Die Personalkosten sind ein wichtiger Leistungsindikator im Lagerbetrieb, da sie sich direkt auf Kosten und Gewinn auswirken. Um den Gewinn zu maximieren, ist daher eine gute Personalplanung unerlässlich. In dieser Masterarbeit haben wir den Einsatz von Reinforcement Learning unter Verwendung neuronaler Netze zur Unterstützung der Entscheidungsfindung bei der Zuweisung von Arbeitskräften untersucht. Zunächst wird eine Einführung in das Reinforcement Learning und neuronale Netze gegeben. Anschließend wird auf der Grundlage einer Systemanalyse ein Markov Decision Process (MDP) entworfen. Auf der Grundlage dieses MDP wird eine Simulation erstellt, um die für das Reinforcement Learning erforderlichen Daten zu generieren. Im letzten Schritt wird der Reinforcement-Learning-Ansatz beschrieben, um den erwarteten Gewinn für verschiedene Entscheidungen vorherzusagen. Die Auswertung verschiedener Validierungsszenarien zeigt, dass der entwickelte Reinforcement-Learning-Ansatz höhere Gewinne erzielt als ein naiver Algorithmus und daher als wertvolle Unterstützung für zukünftige Lageroperationen angesehen werden sollte.