Die Segmentierung von 3D-Assets in ihre einzelnen Bestandteile ist entscheidend für die Verbesserung des 3D-Verständnisses, die Wiederverwendung von Modellen sowie die Unterstützung verschiedener Anwendungen wie der Teilerzeugung. Derzeitige Verfahren weisen jedoch Einschränkungen auf, etwa geringe Robustheit bei komplexen Objekten und eine unvollständige Automatisierung des Prozesses. In diesem Artikel stellen wir ein natively 3D-punktbasiertes, part-segmentierendes Modell namens P3-SAM vor, das darauf ausgelegt ist, die Segmentierung beliebiger 3D-Objekte in ihre Komponenten vollständig zu automatisieren. Inspiriert von SAM (Segment Anything Model) besteht P3-SAM aus einem Merkmalsextraktor, mehreren Segmentierungshead-Modulen und einem IoU-Vorhersage-Modul, wodurch interaktive Segmentierung für Benutzer ermöglicht wird. Außerdem schlagen wir einen Algorithmus vor, der automatisch die von unserem Modell vorhergesagten Masken auswählt und zusammenführt, um die Segmentierung von Teil-Instanzen zu erreichen. Unser Modell wurde auf einem neu aufgebauten Datensatz trainiert, der fast 3,7 Millionen Modelle mit sinnvollen Segmentierungslabels enthält. Vergleichsuntersuchungen zeigen, dass unsere Methode präzise Segmentierungsergebnisse und eine hohe Robustheit bei beliebigen komplexen Objekten erzielt und damit einen Stand der Technik erreicht. Der Quellcode wird in Kürze veröffentlicht.