Die effiziente Generierung von Simulationsumgebungen ist von Vorteil, um Test und Absicherung von hochautomatisierten Fahrfunktionen zu beschleunigen. Die erforderlichen Testfälle und Szenarien können dabei auf verschiedene Weise hergeleitet werden. In dieser Arbeit soll als Teil eines neuartigen Ansatzes eine Methode entwickelt werden, die es ermöglicht, statische Objekte wie Gebäude aus aufgezeichneten Daten (Bildern) automatisch zu detektieren, zu klassifizieren und zu lokalisieren. Für diesen Zweck sollen der Stand-der-Technik für Verfahren des maschinellen Lernens für diesen Anwendungsfall recherchiert, bewertet und implementiert werden. Im Anschluss an die Objekterkennung werden die extrahierten Objekte mittels eines geeigneten Matching-Algorithmus mit einer existierenden Modellbibliothek verglichen und anschließend automatisiert als synthetische Objekte in der Simulationsumgebung platziert.