In der Forschung im Bereich des Deep Learning hat das selbstüberwachte Lernen (Self-Supervised Learning, SSL) erhebliche Aufmerksamkeit erfahren und Interesse sowohl in der Computer Vision- als auch in der Fernerkundungsgemeinschaft geweckt. Während SSL in der Computer Vision große Erfolge verzeichnen konnte, bleibt der größte Teil seines Potenzials im Bereich der Erdbeobachtung bisher ungenutzt. In diesem Artikel geben wir eine Einführung in und eine Übersicht über die Konzepte und neuesten Entwicklungen von SSL in der Computer Vision im Kontext der Fernerkundung. Zudem stellen wir eine vorläufige Benchmark moderner SSL-Algorithmen auf gängigen Fernerkundungsdatensätzen vor, die das Potenzial von SSL in der Fernerkundung bestätigt und eine erweiterte Untersuchung von Datenaugmentierungsstrategien bietet. Abschließend identifizieren wir eine Reihe vielversprechender Forschungspfade für zukünftige Arbeiten im Bereich SSL für Erdbeobachtung (SSL4EO), um den Weg für eine fruchtbare Wechselwirkung zwischen beiden Disziplinen zu ebnen.