In diesem Beitrag wird anhand von 3D-Punktwolken gezeigt, wie sich Verformungen bzw. Deformationen mithilfe von Flächenmodellierung beschreiben lassen. Exemplarisch werden hierfür 3D-Puntkwolken eines terrestrischen Laserscanner (TLS) genutzt, die im Zuge eines Belastungsversuch an einer historischeren Eisenbahnbrücke bei Verden (Aller), Niedersachsen, erfasst wurden. Zur Approximation der 3D-Punktwolken in unterschiedlichen Epochen werden B-Spline-Flächen genutzt. Im Rahmen der Schätzung von B-Spline-Flächen mit der Methode der kleinsten Quadrate werden neben Informationen über den Knotenvektor, auch die optimale Anzahl von Kontrollpunkten benötigt. Diese Kontrollpunkte bilden eine konvexe Hülle, innerhalb der die approximierte Fläche oder Kurve liegt. Ihre Anzahl hat somit einen starken Einfluss auf die gesamte Approximation und die sich anschließende Bestimmung von Verformungen (Deformationsanalyse). Zur Bestimmung der optimalen Anzahl der Kontrollpunkte werden Informationskriterien genutzt unter der Voraussetzung, dass das Messrauschen einer Normalverteilung entspricht. Eine verbesserte stochastische Beschreibung der polaren Messelemente: Horizontalrichtung, Vertikalwinkel und Schrägstrecke des TLS liefert die Möglichkeit einer zuverlässigeren Beurteilung der Genauigkeit der Flächenmodellierung von verrauschten, diskreten 3D-Punkten. Dies führt zu aussagekräftigeren Testgrößen, wie der Kongruenztestgröße in der Deformationanalyse. In diesem Beitrag liegt der Fokus auf der Diskussion der Ergebnisse basierend auf der Approximation mit B-Spline Flächen gegenüber den Ergebnissen aus rein punktwolkenbasierten Verfahren unter Nutzung der OpenSource Software CloudCompare (CC). Es wird gezeigt wie lokale Verfeinerung der Approximation vorteilshaft ist.