Die manuelle Annotation von Skalar- und Vektorfelddaten zum Zwecke des überwachten maschinellen Lernens bedeutet einen hohen zeitlichen Aufwand. Zusätzlich verursachen die heute gängigen rechteckigen Selektionsregionen Ungenauigkeiten. Als Reaktion darauf wird ein System vorgestellt, das die Annotation mittels allgemeiner polygonaler Regionen ermöglicht. Es bietet die Möglichkeit, die Visualisierung der Skalar- bzw. Vektorfelder flexibel zu wechseln. Dazu wird ein entsprechendes Plugin-System realisiert. Ebenso ist es möglich, die Berechnungsmethode der Merkmalsvektoren schnell und einfach durch Plugins auszutauschen. Das Rahmenwerk unterstützt die Verwaltung von Annotationsprojekten. In Kombination mit dem Plugin-System für die Visualisierung der zu annotierenden Daten und die Generierung der Merkmalsvektoren ist ein flexibles und leistungsfähiges Rahmenwerk entstanden. Als theoretische Basis werden in dieser Arbeit einige maschinelle Lernverfahren und ihre Evaluation, Grundlagen der Merkmalsvektorkonstruktion und die Vektorfeldvisualisierung mit Line Integral Convolution eingeführt. Darauf folgt eine Beschreibung des entstandenen Systems und seine Auswertung, die den Vorteil der polygonalen Regionen gegenüber den Rechtecken belegen kann. Zum Schluss wird ein Ausblick auf mögliche Verbesserungen des Rahmenwerks gegeben.