Die Elektronenmikroskopie (EM) ermöglicht die Identifizierung intrazellulärer Organellen wie Mitochondrien und liefert wertvolle Einblicke für klinische und wissenschaftliche Studien. Allerdings enthalten öffentliche Datensätze zur Segmentierung von Mitochondrien nur Hunderte von Instanzen mit einfachen Formen. Es ist unklar, ob bestehende Methoden, die auf diesen kleinen Datensätzen menschliche Genauigkeit erreichen, in der Praxis robust sind. Um dies zu untersuchen, stellen wir den MitoEM-Datensatz vor, einen 3D-Datensatz zur Instanzsegmentierung von Mitochondrien mit zwei Volumina von jeweils (30 µm)³ aus menschlichem und rattenmäßigem Cortex, der 3.600-mal größer ist als frühere Benchmark-Datensätze. Mit rund 40.000 Instanzen zeigen wir eine erhebliche Vielfalt an Mitochondrien hinsichtlich Form und Dichte. Zur Evaluation passen wir die Implementierung der durchschnittlichen Präzision (AP) für 3D-Daten an und erreichen dabei eine 45-fache Beschleunigung. Auf dem MitoEM-Datensatz stellen wir fest, dass bestehende Methoden zur Instanzsegmentierung oft versagen, wenn es um die korrekte Segmentierung von Mitochondrien mit komplexen Formen oder engen Kontakten zu anderen Instanzen geht. Der MitoEM-Datensatz stellt somit neue Herausforderungen für die Forschungsgemeinschaft dar. Wir veröffentlichen unseren Code und die Daten unter: https://donglaiw.github.io/page/mitoEM/index.html.