Non-Terrestrial Networks (NTN) sind eine der Schlüsseltechnologien, um das in 6G angestrebte Ziel der universellen Netzabdeckung zu erreichen. Allerdings zeichnen sich NTN durch viele Herausforderungen aus, entstanden an den großen Abständen, langen Verzögerungen und komplexen Kanäle, welche ebenso komplexe und aufwändige Lösungen erfordern. Im Bereich der terrestrischen Netzwerke (TN) haben sich bereits mehrere ML-basierte Lösungen gefunden, welche unsere Perspektiven auf Möglichkeiten in TNs fundamental wandelten. Ziel dieser Masterarbeit ist es, diese Lösungen der TNs für die neuen, bisher ununtersuchten, Anwendungsfälle in NTNs zu untersuchen, um im Anschluss die Transfermöglichkeiten bestehender Erkenntnisse zu erkennen und einen Vorsprung in der Entwicklung ML-basierter Lösungen für NTN zu ermöglichen.