Plattform
Plattform-ÜbersichtAI Adoption & Multi-ModellSelbstbefüllendes KI-CRMSales & Branchen CRMSales CRM Use CasesRecruiting CRM Use CasesB2B Kontakt-SucheMulti-Channel-KampagnenProjekte & AufgabenTeam-MessengerSocial Media StudioFunnel & NewsletterMeetings & Terminbuchung
Beratung, Preise & Ressourcen
KI-Transformation & StrategieManaged ServicesAlexander Weltzsch · Executive AdvisoryDennis Hilger · B2B Growth AdvisoryPreise & LizenzrechnerÜber unsKI im UnternehmenTech und KI GlossarLeitfaden für erfolgreiche LandingpagesGeschäftsbedingungen und RichtlinienKontakt & Live-Demo
← Zurück zum Tech und KI Glossar (A–Z)
Tech und KI Glossar · Buchstabe · Buchstabe B

Bestärkendes Lernen (Reinforcement Learning)

Bestärkendes Lernen (Reinforcement Learning)

Definition

Bestärkendes Lernen (Reinforcement Learning, RL) ist ein Teilgebiet des maschinellen Lernens, bei dem ein Software-Agent schrittweise mit einer Umgebung interagiert und über numerische Belohnungs- und Strafsignale eine Handlungsstrategie (Policy) erlernt.

Erklärung

In jedem Zeitschritt erfasst der Agent den aktuellen Zustand der Umgebung, wählt eine Aktion aus und erhält ein Rückmeldesignal (Reward). Ziel des Trainings ist es, die kumulierte Gesamtbelohnung über eine vollständige Aktionssequenz hinweg zu maximieren, auch wenn einzelne Zwischenschritte zunächst keinen direkten Gewinn liefern. Dabei wägt der Algorithmus fortlaufend zwischen dem Ausprobieren neuer Aktionen (Exploration) und dem Nutzen bereits bewährter Strategien (Exploitation) ab. In der Praxis wird Reinforcement Learning unter anderem beim Nachtraining großer Sprachmodelle durch menschliches Feedback (RLHF), bei der Steuerung von Lager- und Industrierobotern sowie bei der Lastverteilung in Rechenzentren eingesetzt. Da klassisches RL sehr viele Interaktionsdurchläufe oder präzise Simulationen voraussetzt, greifen B2B-Teams für Web-Tests oder Produktempfehlungen oft auf vereinfachte Varianten wie Contextual Bandits zurück.