In diesem Artikel stellen wir einen neuen Datensatz vor, um die Forschung zu Instanzsegmentierung von Objekten mit irregulären Formen voranzutreiben. Unser zentrales Beobachtung ist, dass irregulär geformte Objekte im Alltag und industriellen Anwendungen weit verbreitet sind, jedoch im Bereich der Instanzsegmentierung aufgrund des Fehlens entsprechender Datensätze nur wenig Beachtung finden. Um diese Lücke zu schließen, präsentieren wir iShape, einen Datensatz für die Instanzsegmentierung irregulärer Formen. iShape umfasst sechs Unterdatsätze, bestehend aus einem realen und fünf synthetischen Datensätzen, wobei jeder Unterdatsatz eine typische Szene einer irregulären Form darstellt. Im Gegensatz zu den meisten bestehenden Instanzsegmentierungs-Datensätzen regulärer Objekte weist iShape zahlreiche Herausforderungen für bestehende Algorithmen auf, wie beispielsweise starke Überlappungen zwischen den Bounding Boxes von Instanzen, extreme Aspektverhältnisse sowie eine große Anzahl an zusammenhängenden Komponenten pro Instanz. Wir bewerten etablierte Methoden der Instanzsegmentierung auf iShape und stellen einen dramatischen Leistungsabfall fest. Daher schlagen wir einen neuen, affinitätsbasierten Algorithmus zur Instanzsegmentierung vor, namens ASIS, als einen stärkeren Baseline. ASIS kombiniert explizit Wahrnehmung und Schlussfolgerung, um die Segmentierung von Objekten beliebiger Form, einschließlich irregulärer Objekte, zu bewältigen. Experimentelle Ergebnisse zeigen, dass ASIS die bisher besten Ergebnisse auf iShape erreicht. Der Datensatz und der zugehörige Quellcode sind unter https://ishape.github.io verfügbar.