Dieser Artikel beschreibt Jigsaw, ein konvolutionelles neuronales Netzwerk (CNN), das in der Geowissenschaften eingesetzt wird und auf der Architektur Inception basiert, jedoch speziell für geowissenschaftliche Analysen angepasst wurde. Es wird JigsawHSI vorgestellt, eine auf Jigsaw basierende Variante, die auf dem Problem der Landnutzungs- und Landbedeckungsklassifikation (LULC) mit den hyperspektralen Datensätzen Indian Pines, Pavia University und Salinas angewendet wird. Das Netzwerk wird mit HybridSN verglichen, einem spektral-raumlichen 3D-CNN, gefolgt von einem 2D-CNN, der bisherige State-of-the-Art-Ergebnisse auf diesen Datensätzen erzielt hat. In dieser kurzen Studie wird gezeigt, dass JigsawHSI in allen drei Fällen die Leistung von HybridSN erreichen oder sogar übertreffen kann. Zudem wird eine verallgemeinerte Jigsaw-Architektur im d-dimensionalen Raum für eine beliebige Anzahl multimodaler Eingaben eingeführt. Darüber hinaus wird die Anwendung von Jigsaw in der Geowissenschaft hervorgehoben, während der Quellcode und ein Toolkit zur Verfügung gestellt werden.