CAD/STEP + Claude: IP-Schutz in KI-Konstruktion 2026

Phillip Pham | 11 Min. Lesezeit | 02.06.2026

TL;DR

CAD STEP Claude ist 2026 das härteste IP-Thema in der F&E: Konstruktionsleiter wollen LLM-gestützte Geometrie-Analyse, Patentrecherche und Bauteil-Optimierung, IP-Manager sehen Trainings-Risiko, Geheimhaltungs-Verlust und Patent-Verletzungs-Risiken. Pexon Consulting baut für deutsche Maschinenbauer einen sicheren Stack: Geometrie-Anonymisierung vor dem Modell-Call, On-Prem-LLM für sensible Phasen, Prior-Art-Agent gegen Patent-Risiken und GeschGehG-konformes Logging — als 6-Wochen-Pilot.

Warum F&E nicht warten kann und nicht direkt zu Claude darf

In fast jedem Erstgespräch mit einem Maschinenbau-F&E-Leiter 2026 sehen wir das gleiche Bild: Die Konstrukteure haben Claude bereits informell ausprobiert, sind beeindruckt von der Qualität bei Spec-Analyse, Patent-Zusammenfassung und Geometrie-Beschreibung, und der F&E-Leiter überlegt, das offiziell freizugeben. Zur gleichen Zeit sagt der IP-Manager, dass jedes STEP-File, das in eine US-Cloud geht, einen Geschäftsgeheimnis-Verlust auslösen könnte. Beide haben recht — die Frage ist, wie man beide Anliegen zusammenbringt.

Der typische Workflow, der heute manuell läuft: Ein Konstrukteur arbeitet zwei Tage an einer Bauteil-Variante, recherchiert anschließend 4-6 Stunden in Patentdatenbanken, vergleicht mit Konkurrenz-Geometrien, prüft Toleranz-Constraints gegen bestehende Standards. Davon sind 70-80% reine Such-, Filter- und Vergleichs-Arbeit, die ein gut konfigurierter Agent in 15-30 Minuten erledigen könnte. Wer das ignoriert, verliert in der Geschwindigkeit gegen Wettbewerber, die heute schon AI-gestützt konstruieren.

Wer das aber naiv mit Claude.ai macht, verliert ggf. den Geschäftsgeheimnis-Schutz auf der STEP-Datei. Das ist nicht theoretisch — § 2 GeschGehG verlangt angemessene Geheimhaltungsmaßnahmen, und wenn dein Konstrukteur ein STEP-File einer Patentstrategie in eine US-API hochlädt, kann das im Streitfall als Verletzung der Geheimhaltungspflicht ausgelegt werden. Damit fällt der Schutz, und die Geometrie wird angreifbar.

§ 2 GeschGehG für STEP-Files konkret

Das Geschäftsgeheimnisgesetz definiert in § 2 vier Kriterien, die kumulativ erfüllt sein müssen, damit eine Information geschützt ist. Erstens muss die Information nicht allgemein bekannt sein. Zweitens muss sie einen wirtschaftlichen Wert haben, der aus der Geheimhaltung resultiert. Drittens müssen vom rechtmäßigen Inhaber angemessene Geheimhaltungsmaßnahmen ergriffen werden. Viertens muss ein berechtigtes Interesse an der Geheimhaltung bestehen.

Bei CAD-Konstruktionszeichnungen und STEP-Files sind Kriterium eins, zwei und vier meist offensichtlich erfüllt — die Geometrie ist nicht öffentlich, sie repräsentiert wettbewerbsdifferenzierende Innovation, und das Interesse an Geheimhaltung ist evident. Das kritische Kriterium in der Praxis ist Nummer drei: angemessene Geheimhaltungsmaßnahmen. Hier liegt der Hebel — und hier liegt das Problem mit naiver KI-Nutzung.

Konkret bedeutet „angemessen“ in 2026: Zugangsbeschränkung in den CAD-Systemen (PLM-Berechtigungen, Vault-Trennung), NDA mit allen externen Bearbeitern, klare Kennzeichnung als vertraulich, Transport-Verschlüsselung, keine Weitergabe an externe Systeme ohne kontrollierte Verarbeitung. Wenn ein Konstrukteur eine STEP-Datei in eine API hochlädt, deren Verarbeitung er nicht kontrollieren kann (Trainings-Nutzung, Caching, Sub-Auftragsverarbeitung), ist die Geheimhaltungs-Maßnahme nicht mehr gegeben.

