diff --git a/Workstations-Getting-Started.md b/Workstations-Getting-Started.md
index 27e6b65..8dbcf4e 100644
--- a/Workstations-Getting-Started.md
+++ b/Workstations-Getting-Started.md
@@ -139,8 +139,50 @@ In der letzten Ausgabezeile unseres Skripts sollte im Falle eines Erfolgs nun
 
 stehen. Falls anstatt der obigen Meldung ein Index Error erscheint (IndexError: list index out of range), hat der Zugriff auf die GPU nicht geklappt.
 
+Als nächstes berechnen wir ein kleines ![Machine Learning Model](https://www.tensorflow.org/tutorials/quickstart/beginner):
 
+```
+# https://www.tensorflow.org/tutorials/quickstart/beginner
 
+import tensorflow as tf
+print("TensorFlow version:", tf.__version__)
+
+mnist = tf.keras.datasets.mnist
+
+(x_train, y_train), (x_test, y_test) = mnist.load_data()
+x_train, x_test = x_train / 255.0, x_test / 255.0
+
+model = tf.keras.models.Sequential([
+  tf.keras.layers.Flatten(input_shape=(28, 28)),
+  tf.keras.layers.Dense(128, activation='relu'),
+  tf.keras.layers.Dropout(0.2),
+  tf.keras.layers.Dense(10)
+])
+
+predictions = model(x_train[:1]).numpy()
+predictions
+
+tf.nn.softmax(predictions).numpy()
+
+loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
+
+loss_fn(y_train[:1], predictions).numpy()
+
+model.compile(optimizer='adam',
+              loss=loss_fn,
+              metrics=['accuracy'])
+model.fit(x_train, y_train, epochs=5)
+
+model.evaluate(x_test,  y_test, verbose=2)
+
+probability_model = tf.keras.Sequential([
+  model,
+  tf.keras.layers.Softmax()
+])
+
+probability_model(x_test[:5])
+
+```