Die Bedeutung von exotischen Naturalien aus fernen Ländern nimmt in Europa und den USA immer weiter zu. Seit 2008 ist das getrocknete Fruchtfleisch des afrikanischen Baobab-Baumes (Adansonia digitata L.) in der Europäischen Union zugelassen. Eine Vielzahl an Produkten dieser tropischen Frucht, wird unter dem Begriff „Superfood“ vermarktet. Verschiedene Anbieter verkaufen das Fruchtfleisch  als biozertifizierte Ware. Dieser Zertifizierungsprozess wird dadurch erschwert,  dass der Baobab als Wildgewächs nicht auf abgegrenzten Plantagen angebaut werden kann. In dieser Bachelorarbeit, wird das Potenzial von GIS und Fernerkundung vorgestellt, zur Erfassung des afrikanischen Baobab in einem digitalen Kataster. Der Forschungsstand über die Botanik des Adansonia digitata wird als allgemeine Beschreibungen mit eingebunden. Ein wichtiger Bestandteil der Arbeit, ist die empirische Datenerhebung anhand einer Feldkampagne durch die Agrarforscher Jens Gebauer und Eike Luedeling, wodurch ein dichter Baobab-Baumbestand im Sudan identifiziert und kartiert werden konnte. Anhand dieser Geodaten, wird mit der kostenlosen QGIS-Software ein Baumkataster erstellt, unter Einbindung diverser Open-Source Vektorsignaturen. Im zweiten Teil wird auf Basis einer WorldView-2 Bildszene, sowie zwei entgeltfreien Bilddaten von Landsat 8 und GoogleMaps, eine pixelbasierende überwachte Klassifikation mit der speziellen Software ERDAS Imagine 2014 durchgeführt. Zuvor werden die technischen Daten der Erdbeobachtungssatelliten fortgestellt. Der Hauptfokus bei der Anwendung einer digitalen Bildauswertung, liegt in der semi-automatischen Identifizierung einzelner Baobab-Bestände, zur schnelleren Erfassung eines zu biozertifizierten Gebietes. Dieses Konzept soll auf unterschiedliche Anwendungsgebiete übertragbar sein und wirtschaftliche Vorteile im Zertifizierungsprozess bringen. Die Klassifikationsergebnisse werden visuell interpretiert und ergeben für die WorldView-2-Szenerie, im Vergleich zu alternativen Open-Source Bilddaten, überwiegend genaue Ergebnisse. Die grobauflösenden Landsat-Aufnahmen, mit maximal 30 m (multispektral), liefern für den Anwendungsmaßstab ungenaue Ergebnisse, und eignen sich nicht für die digitale Erfassung von individuellen Baum-Objekten. Auch die Möglichkeiten der semi-automatischen Bildauswertung der GoogleMaps-Aufnahme, bietet keine genauere Alternative zu kommerziellen Sensordaten. Diese Ergebnisse werden mit den Vektordaten in der GIS-Software ArcMap verglichen, und unter bestimmten Konstellationen der Layer ein digitales Kataster erstellt. Abschließend werden die Ergebnisse und Probleme dargelegt, und ein Ausblick diskutiert.