AI+ Gaming™

1 Tag

WalkIn® Training in Englisch


Jetzt Angebot einholen

Ein praxisnahes Format verbindet moderne KI-Technologien mit aktuellen Trends der digitalen Spielewelt. Der Fokus liegt auf zukunftsrelevanten Methoden, kreativen Prozessen und intelligenten Tools, die den Umgang mit Gaming-Systemen effizienter und innovativer machen.

Zentrale Schwerpunkte

  • Einsatz moderner KI-Modelle für Spielmechaniken, Assets und automatisierte Workflows.
  • Analyse von Datenstrukturen zur Optimierung von Game-Elementen.
  • Entwicklung kreativer Konzepte mithilfe intelligenter Automatisierung.
  • Technische Grundlagen für KI-gestützte Szenarien, Design-Prozesse und Agentenlogik.
  • Praktische Umsetzung von Ideen in spielnahen Umgebungen.

Ein kompakter Überblick, der zeigt, wie moderne KI das digitale Spielen effizienter, kreativer und technisch vielseitiger gestaltet.
 

Kursinhalte
  • Definition künstlicher Intelligenz
  • Historische Entwicklung in digitalen Spielen
  • Zentrale KI-Typen im Spielebereich
  • Nutzen, Schwierigkeiten und aktuelle Innovationen der Spiel-KI
  • Spielmechaniken und Nutzererlebnis klar erfassen
  • Einfluss von KI auf Gameplay sowie narratives Design einordnen
  • Umgebungen gestalten, die gezielt für KI-Interaktionen ausgelegt sind
  • Unterschiede zwischen KI-gesteuertem Verhalten und klassischer Skriptlogik vergleichen
  • Fallstudie zu dynamischer KI und narrativer Anpassung in „Mittelerde: Mordors Schatten“
  • Praktische Aufgabe: Adaptives NPC-Verhalten und Umweltinteraktion entwickeln
  • Zentrale Prinzipien der Spiel-KI
  • Pfadfindung und effiziente Suchverfahren
  • Verhaltenslogik und prozedurale Content-Erzeugung
  • Grundlagen von Machine Learning und Reinforcement Learning
  • Beispielanalyse: Minecraft-KI mit PCG und Agentennavigation
  • Praxisaufgabe: A*-Routing und FSM-Steuerung für NPC-Abläufe
  • Zentrale Prinzipien: Zustände, Aktionen, Belohnungen, Strategien, Q-Learning
  • Dynamik zwischen Erkundung und Ausnutzung
  • Einordnung von Deep Q Networks (DQN) und Policy-Gradient-Methoden
  • Beispielanalyse: Reinforcement Learning in DeepMinds AlphaGo
  • Praxisaufgabe: Modelltraining in OpenAI Gyms GridWorld
  • Minimax-Verfahren mit Alpha-Beta-Optimierung
  • Monte-Carlo-Tree-Search (MCTS)
  • Einsatz in Brettspielen und Echtzeit-Strategietiteln (RTS)
  • Praxisbeispiel: KI-Strategien in StarCraft II durch kombinierte Planungsansätze
  • Umsetzungshinweis: Minimax-Implementierung für Tic-Tac-Toe
  • Einordnung zentraler 2D- und 3D-Spielumgebungen.
  • Basisverfahren zur visuellen Gestaltung von Welten.
  • Navigation und Wegfindung in zweidimensionalen und dreidimensionalen Räumen.
  • Systeme für Interaktion und Verhalten in virtuellen Welten.
  • Analyse: Navigation und Interaktions-KI in „The Legend of Zelda: Breath of the Wild“.
  • Praxis: Entwicklung einfacher Navigations- und Interaktionsprozesse in 2D- und 3D-Spielumgebungen.
  • Einführung in adaptive Systeme.
  • Grundlagen dynamischer Schwierigkeitssteuerung (DDA).
  • Adaptives Storytelling, Profilbildung und individuelle Anpassung.
  • KI-Methoden für adaptive Mechaniken.
  • Strategien und Tools für die Umsetzung.
  • Fallbeispiel: Gegnerdynamik und Replay-Faktor durch den KI-Director in Left 4 Dead.
  • Praxis: Aufbau eines adaptiven Schwierigkeitsmoduls in Unity.
  • Generalistische KI-Agenten und effizientes Transferlernen.
  • KI-basierte Tools für Spieldesign sowie Testprozesse.
  • Ethische Aspekte, Fairness und transparente KI-Nutzung.
  • Zukunftstechnologien: VR/AR-KI und KI im E-Sport-Coaching.
  • Komplexes Abschlussprojekt