Anthropic, OpenAI und alle Frontier-Provider bieten Enterprise-Verträge mit No-Training-Klauseln und teils Zero-Data-Retention. Das ist gut, aber rechtlich nicht ausreichend für GeschGehG-Vollschutz, weil die Verarbeitung in US-Datacentern stattfindet und die Detail-Kontrolle bei einem Drittland-Vertrag schwächer ist als bei einem deutschen Vertragspartner oder einem On-Prem-Setup. Konkrete IP-Anwälte raten in 2026 deshalb zu einer dreistufigen Architektur, die wir bei Pexon standardmäßig implementieren.

Vier Risiko-Vektoren bei naiver KI-Konstruktion

Bevor wir den Lösungs-Stack zeigen, hier die vier konkreten Risiko-Vektoren — sortiert nach Wahrscheinlichkeit und Schadenshöhe.

Der vierte Punkt ist statistisch der häufigste — Mitarbeiter laden vertrauliche STEP-Dateien in claude.ai hoch, weil es schnell geht und niemand kontrolliert. Das ist ein Policy-Problem mit technischen Konsequenzen. Wir adressieren das mit einer harten Tool-Gate-Architektur: Vertrauliche Daten landen technisch nicht in claude.ai, weil das System die Plattform-Wahl basierend auf Daten-Klassifikation erzwingt.

Der dritte Punkt ist der unbekannteste — Modelle können Designs generieren, die mit bestehenden Patenten kollidieren. Bei einem unserer F&E-Piloten hat das Modell eine Vorrichtungs-Geometrie vorgeschlagen, die wir später gegen die EPO-Datenbank prüften und feststellten: deckt sich zu 80% mit einem Konkurrent-Patent von 2018. Wäre das ohne Prior-Art-Check produktiv geworden, wäre der Schaden in Millionen-Höhe gelegen. Deshalb ist der Prior-Art-Check Pflicht — siehe Abschnitt unten.

Geometrie-Anonymisierung vor dem LLM-Call

Die erste Verteidigungslinie ist Geometrie-Anonymisierung: Bevor eine STEP-Datei in eine externe API geht, wird sie in mehreren Stufen vom konkreten geheimen Charakter befreit, ohne die Analyse-Tauglichkeit zu zerstören. Das funktioniert nicht für alle Use-Cases, aber für die meisten überraschend gut.

from cad_anonymizer import StepSanitizer

sanitizer = StepSanitizer(
    strip_metadata=True,
    remove_part_names=True,
    scale_uniform=1.0,
    feature_removal=["text_engravings", "part_numbers", "logos"],
    mesh_decimation=0.85,
    tolerance_obfuscation=True,
)

clean_geometry = sanitizer.process("part_v3_confidential.step")

Was diese Pipeline tut: Metadaten (Autor, Firma, Erstell-Zeitpunkt, Datei-Pfad) werden gestrippt. Part-Namen (oft sprechend wie „Hochdruck-Pumpe-Gen5-Inlet“) werden durch generische IDs ersetzt. Eingravierte Texte, Teilenummern und Logos werden entfernt. Mesh wird leicht dezimiert (85% der Original-Auflösung), damit hochauflösende Geheim-Geometrie nicht 1:1 rekonstruierbar ist. Toleranz-Werte werden auf Klassen-Niveau aggregiert („Präzisions-Klasse 7“ statt „± 0,0012 mm“).

Für 60-70% der typischen F&E-Use-Cases reicht das aus: Geometrie-Analyse, Konstruktions-Review, Toleranz-Plausibilisierung, Materialgerechtigkeit. Die anonymisierte Geometrie kann dann an Claude oder GPT gehen, mit dramatisch reduziertem IP-Risiko. Für die restlichen 30-40% — wo gerade die geheime Innovation analysiert werden soll — reicht Anonymisierung nicht, dann braucht es den On-Prem-Pfad.

Wichtiger Punkt aus unseren Projekten: Anonymisierung ist nie 100%. Wenn die Geometrie selbst die Innovation ist (z.B. eine neue Strömungs-Optimierung in einem Turbinen-Schaufelblatt), kann auch mesh-dezimierte Form noch genug Information enthalten. Wir liefern den Anonymizer als Pexon-Code-Repo mit klaren Use-Case-Empfehlungen — wann er reicht und wann nicht. Der Konstrukteur trifft die finale Klassifikations-Entscheidung, nicht das Tool.

On-Prem-LLM für sensible Phasen

Für die Geometrien, die wirklich Wettbewerbsvorteil sind, gibt es keinen Ersatz für On-Prem-Verarbeitung. Wir bauen das mit Qwen 3.5 Medium auf eigenen H100-GPUs oder mit einem deutsch-spezialisierten Modell von Aleph Alpha auf BSI-konformer Infrastruktur. Die Modelle haben weniger Frontier-Qualität als Claude Opus 4.7, sind aber für strukturierte F&E-Aufgaben (Geometrie-Beschreibung, Toleranz-Analyse, Spec-Vergleich) oft hinreichend.

