Die vorliegende Studie zielt darauf ab, klassenunabhängige Embeddings zu erlernen, die für die mehrfache Objektverfolgung (Multiple Object Tracking, MOT) geeignet sind. Wir zeigen, dass die Lernung lokaler Merkmalsbeschreibungen ausreichend generalisierbare Leistung erzielen kann. Die vorgeschlagene Embedding-Funktion erreicht in ihrem Zielbereich eine vergleichbare Leistung wie spezialisierte Personen-Identifikationsmodelle und übertrifft diese in anderen Domänen. Durch die Nutzung dieser Methode erzielen unsere Lösungen state-of-the-art Ergebnisse in mehreren MOT-Benchmarks, darunter die CVPR'19 Tracking Challenge.