Auf dem Weg hin zu selbstlernenden, autonomen Algorithmen, wie sie im Bereich der künstlichen Intelligenz verwendet werden müssen, werden Lernverfahren benötigt, die auf eine sich verändernde Dynamik der Umgebung reagieren. Hier setzen die Lernverfahren des Reinforcement Learnings an, die zukünftige Handlungen antizipieren und diese in der Entscheidungsfindung berücksichtigen. Im Rahmen des Talks wird die Funktionsweise von Reinforcement Learning anhand eines Spiels und unter Verwendung des Unity-ML-Agents-Toolkits veranschaulicht. Garantiert ohne langatmige Exkursionen der zugrunde liegenden Mathematik, dafür aber mit einsteigerfreundlichen Erläuterungen und vielen Visualisierungen.