Modul 1 · Lektion 10

Bestärkendes Lernen

Geprüft am 19.11.2026

Bestärkend = lernen durch Belohnung und Strafe beim Ausprobieren. Es gibt kein Lösungsheft, nur Rückmeldung.

Im Alltag

Sie bringen einem Hund „Sitz“ bei. Sie erklären ihm nichts – er probiert Verschiedenes aus. Setzt er sich, gibt es ein Leckerli. Mit der Zeit wiederholt er, was belohnt wurde. Genauso lernt ein Kind Fahrradfahren: Hinfallen tut weh, Gleichgewicht halten fühlt sich gut an.

Fachlich

Beim bestärkenden Lernen (engl. reinforcement learning, RL) handelt ein Agent in einer Umgebung. Für jede Aktion erhält er eine Belohnung oder Strafe. Er lernt eine Strategie (Policy), die auf lange Sicht möglichst viel Belohnung bringt.

Animation: Ein Roboter läuft durch ein Raster aus 5 mal 5 Feldern. In den ersten Versuchen landet er auf Strafe-Feldern mit minus 10. In Episode 3 erreicht er das Ziel mit plus 10. In Episode 20 geht er den gelernten, sicheren Weg direkt zum Ziel.
Durch Ausprobieren, Belohnung und Strafe findet der Agent den besten Weg.
BegriffBeim HundBeim Lagerroboter
AgentDer HundDer Roboter
UmgebungDas WohnzimmerDie Lagerhalle
AktionSitzen, bellen, springenFahren, greifen, warten
BelohnungLeckerliPaket schnell und unbeschädigt geliefert
StrafeKein LeckerliZusammenstoß, Umweg

Ausprobieren oder Bewährtes nutzen? Der Agent muss abwägen: Nimmt er den bekannten Weg (Fachbegriff: Exploitation) oder probiert er etwas Neues, das vielleicht noch besser ist (Exploration)? Einsatz: Robotik, Spiele, Steuerung von Anlagen und das Feintuning von Sprachmodellen mit menschlichem Feedback.

Merksatz

Bestärkend = lernen durch Belohnung und Strafe beim Ausprobieren. Es gibt kein Lösungsheft, nur Rückmeldung.

Hinweise für Lehrende

Viele Teilnehmende kennen Hundetraining – nutzen Sie das. In der Animation lohnt es sich, Episode 1 und 2 zu kommentieren: Der Roboter weiß nichts, läuft in Fallen. Ab Episode 3 kennt er einen Weg. In Episode 20 hat er den sicheren Weg gelernt – die grün getönten Felder zeigen, wo sich Erfolg „gemerkt“ hat.

Abgrenzung zum überwachten Lernen: Dort sagt man bei jedem Beispiel die richtige Antwort. Hier gibt es nur eine Bewertung im Nachhinein. Diese Abgrenzung ist prüfungsrelevant.