Der verschärfte Wettbewerb auf den globalisierten Märkten, wachsender Termindruck sowie steigende Qualitätsanforderungen machen das betriebs-spezifische Know-how bei der Anfertigung von Betriebsmitteln zum entscheidenden Wettbewerbsfaktor. Durch die in Werkzeug- und Formenbau-betrieben traditionell anzutreffende Werkstattorganisation wird dieses Wissen individuell durch die Erfahrungen der Facharbeiter gehalten, woraus eine geringe Transparenz der Fertigungsabläufe sowie ein hoher Anteil manueller Tätigkeiten bei der Arbeits-planung resultiert. Zur Standardisierung und Automatisierung von Fertigungs-abläufen ist folglich die Akquisition internen Erfahrungswissens erforderlich, die sowohl bei organisationalen als auch IT-orientierten Wissensmanagement-Ansätzen als hochaufwändig gilt. Anhand vorhandener globaler Modelle wurde in dieser Arbeit ein Ansatz entwickelt, der mit Hilfe maschineller Lernverfahren eine automatisierte Wissensakquisition ermöglicht. Auf Grundlage der abgeleiteten Wissensbedarfe "Werkzeuge" und "Schnittwerte" und den besonderen Randbedingungen bei der NC-Programmierung mit Hilfe eines grafisch interaktiven CAM-Systems wurden Verfahren konzipiert, die eine automatisierte Akquisition, Standardisierung und regelbasierte Repräsentation von Erfahrungswissen auf Basis einer großen Anzahl an Fallbeispielen ermöglicht. Die entworfenen Lernverfahren wurden prototypisch implementiert und ihre Funktionsfähigkeit anhand einer Datenbasis mit 24.000 realen Fallbeispielen (1 Fallbeispiel entspricht 1 Operation/NC-Programm) nachgewiesen. Die Plausibilität des akquirierten Wissens sowie seine automatisierte Verarbeitung mit Hilfe moderner kommerzieller CAM-Systeme wurde abschließend durch die NC-Programmierung eines Beispielwerkstücks unter Verwendung einer kommerziellen CAM-Software demonstriert.