Die Klassifizierung aller Zellen eines Organs stellt eine relevante und herausfordernde Aufgabe aus der Pflanzenentwicklungsbiologie dar. Wir formulieren dieses Problem hier als neue Benchmark für die Knotenklassifizierung in georeferenzierten Graphen. Die Lösung erfordert das Erlernen der räumlichen Anordnung des Organs einschließlich vorhandener Symmetrien. Um die einfache Prüfung neuer geometrischer Lernmethoden zu ermöglichen, wird die Benchmark für die Ovula von Arabidopsis thaliana als PyTorch-Dataloader bereitgestellt, zusammen mit einer großen Anzahl vorberechneter Merkmale. Schließlich evaluieren wir acht neuere Architekturen von Graph Neural Networks und stellen fest, dass derzeit DeeperGCN die besten Ergebnisse auf dieser Aufgabe erzielt.