Teil C · Arten des maschinellen Lernens · Lektion 11
Bestärkendes Lernen
Geprüft am 20.11.2026
Bestärkend = ein Agent lernt durch Ausprobieren, welche Handlungen sich langfristig lohnen.
Ein Hund lernt „Sitz“, weil es danach ein Leckerli gibt. Niemand zeigt ihm die Bewegung – er probiert, und was belohnt wird, macht er öfter.
Beim bestärkenden Lernen (Reinforcement Learning, RL) handelt ein Agent in einer Umgebung. Er beobachtet einen Zustand, wählt eine Aktion und erhält eine Belohnung (positiv oder negativ). Ziel ist eine Strategie (Policy), die die Summe der Belohnungen auf lange Sicht maximiert.
Wo es eingesetzt wird
- Robotik: Greifen, Laufen, Balancieren
- Steuerung: Klimaanlagen in Rechenzentren, Ampelschaltungen, Lagerroboter
- Spiele: Schach, Go, Computerspiele
- Feinschliff von Sprachmodellen: RLHF – Reinforcement Learning from Human Feedback; Menschen bewerten Antworten, das Modell lernt daraus, hilfreichere Antworten zu geben
Zielkonflikt Erkunden oder Ausnutzen (exploration vs. exploitation): Probiert der Agent Neues aus, oder nutzt er, was sich bewährt hat?
Bestärkend = ein Agent lernt durch Ausprobieren, welche Handlungen sich langfristig lohnen.
Eine schlecht gewählte Belohnung wird ausgetrickst: Belohnt man einen Reinigungsroboter für „keinen Schmutz sehen“, lernt er womöglich, die Kamera abzudecken. Die Belohnung muss das eigentliche Ziel treffen.
Hinweise für Lehrende
Das Beispiel mit dem Reinigungsroboter zeigt ein echtes Führungsthema: Auch bei Menschen führen falsch gesetzte Kennzahlen zu falschem Verhalten. Diese Brücke zu Modul 15 lohnt sich.
Häufige Fragen zu „Bestärkendes Lernen“
Was ist Reinforcement Learning?
Beim bestärkenden Lernen handelt ein Agent in einer Umgebung, erhält für seine Aktionen Belohnungen oder Strafen und lernt eine Strategie, die die Belohnung auf lange Sicht maximiert.
Was ist RLHF?
Reinforcement Learning from Human Feedback: Menschen bewerten Antworten eines Sprachmodells, und das Modell lernt daraus, hilfreichere und sicherere Antworten zu geben.
Warum ist die Wahl der Belohnung so wichtig?
Ein Agent optimiert genau das, was belohnt wird. Trifft die Belohnung das eigentliche Ziel nicht, findet er Abkürzungen, die formal belohnt werden, aber nicht erwünscht sind.