Derzeit konzentriert sich ein erheblicher Forschungsaufwand auf die Detektion von Meeresabfällen und die Bewertung ihres spektralen Verhaltens mittels Fernerkundung mit dem Ziel, neue operativ einsetzbare Überwachungslösungen zu entwickeln. Hier stellen wir ein Marine Debris Archive (MARIDA) vor, ein Benchmark-Datensatz zur Entwicklung und Bewertung von Machine-Learning-(ML)-Algorithmen, die in der Lage sind, Meeresabfälle zu erkennen. MARIDA ist der erste Datensatz, der auf multispektralen Sentinel-2 (S2)-Satellitendaten basiert und Meeresabfälle von verschiedenen marinen Oberflächenmerkmalen unterscheidet, die gleichzeitig auftreten können, darunter Sargassum-Makroalgen, Schiffe, natürliche organische Materialien, Wellen, Fahrwasser, Schaum, unterschiedliche Wassertypen (d. h. klares Wasser, trübes Wasser, sedimentbeladenes Wasser, flaches Wasser) sowie Wolken. Wir liefern Annotationen (georeferenzierte Polygone/Pixel) aus verifizierten Plastikabfallereignissen in mehreren geografischen Regionen weltweit, erfasst in verschiedenen Jahreszeiten, Jahren und Meereszuständen. Es wird eine detaillierte spektrale und statistische Analyse des MARIDA-Datensatzes präsentiert, zusammen mit etablierten ML-Baselines für schwach überwachte semantische Segmentierung und Multi-Label-Klassifikation. MARIDA ist ein Open-Access-Datensatz, der der Forschungsgemeinschaft die Möglichkeit bietet, das spektrale Verhalten bestimmter schwimmender Materialien, Meereszustandsmerkmale und Wassertypen zu untersuchen, um auf der Grundlage von künstlicher Intelligenz und tiefen Lernarchitekturen sowie Satelliten-Vorverarbeitungspipelines Lösungen zur Detektion von Meeresabfällen zu entwickeln und zu evaluieren.