In dieser Arbeit untersuchen wir die Skalierung von Datenbedarf und Leistung zwischen 2D und 3D Convolutional Neural Networks (CNNs). Dazu erweitern wir ein U-Net-basiertes 2D CNN zur Modellierung von stationären Grundwasserwärmefahnen [PS24] um eine räumliche Dimension. Unser optimiertes Netzwerk trainieren wir auf PFLOTRAN-simulierten 3D Daten mit 100 und 1000 Datenpunkten (dp). Die verwendeten 2D Modelle basieren auf der Arbeit von Pelzer und Schulte [PS24]. Alle Netzwerke werden von Grund auf trainiert. Für den Vergleich berücksichtigen wir Trainingszeit, Inferenzzeit und Speicherbedarf sowie die Metriken Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), zellbasierter Averaged Absolute Error (AAE) und Percentage Above Threshold (PAT), den prozentualen Anteil an Fehlerzellen über 0.1 ° C. Zusätzlich geben wir Varianz und Standardabweichung des Vorhersagefehlers an. Unser bestes 3D Modell zeigt einen vierfachen RMSE, doppelten MAE und neunfachen PAT bei zehnfach höherer Trainingszeit als das beste 2D Modell. Die Inferenzzeit ist im Vergleich zum 2D Modell um das 26-fache erhöht. Unser Modell zeigt Schwierigkeiten bei der Vorhersage von länglichen Wärmefahnen entlang der Strömungsrichtung und weist hohe Fehlerwerte im Bereich des Injektionspunktes auf. Die Ergebnisse zeigen, dass im 3D Fall eine Datenmenge von 1000 dp für effizientes Lernen und Konvergenz notwendig ist. Unsere Daten sind auf DaRUS verfügbar (https://doi.org/10.18419/darus-4533, https://doi.org/10.18419/darus-4534), unseren Code haben wir auf Github veröffentlicht (https: //github.com/ja-tk/1HP_NN).