiner |
| CADDi (Plattform für Zeichnungsdaten) | Geometrie und Spezifikationswerte aus 2D- und 3D-Daten; findet ähnliche Teile und Zeichnungen, durchsucht frühere Angebote[15] | Keine Genauigkeitsangabe für Zeichnungen[15] | Keiner |
Die Tabelle nennt Beispiele, keine Rangfolge und keine Auswahlliste. Ein Spezialtool unterscheidet sich durch die Ausgabe: Felder, die Sie einzeln prüfen können. Werk24 etwa dokumentiert für jedes Feld einen Konfidenzwert und eine Stelle auf der Zeichnung.[13] Das macht eine Prüfung Feld für Feld möglich; eine Chat-Antwort liefert keine solche Spur.
Auch im Mittelstand wird das erprobt. Das Mittelstand-Digital Zentrum Hannover hat mit dem Leichtbauhersteller INOMETA in einer Machbarkeitsstudie Text, Maße und Toleranzsymbole aus Zeichnungen für die Angebotskalkulation ausgelesen; die Zeichnungen seien „häufig nur eingeschränkt maschinenlesbar“, und der Ablauf ist ein an ausgewählten Beispielen getesteter Prototyp.[20]
Welche Dateiformate funktionieren am besten mit KI?
Ein aus dem CAD exportiertes Vektor-PDF ist die beste Datei, die ein allgemeiner KI-Assistent bekommen kann, ein Scan die schlechteste. Stand Oktober 2026 nehmen ChatGPT, Claude und Gemini PDFs und Bilder an, nennen aber kein CAD-Format wie DXF, DWG oder STEP unter den unterstützten Uploads.[10][11][12] Claude wandelt jede PDF-Seite in ein Bild um und fügt den ausgelesenen Text der Seite hinzu, den es nur gibt, wenn das PDF exportiert und nicht gescannt wurde.[8]
Drei dokumentierte Grenzen entscheiden, was der Assistent tatsächlich sieht:
- ChatGPT liest Text und Bilder in einem PDF, das direkt im Chat angehängt ist. Bei Dateien in einem Projekt oder einem GPT warnt OpenAI, dass eingebettete Bilder möglicherweise nicht automatisch einbezogen werden.[10] Hängen Sie Zeichnungen direkt an.
- Claude wertet die Bildinhalte von PDFs bis 100 Seiten aus; von 101 bis 1.000 Seiten verarbeitet es nur Text.[11] Ein Zeichnungssatz mit mehr als 100 Seiten in einem PDF verliert seine Zeichnungen.
- Bilder sind in ChatGPT auf 20 MB und in Claude auf 8.000 × 8.000 Pixel begrenzt, vor jeder Verkleinerung.[10][11][7]
Das 3D-Modell kann mehr tragen als die Zeichnung. ISO 1101 erlaubt, Toleranzen einem 3D-CAD-Modell zuzuordnen, statt sie auf einem Blatt einzutragen.[17] Plattformen wie CADDi lesen 2D- und 3D-Daten; die genannten Chat-Assistenten nennen kein CAD-Format.[15][10][11][12]
In der Praxis: Bitten Sie Kunden um das Vektor-PDF, nicht um einen Scan oder ein Foto, und zusätzlich um die STEP-Datei. Schicken Sie dichte Blätter ganz und als Ausschnitte der Detailansichten.
Was passiert mit Kundenzeichnungen, die Sie hochladen?
Eine Kundenzeichnung, die Sie in ein KI-Tool hochladen, verlässt Ihr Unternehmen unter den Bedingungen dieses Tools, und viele Zeichnungen kommen unter einer Geheimhaltungsvereinbarung. Stand Oktober 2026 gibt OpenAI an, Inhalte aus Geschäftsangeboten wie der API und ChatGPT Enterprise nicht zur Verbesserung seiner Modelle zu nutzen; bei Verbrauchertarifen hängt es von den Einstellungen ab.[10] Werk24 gibt an, Zeichnungen in der EU zu verarbeiten, in Frankfurt.[13]
- Zuerst die Vereinbarung lesen. Manche Kundenverträge schränken die Weitergabe von Zeichnungen an Dritte ein, KI-Anbieter eingeschlossen.
- Einen Geschäftstarif nutzen. Welche Anbieter mit hochgeladenen Inhalten trainieren, Tarif für Tarif: welche KI-Anbieter mit Ihren Daten trainieren.
- Den Verarbeitungsort kennen. Regionen und ihre Grenzen: ob Datenresidenz Ihre KI-Daten in Europa hält.
