Die zuverlässige Erkennung von Stahlbeton-Schäden (RCDs) spielt eine entscheidende Rolle bei der Beurteilung der strukturellen Integrität, der Verkehrssicherheit und der langfristigen Haltbarkeit von Betonbrücken, die weltweit die am häufigsten vorkommende Brückenart darstellen. Dennoch sind die verfügbaren Datensätze zur Erkennung von RCDs hinsichtlich Umfang und Vielfalt der Schadensklassen begrenzt, was ihre Anwendbarkeit in realen Szenarien und ihre Funktion als Benchmark in Frage stellt. Unser Beitrag zu dieser Herausforderung ist „dacl10k“, ein außergewöhnlich vielfältiger RCD-Datensatz für die Mehrfach-Label-Semantische Segmentierung mit insgesamt 9.920 Bildern aus echten Brückeninspektionen. Der Datensatz identifiziert 12 Schadensklassen sowie 6 wesentliche Brückenkomponenten, die für die Bewertung des Bauzustands und die Empfehlung von Maßnahmen – wie Sanierungsarbeiten, Verkehrsbelastungsbeschränkungen oder Brückenschließungen – von zentraler Bedeutung sind. Zudem untersuchen wir Basismodelle für dacl10k, die anschließend evaluiert werden. Das beste Modell erreicht auf dem Testset eine mittlere Intersection-over-Union (IoU) von 0,42. dacl10k sowie unsere Basismodelle werden öffentlich zugänglich gemacht und stellen derzeit den umfangreichsten Datensatz hinsichtlich Bildanzahl und Klassenvielfalt für die semantische Segmentierung im Bereich der Brückeninspektion dar.