Die 3D-Reverse-Engineering, bei der ein CAD-Modell aus einer 3D-Scan-Aufnahme eines physischen Objekts abgeleitet wird, ist eine Forschungsrichtung, die zahlreiche vielversprechende praktische Anwendungen bietet. In dieser Arbeit wird TransCAD vorgestellt, eine von Anfang bis Ende auf einem Transformer basierende Architektur, die die CAD-Sequenz aus einem Punktwolkenmodell vorhersagt. TransCAD nutzt die Struktur von CAD-Sequenzen durch die Anwendung einer hierarchischen Lernstrategie. Zudem wird ein Schleifenverfeiner (loop refiner) eingeführt, um die Parameter von Skizzenprimitiven zu regredieren. Sorgfältige Experimente mit den Datensätzen DeepCAD und Fusion360 zeigen, dass TransCAD den aktuellen Stand der Technik erreicht. Die Ergebnisanalyse wird durch ein neu vorgeschlagenes Metrik für CAD-Sequenzen unterstützt: das mittlere Durchschnittspräzisionsmaß der CAD-Sequenz (mean Average Precision of CAD Sequence), das die Einschränkungen bestehender Metriken behebt.