Maschinelles Lernen und künstliche Intelligenz sind moderne, sich rasch entwickelnde Felder, mit denen immer mehr Arbeitsgebiete erschlossen werden können. Auch Aufgaben aus der Materialwissenschaft sind hierbei keine Ausnahme. Das vorliegende Poster gibt einen Überblick über die Auswertung von Digitalkamera-Bildern von Bruchflächen durch maschinelles Lernen. Zunächst wird auf die Verarbeitung der Rohdaten eingegangen. Die sogenannte "Data Augmentation", das "Wandernde Fenster" und Voronoi-Diagramme sind dabei als Teil der Datenverarbeitung thematisiert. Anschließend erfolgt die Überleitung zu den Ergebnissen. Hierbei wird das Bruchverhalten zweier Stähle, die durch unterschiedliche Schweißverfahren gefügt wurden, klassifiziert. Zuletzt erfolgt ein Vergleich zwischen den Vorhersagen des Algorithmus und den Einschätzungen von Experten. Die untersuchte Methodik soll schließlich die korrekte und objektive Klassifizierung von Bruchflächen ermöglichen. Zusammenfassend richtet sich das Poster somit unter anderem an alle Interessanten der Fraktographie und des Maschinellen Lernens und gewährleistet auch einen Einstieg in diese äußerst interessante Thematik.