So funktioniert es
Anders als beim Lernen aus festen richtigen Antworten geht es um eine Handlungsfolge. Eine schlecht gewählte Belohnung kann dazu führen, dass das System das Messziel erfüllt, aber den eigentlichen Zweck verfehlt.
Beispiel aus dem Arbeitsalltag
In einer Simulation werden Steuerungsstrategien für einen Energieverbrauch getestet. Belohnt werden geringe Kosten bei eingehaltenen Temperaturgrenzen, bevor ein möglicher Einsatz weiter geprüft wird.
Worauf es ankommt
Unkontrolliertes Ausprobieren ist in realen Anlagen riskant. Simulationen, sichere Grenzen und fachliche Freigaben sind deshalb zentral. Mehr Belohnung bedeutet nicht zwangsläufig besseren Gesamtnutzen.