Reinforcement Learning – Einführung: Wie Agenten durch Erfahrung lernen
Praxisorientierter Einführungsworkshop dazu, wie KI-Agenten durch Erfahrungen, Feedback und das Ausprobieren unterschiedlicher Handlungen selbstständig lernen.
Wie kann Künstliche Intelligenz lernen, wenn vorhandene Trainingsdaten nicht ausreichen oder die optimale Lösung eines Problems noch unbekannt ist? Der Workshop „Reinforcement Learning – Einführung: Wie Agenten durch Erfahrung lernen“ des KI-Servicezentrums Berlin-Brandenburg am Hasso-Plattner-Institut vermittelt die Grundlagen eines Machine-Learning-Ansatzes, bei dem KI-Agenten ihr Verhalten durch Interaktion mit ihrer Umgebung verbessern.
Beim Reinforcement Learning (RL) probieren Agenten unterschiedliche Handlungen aus und erhalten dafür Rückmeldungen in Form von Belohnungen oder Bestrafungen. Auf dieser Grundlage entwickeln sie schrittweise Strategien, um bestimmte Ziele zu erreichen. Die Teilnehmenden lernen zentrale Konzepte kennen und erproben diese praktisch. Dazu gehören die Interaktion zwischen Agent und Umgebung, das Abwägen zwischen Exploration und Exploitation sowie die Gestaltung geeigneter Feedback- und Belohnungsmechanismen.
Der Workshop bietet einen verständlichen Einstieg in ein Forschungs- und Anwendungsfeld, das unter anderem in Robotik, Logistik, Steuerungssystemen sowie Spielen und Simulationen eine wichtige Rolle spielt. Vorkenntnisse im Reinforcement Learning sind nicht erforderlich, grundlegende Python-Kenntnisse werden jedoch vorausgesetzt.
- Datum: 24. November 2026
- Uhrzeit: 10:00–13:00 Uhr
- Ort: Hasso-Plattner-Institut, Hauptgebäude (H), Raum H-2.57/58, Prof.-Dr.-Helmert-Straße 2–3, 14482 Potsdam
- Veranstalter: KI-Servicezentrum Berlin-Brandenburg am HPI
- Teilnahme: Kostenfrei, verbindliche Anmeldung über Eventbrite
- Sprache: Deutsch
- Zielgruppe: Einsteiger:innen im Bereich Reinforcement Learning mit grundlegenden Python-Kenntnissen
- Fokus: Reinforcement Learning, KI-Agenten, erfahrungsbasiertes Lernen, Belohnungsmechanismen, Exploration vs. Exploitation und Agent-Umgebungs-Interaktion
- Anwendungsfelder: Robotik, Logistik, Steuerungssysteme, Spiele und Simulationen
- Praxisanteil: Kennenlernen und Erproben grundlegender Reinforcement-Learning-Konzepte
- Vorkenntnisse: Grundkenntnisse in Python erforderlich; keine Vorkenntnisse im Reinforcement Learning notwendig
- Mitbringen: Eigener Laptop
- Hinweis: Während der Veranstaltung werden Foto-, Ton- und Filmaufnahmen erstellt