Das Paper behandelt eine neuartige Methodik zur Berechnung der optimalen Nutzung bestehender Ladeinfrastruktur im Elektromobilit?ts-Sektor. Volatile erneuerbare Energien sollen so durch eine intelligente IT-Infrastruktur besser genutzt werden k?nnen. Mittels Reinforcement Learning, dem best?rkenden oder verst?rkenden Lernen, werden Stakeholder identifiziert, ihre Kontextinformationen wie Zeit und Ort verarbeitet und anschlie?end optimal geleitet. Hierdurch k?nnen die Bedarfe jedes Stakeholders erfüllt werden, die beispielsweise Fahrzeugbesitzer, Betreiber von Ladestationen, Netz- oder Flottenbetreiber sein k?nnen.  

Reinforcement Learning steht für eine ganze Reihe von Methoden des maschinellen Lernens. Hierbei erlernt ein sogenannter Software-Agent selbst?ndig eine Strategie, um das Erhalten von Belohnungen zu maximieren. Als Belohnungen werden hier positives oder negatives Feedback auf die Aktionen des SW-Agenten betrachtet.  Die Modelle des best?rkenden Lernens versuchen das Lernverhalten in der Natur nachzubilden.

In der beschriebenen Methodik lernt das System so lange von der Umgebung, bis die optimale Zuweisungsstrategie für Laderessourcen innerhalb der Systemgrenzen erreicht ist. Das Konzept der Optimalit?t wird aus der Perspektive mehrerer Akteure betrachtet, die am ?kosystem der intelligenten Mobilit?t beteiligt sind. Durch die Weiterentwicklung des Konzepts sollen komplexere digitale Interaktionen zwischen den Akteuren eines ?kosystems der intelligenten Mobilit?t erm?glicht werden.