Semantic Scene Completion (SSC) zielt darauf ab, die vollständige Geometrie und Semantik einer Szene gemeinsam zu schätzen, ausgehend von einer partiellen, spärlichen Eingabe. In den letzten Jahren hat SSC infolge der Explosion großskaliger 3D-Datensätze erhebliche Aufmerksamkeit in der Forschungsgemeinschaft gefunden, da er weiterhin ungelöste Herausforderungen birgt. Insbesondere liegt die Schwierigkeit von SSC in der mehrdeutigen Ergänzung großer, nicht beobachteter Bereiche sowie in der schwachen Supervisionsinformation des Ground Truth. Dies hat zu einer stark ansteigenden Zahl von Publikationen auf diesem Gebiet geführt. Diese Übersichtsarbeit verfolgt das Ziel, die verfügbaren Techniken zu identifizieren, miteinander zu vergleichen und kritisch zu analysieren, wobei sowohl die Methoden als auch die verwendeten Datensätze umfassend betrachtet werden. Im Verlauf des Beitrags bieten wir eine detaillierte Analyse der bestehenden Arbeiten, wobei wir sämtliche Entscheidungen der Autoren aufzeigen und die noch offenen Forschungsfelder hervorheben. Zudem wird die Leistungszahl der State-of-the-Art-Methoden auf den populärsten Datensätzen evaluiert und analysiert.