Die Echtzeit-Szeneanalyse ist in vielen Anwendungen wie dem autonomen Fahren von entscheidender Bedeutung geworden. In dieser Arbeit schlagen wir eine tiefe Architektur vor, die BlitzNet genannt wird, welche die Objekterkennung und die semantische Segmentierung in einem einzigen Vorwärtsdurchgang gemeinsam durchführt und damit Echtzeitrechnungen ermöglicht. Neben dem rechnerischen Vorteil, dass ein einzelnes Netzwerk mehrere Aufgaben ausführt, zeigen wir, dass sich Objekterkennung und semantische Segmentierung gegenseitig in Bezug auf Genauigkeit ergänzen. Die experimentellen Ergebnisse für die Datensätze VOC und COCO demonstrieren eine Spitzenleistung bei der Objekterkennung und Segmentierung unter den Echtzeit-Systemen.