Die automatische Änderungserkennung und die Bewertung von Schäden nach Katastrophen sind derzeit Prozesse, die einen erheblichen Aufwand an manueller Arbeit durch Analysen von Satellitenbildern erfordern. Bei Naturkatastrophen kann eine zeitnahe Änderungserkennung lebensrettend sein. In dieser Arbeit präsentieren wir Erkenntnisse zur Problembeschreibung, Datenaufbereitung und Trainingsverfahren, die speziell für die Aufgabe der Gebäudeschadensbewertung unter Verwendung des kürzlich veröffentlichten xBD-Datensatzes von großem Nutzen sind. Unsere Erkenntnisse führen zu einer erheblichen Verbesserung gegenüber den Baseline-Modellen des xBD-Datensatzes, und wir erreichen eine der führenden Positionen auf der xView2-Challenge-Platzliste. Wir stellen unseren für die Herausforderung verwendeten Code öffentlich zur Verfügung.