Aufgaben des Computer Vision-Bereichs wie Bildklassifizierung, Bildsuche und Few-Shot-Lernen werden derzeit hauptsächlich durch euklidische und sphärische Einbettungen beherrscht, sodass die endgültigen Entscheidungen über Klassenzugehörigkeit oder den Grad der Ähnlichkeit mit linearen Hyperebenen, euklidischen Abständen oder sphärischen Geodätischen (Kosinussimilarität) getroffen werden. In dieser Arbeit zeigen wir, dass hyperbolische Einbettungen in vielen praktischen Szenarien eine bessere Alternative bieten.