Klassische Algoritmen des verstärkenden Lernens nehmen an dass numerische Bewertungen existieren. Eine numerische Bewertung hat einen hohen Informationsgehalt und kann effizient maximiert werden. Die Definition solche eines numerischen Signals kann aber, auf Grund diverser Limitationen, in der Praxis schwierig sein. Zudem können schlecht definierte Werte zu unerwünschten Ergebnissen führen. Menschen können normalerweise einfacher qualitative als quantitative Bewertungen definieren. Daher wollen wir Probleme des verstärkenden Lernens mit qualitativen Bewertungen lösen um möglicherweise mehrere der Limitationen der numerischen Bewertungen zu überwinden. Präferenzen haben mehrere Vorteile über andere qualitative Bewertungen wie ordinale Signale oder Ratschläge. Präferenzen sind skalenfrei und benötigen keine Annahmen über das optimale Ergebnis. Präferenzen sind aber schwierig zu nutzen um sequentielle Entscheidungsprobleme zu lösen da unbekannt ist welche Entscheidungen zu einer bestimmen Präferenzen geführt haben. Daher analysieren wir verschieden Ansätze die das Lernen von Präferenzen ermöglichen und beschreiben die jeweiligen Design Entscheidungen sowie deren Vorteile und Nachteile. Zudem geben wir ein Überblick über das Forschungsfeld und Kategorisieren die entsprechenden Algorithmen anhand der getroffenen Design Entscheidungen. Effizienz ist in diesem Feld besonders wichtig um die Anzahl der nötigen Präferenzen zu reduzieren, da diese von Beurteilungen durch Menschen abhängen. Daher liegt unser Fokus auf der effizienten Nutzung von Präferenzen. Als besonders wichtig kann es angesehen werden vorhandene Präferenzen zu Generalisieren und Bewertungen zu erhalten, ohne das der Mensch explizit involviert werden muss. Diese Methoden erzeugen aber Unsicherheiten und das ''Exploration/Exploitation''-Problem des klassischen, verstärkenden Lernens muss unter dem Aspekt der Präferenzen berücksichtigt werden. Wir zeigen wie dieses duale Erkundungsproblem effizient gelöst werden kann, in dem man beide Aufgaben mit Hilfe von ungerichteten Methoden vereint. Wir verwenden ungerichtete Erkundungsverfahren da diese besser mit der Dimensionalität des Problems skalieren. Des Weiteren muss angenommen werden dass menschliche Bewertungen fehlerhaft sind und wir analysieren die dadurch entstehenden Probleme. Wir zeigen dass es am wichtigsten ist das Problem des Rauschens zu lösen und zeigen eine entsprechende Lösung.