Wie testen Sie KI an Ihren eigenen Zeichnungen?
Testen Sie KI an einer Stichprobe Ihrer eigenen Zeichnungen, Feld für Feld, gegen Antworten, die Ihre Kalkulation vorher festhält. Die vier veröffentlichten Tests nutzten zwischen 2024 und 2026 zwischen 120 und 3.281 Zeichnungen und unterscheiden sich trotzdem nach Modell und Aufgabe; kein Wert lässt sich auf die Dateien Ihrer Kunden übertragen.[1][2][3][4] Ein Test Feld für Feld zeigt, welche Werte KI ausfüllen kann und welche immer ein Mensch braucht, bevor sie ein Angebot berührt.
30 aktuelle Zeichnungen auswählen
Zuerst die Lösung festhalten
Das Tool auf dieselben Dateien ansetzen
Fehlend und falsch getrennt zählen
Die schweren Fälle prüfen
Feld für Feld entscheiden
Die einseitige Fassung enthält die sechs Schritte und ein Bewertungsraster für zehn Felder: Prüfbogen für KI und Zeichnungen herunterladen (PDF).
Wann gehört das Zeichnungslesen in Ihre Angebotserstellung?
Das Zeichnungslesen gehört in ein Angebotssystem, wenn täglich Zeichnungen eingehen, mehrere Personen in der Kalkulation sie bearbeiten und die ausgelesenen Werte in einen Preis, einen ERP-Eintrag oder einen Auftrag fließen. Die Forschungsteams hinter MechVQA und Enginuity rieten 2026 beide davon ab, ihre Ergebnisse ohne menschliche Aufsicht einzusetzen.[1][4] Ein für den Prozess gebautes System arbeitet innerhalb dieser Grenze.
Ein Chat-Assistent beantwortet jede Zeichnung neu und hält nicht fest, was er gelesen hat. Ein System, das um Ihre Angebotserstellung gebaut ist, liest jede eingehende Zeichnung, füllt nur die Felder, die Ihren Test bestanden haben, markiert den Rest und zeigt jeden Wert neben der Stelle auf der Zeichnung, aus der er stammt. Die Kalkulation gibt frei, bevor ein Preis das Haus verlässt.
Das ist ein Custom Agent oder individuelle Software, mit Freigabeschritten, bevor etwas versendet wird. Für das Angebot selbst siehe was Sie vor dem Versand eines KI-Angebots prüfen.
Häufig gestellte Fragen
Kann ChatGPT technische Zeichnungen lesen? Teilweise. Die Modelle hinter ChatGPT lesen den Text auf einer Zeichnung gut und ihre Geometrie weniger zuverlässig. Im Benchmark MechVQA (ICML 2026) beantwortete GPT-5 93,18 % der Fragen zu Schriftfeld und Tabellen richtig, aber 60 % der Fragen zu Ansichten und Baugruppen. In einer Studie von 2024 fand GPT-4o 25,39 % der Form- und Lagetoleranzen auf von Fachleuten annotierten Zeichnungen. Prüfen Sie jeden Wert, von dem ein Angebot abhängt.
Welche KI liest technische Zeichnungen am besten? Für kein Tool ist unabhängig belegt, dass es Firmenzeichnungen zuverlässig liest. Unter den allgemeinen Modellen erreichte Gemini 3 Pro Preview 2026 in MechVQA den höchsten Gesamtwert (77,28 von 100), vor GPT-5 (75,44) und Claude Sonnet 4.5 (71,20). Spezialtools wie Werk24 nennen höhere Genauigkeiten, veröffentlichen aber keine Methode. Testen Sie jedes Tool an Ihren eigenen Zeichnungen.
Kann KI technische Zeichnungen auf Fehler prüfen? Bis zu einem gewissen Grad. In MechVQA (ICML 2026) beantworteten allgemeine Modelle 53,06 % bis 78,37 % der Fragen zu Fehlern richtig, etwa zu fehlenden oder widersprüchlichen Maßen, und 64,00 % bis 82,67 % der Fragen zur Konsistenz. Die Autoren von AECV-Bench schreiben, KI solle bei maßgeblichen Prüfungen nicht die einzige Quelle der Wahrheit sein. Nutzen Sie sie, um Auffälligkeiten für die Konstruktion zu markieren, nicht zur Freigabe.