Setup-Pattern aus unseren Projekten: vLLM-Cluster auf 2x H100 für die F&E-Last (typisch 200-500 Konstrukteur-Sessions pro Monat reichen), LangGraph als Orchestrator, Postgres für State und Audit-Trail, Litellm-Proxy als OpenAI-kompatibles Frontend, sodass die Konstrukteure ihre gewohnten IDE-Plugins (Continue, Copilot-ähnliche Setups) weiternutzen können. Investment 80-150k EUR für das Initial-Setup, monatliche Betriebskosten 1.500-3.000 EUR. Mehr im Self-Hosted Agent Stack Pattern.

Prior-Art-Check als Agent

Das ist die Komponente, die wir als Pexon-Differenzierer entwickelt haben und die in Standard-AI-Setups schlicht fehlt. Bevor ein vom LLM generierter Design-Vorschlag produktiv genutzt wird, läuft er gegen einen Prior-Art-Check-Agent, der die wichtigsten Patentdatenbanken prüft.

Der Agent macht in vier Schritten: Erstens generiert er aus der vorgeschlagenen Geometrie eine textuelle Beschreibung mit Fachbegriffen aus der CPC-Klassifikation. Zweitens stellt er Suchanfragen gegen EPO Espacenet, USPTO, DPMA und WIPO-PatentScope mit dieser Beschreibung. Drittens prüft er die Top-50-Treffer auf Geometrie-Ähnlichkeit (Image-Embedding-Vergleich von Patentzeichnungen mit der vorgeschlagenen Geometrie). Viertens generiert er einen Risiko-Report mit Klassifikation grün/gelb/rot pro relevanter Schutzrecht-Familie.

Konkret hat dieser Agent uns in einem F&E-Projekt drei Verletzungs-Risiken aufgedeckt, die der Konstrukteur in der manuellen Recherche übersehen hatte — zwei davon waren kritisch genug, dass die Konstruktion umgestaltet wurde. Bei einem mittelständischen Maschinenbauer mit 80 neuen Konstruktionen pro Jahr und einem geschätzten Patent-Risiko-Anteil von 5-10% sind das real 4-8 vermiedene Patent-Streitigkeiten pro Jahr, jede einzelne im sechs- bis siebenstelligen Bereich.

Wichtig: Der Agent ersetzt nicht den Patent-Anwalt. Er ersetzt die zeitraubende Vor-Recherche, die heute Konstrukteure oder interne Patent-Sachbearbeiter machen, und liefert dem Patent-Anwalt qualitativ bessere Vorarbeit. Die finale Risiko-Bewertung bleibt anwaltliche Aufgabe.

GeschGehG-konformes Logging

Wer im Streitfall beweisen muss, dass er „angemessene Geheimhaltungsmaßnahmen“ ergriffen hat (§ 2 Nr. 1c GeschGehG), braucht einen Audit-Trail, der das nachweist. Standard-LLM-Logging reicht dafür nicht.

Konkret bedeutet das im Pexon-Stack: Jeder Konstrukteur-Zugriff auf das System wird mit User-ID, Klassifikations-Stufe der bearbeiteten Geometrie, gewähltem Plattform-Tier (Anonymisiert auf Cloud / On-Prem-Direkt / On-Prem-mit-Anonymisierung), Hash der eingegebenen Geometrie, Hash des Outputs, Modell-Identifier, Timestamp und IP-Adresse geloggt. Die Logs liegen in einem separaten Audit-Postgres mit eingeschränkter Schreib-Berechtigung (nur Append, kein Update, kein Delete für normale Admin-Accounts).

Retention: typisch 10 Jahre nach Vorgangs-Ende, ausgerichtet an Patent-Schutzfristen. Bei einem GeschGehG-Streit kannst du dem Gericht und der Gegenseite nachweisen, dass deine Mitarbeiter ausschließlich kontrollierte Verarbeitungs-Pfade genutzt haben — das ist im Streit der entscheidende Beweis.

Ein Detail aus unseren Projekten: Wir setzen den Audit-Log so auf, dass der IP-Manager wöchentlich einen Report bekommt — Anzahl Konstrukteur-Sessions pro Tier, Auffälligkeiten (z.B. Konstrukteur lädt 80% seiner STEP-Files anonymisiert, ein anderer nur 20% — das ist eine Anomalie für ein Gespräch). Das ist proaktive Geheimhaltungs-Compliance statt reaktiver Streitfall-Verteidigung.

