Viele Entscheidungen im Sport sind deshalb so schwierig, weil sie eine Abwägung zwischen Risiko und Belohnung beinhalten. Aktionen wie ein Dreipunktwurf, das Tragen eines Pucks oder das Dribbeln mit einem Ball bergen ein höheres Risiko des Scheiterns und erfordern außergewöhnliche Fähigkeiten, bringen aber auch das Potenzial für eine höhere Belohnung mit sich. In diesem Beitrag werden computergestützte Tools für die Risikoanalyse beschrieben, um das Risiko zu modellieren, das mit den Entscheidungen von Teams und Sportlern verbunden ist. Wir nutzen verteilungsbasiertes Verstärkungslernen (RL) als Quelle von Konzepten und Techniken für die rechnergestützte Risikoanalyse. Verteilungs-RL-Techniken ermöglichen es uns, eine dynamische Verteilung der Ergebnisse von mehr als 1000 Spielen der National Hockey League zu modellieren. Wir finden starke Belege dafür, dass starke Mannschaften viele Risiken eingehen (0,90 Korrelation zwischen dem Saisonrang der Mannschaft und der Standardabweichung der Saison). Bei den Spielern finden wir gute Belege dafür, dass stärkere Spieler mehr Risiken eingehen (z. B. 0,86 Korrelation zwischen den Saisontoren eines Spielers und seiner Value-at-Risk-Kennzahl).