Der Einsatz von maschinellem Lernen in Fahrerassistenzsystemen ermöglicht es, deren Funktionalitäten deutlich zu verbessern. Insbesondere ermöglicht es die Personalisierung von Systemen, indem das bisherige Verhalten des Fahrers auswertet wird. Eine solche Personalisierung ist besonders relevant für Empfehlungen in Manövern, bei denen die spezifische Ausführung des Manövers stark vom momentanen Fahrstil und der Aufmerksamkeit des Fahrers abhängt. Ausgehend von dieser Idee entwickelte PRORETA 4 einen prototypischen Stadtassistenten, der dem Fahrer eine personalisierte Empfehlung in städtischen Kreuzungsszenarien gibt. Um die Empfehlungen und Warnungen entsprechend anzupassen, berücksichtigt das System den erlernten momentanen Fahrstil und das Blickverhalten des Fahrers. In dieser Arbeit werden die wichtigsten Funktionsblöcke des Systems beschrieben, Lösungen für die wichtigsten Herausforderungen bei der Implementierung präsentiert und auch die Sicherheit des verwendeten Lernalgorithmus diskutiert.