Die wissenschaftlichen Ergebnisse des 2022 von der Institute of Advanced Research in Artificial Intelligence (IARAI) organisierten Wettbewerbs Landslide4Sense (L4S) werden hier vorgestellt. Ziel des Wettbewerbs ist die automatisierte Detektion von Erdrutschen auf Basis großskaliger, globaler Satellitenbildquellen aus mehreren Quellen. Der Wettbewerb L4S 2022 zielt darauf ab, interdisziplinäre Forschung zu den neuesten Entwicklungen in Deep-Learning-(DL)-Modellen für die semantische Segmentierung von Satellitenbildern zu fördern. In den vergangenen Jahren haben DL-basierte Modelle aufgrund der Entwicklung von Faltungsneuronalen Netzen (CNNs) Leistungen erbracht, die den Erwartungen entsprechen. Der Hauptzweck dieses Artikels besteht darin, detaillierte Informationen zu den besten Algorithmen vorzustellen, die im Rahmen dieses Wettbewerbs entwickelt wurden. Die Siegerlösungen basieren auf modernsten Modellen wie dem Swin Transformer, SegFormer und U-Net. Zudem werden fortschrittliche maschinelle Lernverfahren und Strategien wie Hard-Example-Mining, Self-Training sowie Mix-up-Datenaugmentierung berücksichtigt. Darüber hinaus wird das L4S-Referenzdatenset beschrieben, um weitere Vergleiche zu ermöglichen, und die Ergebnisse der Genauigkeitsbewertung werden online veröffentlicht. Die Daten sind auf dem \textit{Future Development Leaderboard} für zukünftige Evaluationen unter \url{this https URL} zugänglich, und Forscher werden eingeladen, zusätzliche Vorhersageresultate einzureichen, die Genauigkeit ihrer Methoden zu bewerten, diese mit den Ergebnissen anderer Nutzer zu vergleichen und idealerweise die im vorliegenden Artikel vorgestellten Ergebnisse zur Erdrutschdetektion zu verbessern.