In datenbasierten Repräsentationen räumlicher Audioszenen ist die räumliche Information in den Audiosignalen enthalten. Beispiele hierfür sind Aufnahmen, die mit einem Kunstkopf oder einem Mikrofon-Array erstellt wurden. Sie stehen im Gegensatz zu modellbasierten Repräsentationen, in denen die räumliche Information wie die Position einer Schallquelle oder die akustischen Eigenschaften der Umgebung durch geometrische und physikalische Modelle beschrieben wird. Der vorliegende Vortrag gibt einen Überblick über die Rolle, die Algorithmen des maschinellen Lernens in den verschiedenen Stufen der Verarbeitungspipeline datenbasierter Repräsentationen – Aufnahme, Verarbeitung und Wiedergabe – derzeit spielen. Es zeigt sich, dass das maschinelle Lernen die klassische Signalverarbeitung bei gewissen Problemstellungen überholt hat. Die klassische Signalverarbeitung wiederum dominiert weiterhin bei gewissen anderen Problemstellungen.