Die Messung und Kartierung der Vegetationsstruktur ist unerlässlich, um die Funktionsweise terrestrischer Ökosysteme zu verstehen und umweltpolitische Maßnahmen zu fundieren. In den letzten Jahren ist die Nachfrage nach hochauflösenden Daten zur Vegetationsstruktur stetig gestiegen. Dies führt zu Vorhersagen mit feinen Auflösungen (1–30 m) auf nationaler, kontinentaler und globaler Ebene durch die Kombination von Satellitendaten mit maschinellem Lernen. Mit der Ausweitung dieser Initiativen ist es entscheidend, die Qualität und Nutzbarkeit dieser Produkte aktiv zu diskutieren. Wir fassen hier die aktuellen Bemühungen zur Kartierung der Vegetationsstruktur kurz zusammen und zeigen, dass kontinentale bis globale Kronenhöhenmodelle (Ceopy Height Models, CHMs) im Vergleich zu nationalen Airborne-Laserscanning-Daten (ALS) signifikante Fehler in den Kronenhöhen aufweisen. Wir empfehlen Regionen mit umfangreichen ALS-Daten, wie beispielsweise Europa, die Verwendung von ALS-basierten Kronenhöhenmetriken zu priorisieren, anstatt sich auf weniger genaue Vorhersagen aus Satellitenprodukten zu verlassen. Trotz der Unterschiede in den Eigenschaften von ALS-Daten, wie z. B. zeitlichen Inkonsistenzen und Unterschieden in den Erfassungseigenschaften und der Klassifizierungsgenauigkeit, ist die Erstellung räumlich zusammenhängender Kronenhöhenprodukte im Rasterformat mit hoher räumlicher Auflösung notwendig und realisierbar. Dies erfordert die Koordinierung von Bemühungen zur Harmonisierung von Daten und Erhebungen, die Entwicklung standardisierter Verarbeitungspipelines und kontinentweiter ALS-Produkte sowie die Gewährleistung des freien Zugangs für Forschung und Umweltpolitik. Wir zeigen, dass ALS-Daten mittlerweile den größten Teil Europas abdecken, wobei neuere Erhebungen höhere Punktdichten erreichen und sich dadurch besser für die Vegetationskartierung eignen. Neben zahlreichen Anwendungen in Forstwirtschaft, Ökologie und Naturschutz sind solche Datensätze entscheidend für die Kalibrierung zukünftiger Erdbeobachtungsmissionen und somit unerlässlich für die Erstellung zuverlässiger und genauer globaler Vegetationsstrukturdaten mit hoher Auflösung.