Die Wolkenerkennung in Satellitenbildern ist ein wichtiger erster Schritt in vielen Fernerkundungsanwendungen. Dieses Problem wird besonders herausfordernd, wenn nur eine begrenzte Anzahl von Spektralbändern zur Verfügung steht. Um dieses Problem zu lösen, wird in dieser Arbeit ein tiefenlernenbasiertes Algorithmus vorgeschlagen. Dieser Algorithmus besteht aus einem Fully Convolutional Network (FCN), das durch mehrere Ausschnitte von Landsat 8 Bildern trainiert wird. Dieses Netzwerk, das als Cloud-Net bezeichnet wird, ist in der Lage, globale und lokale Wolkenmerkmale in einem Bild durch seine Faltungsschichten zu erfassen. Da die vorgeschlagene Methode eine End-to-End-Lösung darstellt, sind keine komplizierten Vorverarbeitungsschritte erforderlich. Unsere experimentellen Ergebnisse zeigen, dass die vorgeschlagene Methode auf einem Benchmark-Datensatz im Jaccard-Index um 8,7 % besser abschneidet als die bislang beste Methode.