In diesem Beitrag präsentieren wir die erste bedingte generative adversarische Netzwerk-(cGAN-)Architektur, die speziell dafür entworfen wurde, synthetische Apertur-Radar-(SAR-) und optische Multispektral-(MS-)Bilddaten zu fusionieren, um von einem durch Wolken beeinträchtigten MS-Eingabebild und einem zusätzlichen SAR-Bild wolken- und nebelfreie MS-Optikdaten zu generieren. Experimente mit Sentinel-2-MS- und Sentinel-1-SAR-Daten bestätigen, dass unser erweitertes SAR-Opt-cGAN-Modell die zusätzliche SAR-Information nutzt, um MS-Bilder besser zu rekonstruieren als ein äquivalentes Modell, das dieselbe Architektur verwendet, jedoch nur ein-sensorische MS-Daten als Eingabe erhält.