In der modernen Qualitätskontrolle ist die qualitative und quantitative Gefügeanalyse mittels Aufnahmen an hochauflösenden Lichtmikroskopen fester Bestandteil. Besonders bei hohen Vergrößerungen entstehen aufgrund von Schwingungen oder Defokussierung oft unscharfe Bildbereiche. Die Bildqualität der Aufnahmen hat jedoch einen direkten Einfluss auf die quantitative Gefügeanalyse, da die Robustheit der bildverarbeitenden Analyse-Methoden stark von der Qualität der Aufnahmen abhängig ist. Wir stellen ein state-of-the-art Deep Learning Modell vor, mit welchem unter Verwendung passender Trainingsdaten die Bildschärfe von Lichtmikroskopieaufnahmen erhöht werden kann. Am Beispiel von Stählen mit bainitischem Gefüge, Aluminium-Silizium-Gusslegierungen, Sinterbauteilen und Lithium-Ionen-Batterien zeigen wir, dass unscharfe Aufnahmen erfolgreich nachgeschärft werden können. Des Weiteren wird in dieser Arbeit untersucht, ob die geometrische Genauigkeit in den künstlich nachgeschärften Aufnahmen gewährleistet ist.