Aktuelle GNN-Architekturen verwenden ein Aggregationsverfahren basierend auf Nachbarschaften von Knoten, was ihre diskriminative Fähigkeit auf das Niveau des 1-dimensionalen Weisfeiler-Lehman-(WL)-Graph-Isomorphietests beschränkt. In diesem Beitrag stellen wir einen neuartigen Graphenfaltungsoperator vor, der auf dem 2-dimensionalen WL-Test basiert. Wir zeigen formell, dass die resultierende 2-WL-GNN-Architektur diskriminativer ist als bestehende GNN-Ansätze. Dieses theoretische Ergebnis wird durch experimentelle Studien an synthetischen und realen Datensätzen ergänzt. Auf mehreren gängigen Benchmarks für Graphenklassifikation zeigen wir, dass das vorgeschlagene Modell mit modernsten Graphkernen und GNNs wettbewerbsfähig ist.