Die Punktwolkenabtastung ist ein weniger erforschtes Thema im Bereich der Datenrepräsentation. Die am häufigsten verwendeten Abtastmethoden sind weiterhin die klassische Zufallsabtastung und die Abtastung des entferntesten Punkts. Mit der Entwicklung von neuronalen Netzen wurden verschiedene Methoden vorgeschlagen, um Punktwolken auf eine taskbasierte Lernweise abzutasten. Diese Methoden sind jedoch hauptsächlich generativ basiert, anstatt Punkte direkt durch mathematische Statistik auszuwählen. Inspiriert durch den Canny-Randdetektionsalgorithmus für Bilder und unterstützt durch den Aufmerksamkeitsmechanismus, präsentiert dieser Artikel eine nicht-generative, aufmerksamkeitbasierte Methode zur Randabtastung von Punktwolken (APES), die ausgeprägte Punkte im Umriß der Punktwolke erfasst. Sowohl qualitative als auch quantitative Experimente zeigen die überlegene Leistung unserer Abtastmethode bei gängigen Benchmark-Aufgaben.