Diskrete Punktwolkenobjekte verfügen über unzureichende Formbeschreiber für 3D-Geometrien. In diesem Artikel präsentieren wir eine neuartige Methode zur Aggregation hypothetischer Kurven in Punktwolken. Zunächst werden Sequenzen verbundener Punkte (Kurven) durch geführte Wanderungen in den Punktwolken gruppiert und anschließend zurückaggregiert, um deren punktweise Merkmale zu verstärken. Wir stellen eine effektive Implementierung der vorgeschlagenen Aggregationsstrategie vor, die einen neuartigen Kurvengruppierungsoperator sowie einen Kurvenaggregationsoperator beinhaltet. Unsere Methode wurde an mehreren Aufgaben der Punktwolkenanalyse evaluiert, wobei wir eine state-of-the-art-Klassifizierungsgenauigkeit von 94,2 % beim ModelNet40-Klassifizierungstest, eine Instanz-IoU von 86,8 beim ShapeNetPart-Segmentierungstest und einen Kosinusfehler von 0,11 beim ModelNet40-Normalenschätzungstest erzielten.