Diese Arbeit befasst sich mit einem der grundlegenden Probleme des Musical Instrument Retrieval (MIR), nämlich der Instrumentenklassifikation. Zu diesem Zweck wurde der IRMAS-Datensatz (Instrument Recognition in Musical Audio Signals) ausgewählt. Die Daten umfassen Musikclips, die im letzten Jahrhundert von verschiedenen Quellen aufgenommen wurden und daher eine breite Vielfalt an Audiot qualities aufweisen. Wir haben eine sehr prägnante Zusammenfassung früherer Arbeiten in diesem Bereich vorgelegt. Nach der Implementierung verschiedener überwachter Lernalgorithmen für diese Klassifizierungsaufgabe hat der SVM-Klassifikator (Support Vector Machine) die anderen Standesmodelle mit einer Genauigkeit von 79 % übertroffen. Zudem haben wir unüberwachte Techniken implementiert, wobei hierbei das hierarchische Clustering gute Ergebnisse erzielt hat.