Die zeitliche semantische Szeneverstehung ist entscheidend für autonom fahrende Fahrzeuge oder Roboter, die in dynamischen Umgebungen operieren. In dieser Arbeit schlagen wir eine 4D-panoptische LiDAR-Segmentation vor, um jeder Sequenz von 3D-Punkten eine semantische Klasse und eine zeitlich konsistente Instanz-ID zuzuordnen. Zu diesem Zweck präsentieren wir einen Ansatz und ein punktzentriertes Evaluationsmaß. Unser Ansatz bestimmt eine semantische Klasse für jeden Punkt, während er Objektinstanzen als Wahrscheinlichkeitsverteilungen im 4D-Raum-Zeit-Bereich modelliert. Wir verarbeiten mehrere Punktwolken parallel und lösen die Zuordnung von Punkten zu Instanzen, was die Notwendigkeit expliziter zeitlicher Datenzuordnung effektiv reduziert. Inspiriert durch jüngste Fortschritte bei der Benchmarking von Mehrobjektnachverfolgung, schlagen wir ein neues Evaluationsmaß vor, das die semantischen und die punkt-zu-Instanz-Zuordnungsaspekte der Aufgabe trennt. Mit dieser Arbeit zielen wir darauf ab, den Weg für zukünftige Entwicklungen der zeitlichen LiDAR-Panoptik-Wahrnehmung zu ebnen.