Kann ChatGPT CAD-Dateien wie DWG oder STEP lesen? Nicht als Zeichnung. Stand Oktober 2026 nennt OpenAIs Liste der Dateien, die ChatGPT annimmt, PDFs, Dokumente, Tabellen, Präsentationen und Bilder, aber kein CAD-Format. Auch die Upload-Seiten von Anthropic und Google für Claude und Gemini nennen keines. Exportieren Sie die Zeichnung als Vektor-PDF und nutzen Sie CAD-fähige Software, wenn das 3D-Modell zählt.
Quellen
- Kou, Shi, Li u. a., MechVQA: Benchmarking and Enhancing Multimodal LLMs on Comprehensive Mechanical Drawing Understanding, arXiv:2605.30794, 29. Mai 2026 (v2 7. Juli 2026), ICML 2026, abgerufen am 26. Oktober 2026. Verwendet für Zeichnungssatz, Werte je Aufgabe (Tabelle 2), Korrekturquoten (Tabelle 5), Bewertungsverfahren und Geltungsbereich.
- Khan, Chen, Ng, Feng, Tan, Moon, Fine-Tuning Vision-Language Model for Automated Engineering Drawing Information Extraction, arXiv:2411.03707, 6. November 2024, abgerufen am 26. Oktober 2026. Verwendet für Präzision, Trefferquote und Fehlerquote von GPT-4o, Claude 3.5 Sonnet und nachtrainiertem Florence-2 (Tabelle 1).
- Kondratenko, Birhane, Hsain, Maciocci, AECV-Bench: Benchmarking Multimodal Models on Architectural and Engineering Drawings Understanding, arXiv:2601.04819, 8. Januar 2026, abgerufen am 26. Oktober 2026.
- Kumar, Motiyani, Kasturi u. a., Enginuity: A Dataset and Benchmark for Vision-Language Understanding of Engineering Diagrams, arXiv:2606.03410, 2. Juni 2026, abgerufen am 26. Oktober 2026.
- Khan, Yong, Chen u. a., A Multi-Stage Hybrid Framework for Automated Interpretation of Multi-View Engineering Drawings Using Vision Language Model, arXiv:2510.21862, 23. Oktober 2025, abgerufen am 26. Oktober 2026.
- OpenAI-API-Dokumentation, Images and vision, abgerufen am 26. Oktober 2026. Verwendet für die genannten Einschränkungen und die Verkleinerung.
- Claude Platform Docs, Vision, abgerufen am 26. Oktober 2026. Verwendet für Auflösungsstufen, Bildgrenzen und genannte Einschränkungen.
- Claude Platform Docs, PDF support, abgerufen am 26. Oktober 2026.
- Google AI for Developers, Media resolution, zuletzt aktualisiert am 13. Oktober 2026, abgerufen am 26. Oktober 2026.
- OpenAI Help Center, Uploading files and audio to ChatGPT, abgerufen am 26. Oktober 2026. Verwendet für unterstützte Formate, Bildgrenze, Bilder in PDFs, Projektdateien und Datennutzung.
- Anthropic Help Center, Upload files to Claude, 23. Juli 2026, abgerufen am 26. Oktober 2026.
- Gemini-Apps-Hilfe, Upload & analyze files in Gemini Apps, abgerufen am 26. Oktober 2026.
- Werk24, AI Feature Extraction for Technical Drawings und Produktseite, abgerufen am 26. Oktober 2026. Angaben des Anbieters.
- Paperless Parts, Paperless Parts Launches Wingman 2.0 to Bring Deeper Print Intelligence to the Quoting Workflow, 6. Mai 2026, abgerufen am 26. Oktober 2026. Angaben des Anbieters.
- CADDi, AI Data Platform for Manufacturing, abgerufen am 26. Oktober 2026. Angaben des Anbieters.
- ISO 7200:2004, Technical product documentation — Data fields in title blocks and document headers, abgerufen am 26. Oktober 2026.
- ISO 1101:2017, Geometrical product specifications (GPS) — Geometrical tolerancing, abgerufen am 26. Oktober 2026.
- DIN ISO 2768-1:1991-06, Allgemeintoleranzen; Toleranzen für Längen- und Winkelmaße ohne einzelne Toleranzeintragung, identisch mit ISO 2768-1:1989, abgerufen am 26. Oktober 2026.
- ASME, Y14.5 — Dimensioning and Tolerancing, 2018 (2024 bestätigt), abgerufen am 26. Oktober 2026.
- Mittelstand-Digital Zentrum Hannover, KI-basierte Unterstützung in der Angebotserstellung, Praxisbeispiel mit INOMETA, abgerufen am 26. Oktober 2026.
