Gastrointestinale (GI) Pathologien werden periodisch untersucht, biopsiert und mittels chirurgischer Instrumente entfernt. In der Regel werden die Vorgehensweisen und die behandelten oder entfernten Bereiche während oder nach Kolonoskopien nicht spezifisch verfolgt oder analysiert. Informationen über Krankheitsgrenzen, Entwicklung sowie Anzahl und Größe des entfernten Bereichs gehen verloren. Dies kann zu einem schlechten Nachsorgeverlauf und belastenden Schwierigkeiten bei der erneuten Bewertung nach der Behandlung führen. Um den aktuellen Standard zu verbessern und auch mehr Forschung zum Thema zu fördern, haben wir den „Kvasir-Instrument“ Datensatz veröffentlicht, der aus 590 annotierten Bildern besteht, die GI-Vorgehensinstrumente wie Schlingen, Ballons und Biopsieforceps usw. enthalten. Neben den Bildern umfasst der Datensatz Ground-Truth-Masken und Begrenzungsrahmen (Bounding Boxes) und wurde von zwei Experten für GI-Endoskopie überprüft. Zudem stellen wir eine Baseline für die Segmentierung von GI-Instrumenten zur Verfügung, um Forschung und Algorithmusentwicklung voranzutreiben. Mit einer klassischen U-Net-Architektur erzielten wir einen Dice-Koeffizienten von 0,9158 und einen Jaccard-Index von 0,8578. Ähnliche Werte wurden für DoubleUNet beobachtet. Die qualitativen Ergebnisse zeigten, dass das Modell bei Bildern mit Spekularität (specularity) und Frames mit mehreren Instrumenten nicht funktionierte, während auf allen anderen Bildarten sowohl für beide Methoden die besten Ergebnisse erzielt wurden. Sowohl qualitative als auch quantitative Ergebnisse zeigen, dass das Modell insgesamt zufriedenstellend arbeitet, jedoch ein großes Potenzial für weitere Verbesserungen besteht. Die Verwendung des Datensatzes zur Benchmarking bietet Forschern die Möglichkeit, zum Bereich der automatischen Segmentierung diagnostischer und therapeutischer Endoskopie-Instrumente in der GI-Endoskopie beizutragen.