Sagt für ein gegebenes Programm die zu erwartende Qualität voraus. Training passiert offline (Python/scikit-learn) auf echten Kundendaten; das fertige Modell wird als .onnx-Datei hier geladen – ohne dass zur Laufzeit Python installiert sein muss.

Kann

Aus Werkstoff, Masse, Zieltemperatur, Haltezeit etc. Härte, Verzugsrisiko, Dauer und Energieverbrauch vorhersagen – sobald ein Modell trainiert und hier abgelegt ist.

Kann nicht

Ohne Modell irgendetwas vorhersagen – meldet dann ehrlich „kein Modell trainiert" statt Zahlen zu erfinden. Erzeugt auch keine neuen Programme (macht 83).

Grenzen

Nur so gut wie die Trainingsdaten – wenige/unrepräsentative Chargen ergeben unsichere Prognosen, besonders für Werkstoffe/Größen außerhalb des Trainingsbereichs.