In diesem Bericht wird ein Verfahren vorgestellt, mit dem die Ähnlichkeit zweier komplexer 3D-Objekte an Hand nichtparametrischer statistischer Tests festgestellt werden kann. Dabei werden Objekte zunächst in einen normierten skalierungs- und translationsinvarianten Merkmalsraum abgebildet und anschließend unter Anwendung von Verfahren, die auf dem Vergleich von Verteilungsfunktionen basieren, mit verschiedenen Modellansichten verglichen. Zur Generierung eines Bewertungsmaßes für die Ähnlichkeit von Objekten verwenden wir die uni- und bivariaten Teststatistiken von Kolmogoroff und Smirnow sowie die von Cramer und von von Mises. Wie die Experimente zeigen, läßt sich mit diesem schnellen Verfahren besonders bei den bivariaten Tests eine hohe Signifikanz erzielen. Durch Gruppierung der Merkmale ist eine weitere Effizienzsteigerung bei der Erkennung der Objekte möglich