Die Layout-Analyse ist eine zentrale Aufgabe der Dokumentenbildanalyse, insbesondere bei alten Handschriften. Sie bildet eine wesentliche Grundlage für die Vereinfachung nachfolgender Aufgaben wie die optische Zeichenerkennung und die automatisierte Transkription. Ein zentrales Hindernis in diesem Kontext stellt jedoch die knappe Verfügbarkeit von Ground-Truth-Daten dar, da deren Erstellung äußerst zeitaufwendig ist. Dennoch basieren zahlreiche Ansätze zur Bewältigung dieser Herausforderung stark auf einem vollständig überwachten Lernparadigma, was in der Praxis eine seltene Situation darstellt. Aus diesem Grund stellen wir mit dieser Challenge die Aufgabe, diese Aufgabe mit einem Few-Shot-Lernansatz zu lösen, wobei lediglich drei Bilder für das Training zur Verfügung gestellt werden. Der Wettbewerbsdatensatz, der als U-DIADS-Bib bezeichnet wird, umfasst vier unterschiedliche alte Handschriften mit heterogenen Layoutstrukturen, unterschiedlichem Degradationsgrad und verschiedenen verwendeten Sprachen. Diese Vielfalt verleiht der Herausforderung besonderen Reiz und Komplexität. Zudem ermöglichen wir die Teilnahme am Wettbewerb auch mit traditionellen Many-Shot-Lernansätzen, für die der gesamte Trainingsdatensatz von U-DIADS-Bib zur Verfügung gestellt wurde.