Umformtechnische Unternehmen stehen derzeit vor der Herausforderung, die Automatisierungsgrade ihrer Produktionsprozesse zu steigern, um eine wirtschaftliche Produktherstellung zu gewährleisten. Einen vielversprechenden Ansatz stellen auf künstlicher Intelligenz (KI) beruhende Algorithmen dar, die sich sowohl zur Überwachung als auch zur Regelung der Prozesse eignen. Deren Anwendung ist in der industriellen Praxis derzeit noch nicht weit verbreitet, bietet jedoch erhebliche Potenziale und könnte zukünftig einen entscheidenden Wettbewerbsvorteil für Unternehmen der metallverarbeitenden Industrie darstellen. Im Rahmen der vorliegenden Arbeit wird untersucht, inwiefern KI-Algorithmen zu performanteren Prozess- und Maschinenregelungen in umformtechnischen Prozessen beitragen können. Dabei werden Prozesse auf redundanten MehrpunktServopressen, die sich durch mehrere Abtriebsfreiheitsgrade charakterisieren, analysiert. Es werden einerseits KI-Ansätze zur Steigerung der Genauigkeit bestehender Positionsregelungen vorgestellt und andererseits die Eignung von unterschiedlichen KI-Modellen zur Regelung von Produkteigenschaften in umformtechnischen Prozessen geprüft. Weiterhin stellt die Redundanz bzw. Überaktuierung der für die Untersuchungen genutzten Mehrpunkt-Servopresse eine Möglichkeit zur KI-gestützten Optimierung des Maschinenverhaltens dar. So führen unterschiedliche Antriebsbewegungen zu gleichen Abtriebsbewegungen, unterscheiden sich jedoch hinsichtlich Geschwindigkeits- sowie Kraftübersetzungen und müssen bei der Planung von Antriebspfaden berücksichtigt werden. In der Arbeit wird ein Vergleich zwischen einem modellprädiktiven Regler und bestärkenden Lernalgorithmen vorgestellt, bei dem beide Ansätze das Ziel verfolgen, optimale Antriebspfade unter Berücksichtigung multipler Optimierungskriterien zu identifizieren