Bewertungen 4,2
Bewertungen 4,5
AI+ Game Design Agent™
Intelligente Tools und kreative Gestaltung ergänzen sich: Wer KI in Game-Design-Prozesse integriert, entwickelt schneller, trifft fundierte Entscheidungen und erschafft digitale Erlebnisse mit mehr Tiefe. Dieser Kurs vermittelt die Grundlagen und zeigt konkrete Einsatzmöglichkeiten.
Zentrale Themen
- Einsatz und Aufbau KI-gestützter Design-Workflows
- Verfahren zur automatisierten Generierung von Ideen und Inhalten
- Entwicklung adaptiver Spielmechaniken durch intelligente Systeme
- Nutzung datenbasierter Methoden für Designentscheidungen
- Überblick zu aktuellen Trendtechnologien in kreativen Produktionspipelines
Voraussetzung
Wer mit digitalen Medien vertraut ist und offen für neue Arbeitsweisen ist, kann direkt einsteigen.
Zielgruppe
Kreative, die Game Design, Medienproduktion oder Entwicklung mit KI-Methoden weiterentwickeln wollen, finden hier einen praxisnahen Einstieg.
Technologisches Know-how trifft auf gestalterische Kreativität – ein kompakter Kurs für alle, die digitale Spielwelten mit KI neu denken.
Kursinhalte
Grundlagen von KI-Agenten
- Was sind KI-Agenten und wie funktionieren sie?
- Aufbau von Agentenarchitekturen und deren Umgebungen
- Entscheidungslogik und Verhaltenssteuerung im Überblick
- Grundprinzipien von Multiagentensystemen
- Fallstudie: Pac-Man-Geister-KI
- Praktische Übung: Aufbau eines einfachen reaktiven KI-Agenten, der sich mit Pygame in einer einfachen Umgebung bewegt.
KI-Spielagenten: Aufbau und Funktionsweise
- Definition und Merkmale von KI-Spielagenten
- Kernkomponenten im Überblick
- Vergleich verschiedener Agentenarchitekturen
- Typische Verhaltensweisen von KI-Spielagenten
- Fallstudie: Rennspiele (z. B. Mario Kart, Forza Horizon)
- Praktische Übung: Erstellen eines einfachen Spiels mit sich bewegenden Kisten in Playcanvas.
Reinforcement Learning in der Spieleentwicklung
- Konzepte und Grundprinzipien des Reinforcement Learning
- Algorithmen im Fokus: Q-Learning und SARSA
- Übertragung von RL-Methoden auf Spielagenten
- Typische Herausforderungen und Lösungsansätze im spielbasierten RL
- Fallstudie: AlphaZero in Spielen: Meistern von Schach, Shogi und Go durch Selbstspiel und verstärkendes Lernen.
- Praktische Übung: Training eines einfachen RL-Agenten in der OpenAI Gym-Umgebung.
NPC-Steuerung und Wegfindung mit KI
- NPCs als eigenständige KI-Agenten betrachten
- Grundlegende KI-Techniken zur NPC-Steuerung
- Algorithmen zur Berechnung optimaler Wege
- Hindernissen ausweichen und Bewegungsabläufe optimieren
- Fallstudie
- Praktische Übungen
Strategische Entscheidungsfindung durch KI
- Entscheidungsbäume und Minimax-Algorithmus für Spiel-KI
- Monte-Carlo-Baumsuche (MCTS) für KI-Agenten
- Nutzenbasierte Ansätze zur Entscheidungsfindung
- KI-Einsatz in Echtzeit-Strategiespielen (RTS)
- Fallstudie: StarCraft II KI von DeepMind
- Praktische Übung: Implementierung eines einfachen MCTS-Agenten für Tic-Tac-Toe mit Pygame.
KI-Agenten in 3D-Spielwelten
- Besonderheiten von 3D-Umgebungen für KI-Agenten
- Aufbau von Navigationsnetzen für den Einsatz in 3D
- Komplexe Verhaltensweisen von Agenten in dreidimensionalen Welten
- Fallstudie: The Last of Us
- Praktische Übung: Entwicklung eines 3D-KI-Agenten mit Navigation und Interaktion in Unity unter Verwendung von NavMesh und C#.
KI-Trends und die Zukunft des Game Design
- Aktuelle Entwicklungen und aufkommende KI-Technologien
- Perspektiven für generalistische KI in der Spielebranche
- Fallstudie
Abschlussprojekt
- Aufgabenbeschreibung und Zielsetzung
- Praktische Umsetzung des Projekts
- Testen, Debuggen und Optimieren
- Praktische Übungen zur Vertiefung
Jetzt kostenlos beraten lassen
Unsere Fördermaßnahmen gelten ausschließlich für Teilnehmende mit Wohn- oder Arbeitssitz in Deutschland.
Eine Förderung außerhalb Deutschlands ist nicht möglich.
Für Berufseinsteiger, Arbeitsuchende, Quereinsteiger, Startups, Berufserfahrene, Aufsteiger, Spezialisten …
