Die zunehmende Verwendung von Kunststoffen in verschiedenen Anwendungen und die wachsende Nachfrage nach umweltfreundlichen und effizienten Recyclingmethoden haben zu einem erhöhten Interesse an der Identifikation und Trennung von Kunststoffarten geführt. Insbesondere Mehrschichtkunststoffe stellen aufgrund ihrer komplexen Zusammensetzung eine besondere Herausforderung für das Recycling dar. In diesem Zusammenhang gewinnen moderne Analysemethoden, wie die Nahinfrarotspektroskopie (NIR), an Bedeutung, da sie eine schnelle und präzise Identifikation von Kunststoffen ermöglichen. Diese Arbeit beschäftigt sich mit der Anwendung von Nahinfrarotspektroskopie und statistischen Analysemethoden zur Identifikation und Klassifizierung von Mehrschichtkunststoffen mittels dem tragbaren NIR-Handheld MicroPHAZIR von Thermo Fisher Scientific. Dabei wurde die Eignung von NIR in Kombination mit der Hauptkomponentenanalyse (PCA) und unterschiedlichen Klassifikationsalgorithmen untersucht. Das Ziel war, die Auswirkungen von verschiedenen Hintergründen (Aluminium, Fliese, Gold, Kupfer, PVC, Silber und Teflon), Foliendicken und Transparenz auf die Identifikationsleistung zu analysieren. Die Ergebnisse zeigen, dass sowohl Aluminium als auch PVC als Hintergrund in Verbindung mit dem KNN-Klassifikationsalgorithmus eine fehlerfreie Identifikationsrate von 100% erzielen konnten.