Tiefe generative Modelle für 3D-Formen haben erhebliches Forschungsinteresse geweckt. Dennoch generieren fast alle dieser Modelle diskrete Formdarstellungen, wie Voxel, Punktwolken und Polygonnetze. Wir präsentieren das erste 3D-generative Modell für eine radikal andere Formdarstellung – die Beschreibung einer Form als Sequenz von computerunterstützten Design-Operationen (CAD). Im Gegensatz zu Netzen und Punktwolken kodieren CAD-Modelle den Benutzererstellungsprozess von 3D-Formen, der in zahlreichen industriellen und ingenieurtechnischen Designaufgaben weit verbreitet ist. Die sequenzielle und irreguläre Struktur von CAD-Operationen stellt jedoch erhebliche Herausforderungen für bestehende 3D-generative Modelle dar. Indem wir einen Vergleich zwischen CAD-Operationen und natürlicher Sprache ziehen, schlagen wir ein CAD-generatives Netzwerk auf Basis des Transformers vor. Wir demonstrieren die Leistungsfähigkeit unseres Modells sowohl für die Form-Autoencoding als auch für die zufällige Formgenerierung. Um unser Netzwerk zu trainieren, haben wir einen neuen CAD-Datensatz erstellt, der 178.238 Modelle und ihre CAD-Bauprozesse enthält. Dieser Datensatz wurde öffentlich zugänglich gemacht, um zukünftige Forschung auf diesem Gebiet zu fördern.