Verstärkungslernen im Studio – warum Tanzlehrer schon RL machen
KI-Reinforcement-Learning formalisiert etwas, das im Tanzsaal körperlich passiert: versuchen, Feedback, wiederholen. Thorndike zuerst, Sutton & Barto danach.
Letzte Woche, Adagio-Tempo, leise Klaviermusik: relevé an der Stange, Ferse wackelt beim Halten. Kein Vortrag über Biomechanik. Zwei Finger am Schienbein, leichter Druck nach außen, drei langsame Wiederholungen – beim vierten Mal hält sie allein, ohne dass ich nachhelfe. Kein Blatt Papier.
So läuft der Großteil meines Unterrichts. Zeigen, anfassen, korrigieren, wiederholen. Papier erklärt was gemeint ist. Der Körper lernt durch Versuche.
KI hat uns nicht erfunden
Reinforcement Learning (RL) in der KI wurzelt in Lernpsychologie. Sutton und Barto schreiben in Kapitel 1.6 ihrer RL-Einführung, dass der trial-and-error-Faden bei Thorndikes Law of Effect (1911) beginnt: Handlungen mit „befriedigenden“ Folgen werden eher wiederholt (Thorndike, Animal Intelligence). Instrumentelles Lernen – Verhalten verändert die Situation, Belohnung formt die Policy – war in der Ingenieurwissenschaft lange unterrepräsentiert, bis Klopf, Sutton und Barto es formalisierten.
RL ist also keine Metapher, die wir nachträglich auf Kinder legen. Es ist eine Formalisierung dessen, was Organismen schon tun.
Motor Learning: warum Reden allein nicht reicht
Tanzforschung und Motor Learning (Schmidt & Lee, Motor Control and Learning; IADMS-Ressourcen) unterscheiden intrinsisches Feedback (Gleichgewicht, Spannung) von augmentiertem Feedback durch die Lehrperson.
Zwei Formen sind zentral:
- Knowledge of results (KR): „Du bist nach rechts gefallen.“
- Knowledge of performance (KP): „Dein rechtes Becken ist hochgezogen, deshalb verlierst du die Achse.“
Systematische Reviews zeigen: KP allein ist nicht immer überlegen – Kontext zählt (Skill-Level, Aufgabe). Bei komplexen Bewegungen wie Tanz braucht es oft KP plus KR, und bei Anfängern eher präskriptives KP („dreh die Ferse früher“) als reine Ergebnisbeschreibung. Der Körper braucht Information über die Qualität der Bewegung, nicht nur über das Scheitern.
Demonstration, taktiler Input und Wiederholung sind deshalb kein Relikt. Sie sind der praktische Weg, wie der Körper Information aufnimmt.
Die Studio-Schleife (RL-Vokabular, menschlich gemeint)
| RL-Begriff | Im Unterricht |
|---|---|
| State | Haltung, Müdigkeit, Musik, Boden |
| Action | Der versuchte Schritt |
| Reward | Stabilität, „ja, so“, Applaus, innere Sicherheit |
| Policy | Dein Standard-Einstieg in die Pirouette |
| Exploration | Impro, andere Qualität testen |
| Exploitation | Feste Version vor Prüfung |
Der Reward ist selten eine Zahl. Er ist Ton, Pause, manchmal Stille. Trotzdem optimiert der Körper über Wiederholung.
Zurück zum Menschen: vier RL-Ideen bewusst nutzen
1. Reward shaping (Zwischenbelohnung)
Bei Pirouetten belohne ich nicht nur „gestanden“. Ich markiere en-dehors vor dem Push-off, geschlossene Arme, frühe Augen.
Zuschreibung (credit assignment): Ohne diese Zwischenschritte weiß der Körper nicht, welcher Teil der Kette den Erfolg trug.
2. Exploration vs. exploitation
In der Probephase: Variation und Impro. Vor der Aufführung: eine stabile Policy. Viele Schüler drillen zu früh eine halbfertige Version – exploitation ohne genug exploration.
3. Delayed reward
Premiere und Prüfung liefern spätes Feedback. Im Unterricht brauche ich häufiges Zwischenfeedback: kleine Korrekturen pro Wiederholung, nicht ein Satz am Ende der Stunde.
4. Model-based vs. model-free
Manchmal braucht es Bild und Anatomie (planen). Manchmal reines Drill, bis es automatisch läuft. Gute Lehrer wechseln zwischen beiden; wer nur in einem Modus bleibt, verlangsamt den Fortschritt.
Zweites Beispiel: Adagio in der Mitte
Ein Schüler kippt im développé nach hinten, das Standbein knickt leicht ein. KR wäre: „Du bist aus der Balance.“ Ich sage: „Dein Standbein-Knie gibt nach – spür den Oberschenkel nach außen.“ Dann fünf Wiederholungen ohne neue Worte, nur nicken oder kurz anhalten, wenn es passt. Abschluss-Feedback plus Wiederholung – die Schleife, die Motor-Learning-Literatur für den Erwerb von Fertigkeiten beschreibt.
Was ich nicht behaupte
Ich behaupte nicht, dass Schüler GPT-Modelle sind oder dass PPO im Gehirn läuft. Die Mapping-Tabelle ist didaktische Sprache, um präziser zu sehen, wo wir eingreifen.
RL hat auch zurück in die Psychologie gegeben (temporal-difference-Modelle für Konditionierung). Die Richtung ist nicht einseitig.
Weiterlesen
- Sutton & Barto: History of RL (1.6)
- Thorndike: Law of Effect (Animal Intelligence)
- IADMS: Motor Learning and Teaching Dance (PDF)
- PMC: Augmented feedback systematic review
Takeaway
Tanz ist zu physisch für reine Theorie. RL in der KI ist zu abstrakt ohne Körper. Die Mitte ist: versuchen – spüren – anpassen – wiederholen. Thorndike beschrieb es. Sutton und Barto formalisierten es. Du machst es an der Stange.
Im nächsten Post kann ich eine Pirouette-Stunde als explizites Reward-Shaping-Design skizzieren – wenn dich das Thema interessiert.