Die Integration von Produktvisualisierungen in Augmented Reality (AR) und Virtual Reality (VR) in Produktentwicklungsprozesse erfordert eine umfangreiche Datenvorverarbeitung, insbesondere bei der Geometrieaufbereitung von CAD-Modellen zu optimierten Polygonnetzen, die für AR/VR-Umgebungen geeignet sind. Um die Interaktivität, visuelle Qualität und Qualität der Arbeitsergebnisse der AR/VR-Anwendung zu gewährleisten, ist je nach Produktkomplexität und Leistung des Zielgeräts eine zeitaufwendige Optimierung erforderlich. Diese Arbeit befasst sich mit der Automatisierung der Geometrieaufbereitung, um den manuellen Aufwand und das benötigte Know-How für die Geometrieaufbereitung zu reduzieren.Auf Basis einer umfassenden Analyse einer Literaturrecherche zum Stand der Technik wird ein Framework für die automatisierte und skalierbare Geometrieaufbereitung formuliert. Darin wird ein strukturierter Prozess vorgeschlagen, der Automatisierung integriert, und die Leistungsfähigkeit der Zielplattformen, als auch den Einsatzzweck der Produktvisualisierung berücksichtigt. Die Steuerung der Tessellierungsparameter wird dabei als zentrale Stellschraube für die automatisierte Steuerung der Geometrieaufbereitung und darin eingesetzter Verfahren identifiziert und der neuartige prädiktive Ansatz für die Steuerung der Tessellierungsparameter entwickelt. Dabei werden Metriken zur Bestimmung der geometrischen Komplexität (Komplexitätsmetriken) und der subjektiv wahrgenommenen visuellen Qualität in die Geometrieaufbereitung integriert.Der prädiktive Ansatz nutzt Machine Learning Modelle, um die visuelle Qualität und Polygonzahl zu optimieren, ohne auf traditionelle iterative Dezimierungsverfahren zu-rückzugreifen. Die Untersuchung der Komplexitätsmetriken und die Entwicklung der Prognosemodelle werden ausführlich dargestellt und diskutiert. Zudem werden um-fangreiche Automatisierungspotentiale auf Basis der Komplexitätsmetriken dargestellt.Die entwickelten Konzepte und Verfahren werden in einer prototypischen Anwendung zur Geometrieaufbereitung implementiert und anhand von fünf Anwendungsbeispielen validiert. Die Ergebnisse werden in Bezug auf die erzeugte visuelle Qualität und Zeitersparnis im Vergleich zu herkömmlichen Verfahren diskutiert. Eine Zusammenfassung der Ergebnisse und Ausblick auf weiterführende Forschungsschwerpunkte schließt die Arbeit ab.