Die dichte Annotation von LiDAR-Punktwolken bleibt weiterhin zu kostspielig und zeitaufwendig, um Schritt zu halten mit der stetig wachsenden Datenmenge. Während die aktuelle Literatur sich auf die Leistung bei vollständig überwachten Ansätzen konzentriert, wurden effiziente Methoden, die realistische schwache Überwachung nutzen, bisher noch nicht ausreichend erforscht. In diesem Paper schlagen wir vor, Strichzeichnungen (Scribbles) zur Annotation von LiDAR-Punktwolken zu verwenden, und präsentieren ScribbleKITTI, den ersten, durch Strichzeichnungen annotierten Datensatz für die semantische Segmentierung von LiDAR-Daten. Darüber hinaus stellen wir eine Pipeline vor, die die Leistungs-lücke verringert, die sich bei der Verwendung solcher schwachen Annotationen ergibt. Unsere Pipeline besteht aus drei eigenständigen Beiträgen, die mit beliebigen Modellen für die semantische Segmentierung von LiDAR-Daten kombiniert werden können und bis zu 95,7 % der Leistung eines vollständig überwachten Ansatzes erzielen, während nur 8 % der Punkte annotiert sind. Unsere Strichzeichnungsannotationen und der zugehörige Code sind unter github.com/ouenal/scribblekitti verfügbar.