Die pixelweise Bildsegmentierung ist eine äußerst anspruchsvolle Aufgabe in der medizinischen Bildanalyse. In der Praxis ist es schwierig, annotierte medizinische Bilder mit entsprechenden Segmentierungsmasken zu finden. In dieser Arbeit stellen wir Kvasir-SEG vor: ein Open-Access-Datensatz von Bildern gastrointestinaler Polypen und den entsprechenden Segmentierungsmasken, die manuell von einem Mediziner annotiert und anschließend von einem erfahrenen Gastroenterologen verifiziert wurden. Darüber hinaus haben wir mit Hilfe der Segmentierungsmasken auch die Begrenzungsrahmen (bounding boxes) der Polypengebiete generiert. Wir demonstrieren die Nutzung unseres Datensatzes sowohl mit einem traditionellen Segmentierungsansatz als auch mit einem modernen, auf tiefem Lernen basierenden Ansatz mithilfe von Faltungsneuronalen Netzen (Convolutional Neural Networks, CNN). Der Datensatz wird für Forscher wertvoll sein, um Ergebnisse nachzubilden und Methoden zu vergleichen. Durch Hinzufügen von Segmentierungsmasken zum Kvasir-Datensatz, der nur rahmengenaue Annotationen bereitstellt, ermöglichen wir es Forschern im Bereich Multimedia und Computer Vision, Beiträge zur Polypensegmentierung und zur automatischen Analyse von Kolonoskopiebildern zu leisten.