Intelligente Systeme der Qualitätsüberwachung, die eine werkzeugzustandsbasierte Anpassung von Prozessstellgrößen ermöglichen und Reststandzeiten optimal ausnutzen, bieten die Möglichkeit, Ausschuss zu reduzieren und die Werkzeugstandzeit zu optimieren. Im Hinblick auf die Einzelteilfertigung ist vor allem das Bestimmen der tatsächlichen  Eingriffsbedingungen im Prozess für eine automatisierte  Erkennung des Werkzeugzustands aus Prozesssignalen notwendig. Zudem muss der Einfluss des abgeleiteten, aktuellen Werkzeugzustands auf die Bauteilqualität berücksichtigt werden, damit der optimale Werkzeugwechselzeitpunkt bestimmt werden kann. Kommerziell verfügbare Überwachungssysteme bieten durch die Beobachtung von Prozesssignalen lediglich eine anzulernende Werkzeugüberwachung mit festgelegten Grenzwerten. Des Weiteren ermöglichen die am Markt verfügbaren Werkzeugüberwachungssysteme keine automatisierte Rückführung von Qualitätsmerkmalen, um die Auswirkungen des Verschleißes oder der zunehmenden Werkzeugabdrängung auf die Formabweichungen am Werkstück in die Berechnung der Grenzwerte einzubeziehen.

Innerhalb der Arbeiten des SFB 653 wurde eine prozessparallele Simulation umgesetzt, mit der sich zeitlich veränderliche Prozessbedingungen ermitteln und dem Werkstück örtlich zuordnen lassen. Es wurden selbstlernende Prozessmodelle für eine Prognose des Formfehlers erstellt und für ausgewählte Prozesse eine prozessbegleitende Oberflächenrekonstruktion aus Prozesskräften für eine Online-Qualitätsüberwachung realisiert. Mit den im SFB 653 entwickelten selbstlernenden Modellen kann eine aufwandsarme, ständige Parametrierung der Beziehungen zwischen dem Strom einer Frässpindel als Indikator für den Werkzeugverschleiß, den Eingriffsbedingungen und dem Formfehler erfolgen. Durch den Transfer der Methoden wird Potential zur Vermeidung von Ausschuss und Werkzeugverschwendung in der spanenden Fertigung erschlossen.