Pexon 6-Wochen-Pilot für IP-sichere Konstruktion

Wir liefern das vollständige Setup als 6-Wochen-Sprint mit festem Preis und festem Outcome. Im Lieferumfang enthalten: Klassifikations-Inventur der wichtigsten F&E-Doku-Typen, Geometrie-Anonymizer als Pexon-Code-Repo (Python, MIT-Lizenz, dein Eigentum), Anbindung an dein bestehendes PLM/CAD-System (Teamcenter, Windchill, Aras), On-Prem-LLM-Setup für sensible Phase, Prior-Art-Check-Agent gegen EPO/USPTO/DPMA, GeschGehG-konformer Audit-Trail in Postgres, Schulung von 8-12 Power-User-Konstrukteuren.

Investment 65.000-110.000 EUR je nach PLM-Komplexität und Anzahl integrierter Patentdatenbanken. Wir liefern das Repo als deinen Code, ohne Lock-in.

Häufig gestellte Fragen

Reicht der No-Training-Vertrag mit Anthropic oder OpenAI nicht aus?

Rechtlich gibt es zwei Ebenen. Erstens vertraglich: Der No-Training-Vertrag verpflichtet den Provider, eingegebene Daten nicht ins Modell-Training aufzunehmen. Das ist gut, aber ein Vertrag mit einem US-Vendor ist im Vollstreckungs-Streit komplexer als eine technische Maßnahme. Zweitens nach § 2 GeschGehG: Das Gesetz fragt nach angemessenen Maßnahmen — und im Zweifelsfall ist eine technische Verarbeitungs-Trennung mit Anonymisierung und/oder On-Prem ein stärkeres Argument als nur ein Vertragsschutz. Wir empfehlen den Hybrid: Vertrag plus technische Architektur, damit du beide Karten in der Hand hast.

Wie verlässlich ist die Geometrie-Anonymisierung wirklich?

Wir messen das in unseren Projekten mit zwei Tests. Erstens: Kann ein menschlicher Maschinenbau-Experte aus der anonymisierten Geometrie die Original-Innovation rekonstruieren — sechs unserer F&E-Test-Probanden konnten das bei mesh-dezimierten, metadaten-gestrippten STEP-Dateien in 12-18% der Fälle. Zweitens: Erkennt ein Modell, dass die Geometrie zu einer bestimmten Familie gehört — in 35-50% der Fälle wahrscheinlich, ohne dass die exakte Innovation entschlüsselt werden kann. Für die meisten Use-Cases ist die Restrisiko-Reduktion ausreichend. Bei den 30-40% Restfällen, wo die Innovation selbst die Geometrie ist, gehst du On-Prem.

Funktioniert das mit Teamcenter, Windchill oder Aras?

Ja, alle drei haben REST-APIs und Vault-Konzepte, die wir an unseren Stack anbinden. Bei Teamcenter über die TC OData / Active Workspace APIs, bei Windchill über die REST-Services seit Version 11, bei Aras über die OData-Interfaces. Setup-Aufwand für die PLM-Integration typisch 1-2 Wochen zusätzlich zum 6-Wochen-Kern. Wir haben das auch in unserem Cross-PLM-RAG-Pattern detailliert beschrieben.

Was kostet der Prior-Art-Check pro Anfrage?

Pro Patent-Datenbank-Query 0,02-0,15 EUR je nach Provider (DPMA ist günstiger als EPO Premium-Services, USPTO ist im Volumen frei aber langsam). Image-Embedding-Vergleiche kosten 0,001-0,01 EUR pro Patent-Bild bei On-Prem-Setup. Eine komplette Prior-Art-Prüfung für eine Konstruktion liegt typisch bei 8-25 EUR — gegen das Risiko einer Patent-Verletzungs-Klage ist das nichts.

Können wir den Geometrie-Anonymizer als Open-Source-Tool nutzen?

Aktuell ist der Anonymizer Teil unserer Pexon-Sprint-Lieferung — du bekommst den Code als dein Eigentum nach dem Pilot. Wir sind dran, eine MIT-lizenzierte Basis-Version öffentlich zu machen. Wenn das für dein Setup relevant ist, schreib uns an, dann priorisieren wir den Release.

Nächster Schritt

Wenn deine F&E gerade evaluiert, wie sie LLMs für Konstruktions-Workflows nutzen kann, ohne IP zu riskieren: Wir machen einen 60-Minuten-Architektur-Call mit dir und dem IP-Manager. Du beschreibst eure CAD/PLM-Landschaft und die Top-3-Konstruktions-Use-Cases, wir skizzieren konkreten Stack, Anonymizer-Konfiguration und Festpreis-Sprint.

Verwandte Themen