Diese Arbeit untersucht den Einsatz von Reservoir Computing für Anwendungen im PHY-Layer, wobei zufällige nichtlineare Operationen den Input in ein so genanntes Reservoir an Features projizieren und so die teure Feature-Extraction durch trainierte Strukturen ersetzen. Die Performance dieses Ansatzes wird in realistischen Szenarien ausgewertet, um das Potenzial als kosteneffiziente Alternative zu konventionell trainierten Modellen zu untersuchen.