Elements 2.0: Ich schickte sechs KI-Geister in die echten Straßen von Prag

Stadt der Geister. Eine künstlerische Vorstellung der Welt von Elements 2.0.

Es ist Nacht. Fünf Geister warten am gemeinsamen Treffpunkt und wollen den Sonnenaufgang herbeirufen. Der sechste, Vítek, ist noch auf dem Rückweg. Er trägt das letzte Erinnerungsfragment, ohne das die Stadt nicht erwachen kann.

Als er endlich ankommt, ist es noch nicht geschafft:

„Hallo an alle am Sammelpunkt! Ich bin hier bei euch in der Žabka mit dem Fragment WEG, habe aber festgestellt, dass ich es zuerst mit jemandem teilen muss.“

Rozálie gibt ihr Wissen weiter. Die anderen machen ihm Mut. Schließlich teilt Vítek sein Fragment mit Hugo, gibt es ab, und Rozálie startet das Abschlussritual.

Im Protokoll erscheint ein kurzer Satz: „Die Stadt hat sich erinnert. Die Morgendämmerung beginnt.“

Diesmal spielt sich das nicht auf einer erfundenen Insel oder in einem mittelalterlichen Dorf ab. Unter den Figuren liegen echte Straßen von Prag 4, echte Gebäudegrundrisse und echte Orte. Und jedes dieser kleinen leuchtenden Wesen besitzt ein eigenes KI-Gehirn.

Was wäre, wenn wir Welten nicht mehr von Grund auf bauen müssten?

Nach den Krabben auf der Insel, den Nachbarn in Lipnice und den KI-Verrätern auf der Burg wollte ich an den Kartenteil unseres Projekts Elements anknüpfen.

Statt eine weitere Umgebung von Hand zu modellieren: einen Ort eingeben, umliegende Wege, Gebäude und interessante Objekte laden. Dann Figuren mit eigenen Aufgaben, Erinnerungen und Gründen für Begegnungen in diese bekannte Landschaft schicken.

Mein Arbeitstitel lautet Elements 2.0. Bislang ist die Stadt der Geister ein eigenständiger Prototyp, keine fertige neue Version der gesamten Anwendung. Der erste Ausschnitt entstand rund um Lhotka und Krč. Er enthält 1.780 Wegabschnitte, 1.552 Gebäude und 36 benannte Orte.

Eine frühe Version der Stadt der Geister. Anonymisierte Bearbeitung der Originalaufnahme. Die 5 USD in der Oberfläche bezeichnen das Limit der damaligen Runde, nicht die Endkosten der unten beschriebenen Versuche.

Echte Aufnahme des Prototyps. Luftbilder von Mapy.com, Grundrisse von OpenStreetMap, illustrative 3D-Gebäude und Beleuchtung.

Auf der Karte erschienen Chronistin Ela, Bote Vítek, Gartenhüterin Rozálie, Echosucher Hugo, Laternenhüterin Anežka und Geheimniswächter Oskar. Alle verwenden Gemini 3.5 Flash Lite. Jeder erhält eine eigene Beobachtung, zugestellte Nachrichten und sein persönliches Tagebuch.

Es sind keine Figuren, die gemeinsam einen vorab geschriebenen Dialog abspielen. Im KI-Modus wählt das Modell die einzelnen Schritte. Um sich zu treffen, müssen sie in der Kartenwelt aber tatsächlich nahe genug zusammenkommen. Gespräche reichen 65 Meter weit. Ein Geist am anderen Ende des Viertels kennt ihre Absprachen nicht automatisch.

Sechs Wörter, die zusammenkommen müssen

Das erste Rätsel hielten wir einfach: Die Stadt hat ihre Erinnerungen verloren. Jede Figur muss ihren Ort erreichen, ein Fragment finden, es mit jemand anderem teilen und zum gemeinsamen Sammelpunkt bringen.

Die sechs Fragmente sind Wörter: HAUS, WEG, STIMME, LICHT, ERINNERUNG und MORGENDÄMMERUNG (im tschechischen Spiel DŮM, CESTA, HLAS, SVĚTLO, PAMĚŤ und ÚSVIT). Sie gehören zu unserer Geschichte und sind keine historischen Funde. Für das Finale müssen alle sechs Fragmente abgegeben sein und mindestens drei Geister am Sammelpunkt stehen.

Im Spiel wurden sieben Wissensübergaben zwischen Figuren tatsächlich ausgeführt. Ela teilte mit Rozálie, Rozálie mit Hugo, Hugo mit Ela. Anežka ergänzte ERINNERUNG, Oskar brachte MORGENDÄMMERUNG. Informationen begannen zwischen den Nachbarn zu zirkulieren.

Dann zeigte sich der Unterschied zwischen einer Absprache und erledigter Arbeit.

Einige Figuren behaupteten wiederholt, alles sei bereit, und versuchten, das Finale auszulösen. Tatsächlich waren erst fünf Fragmente abgegeben. Vítek fehlte. Ela schrieb sogar in ihr Tagebuch:

„Mein Fragment ist abgegeben, am Sammelpunkt liegen insgesamt 6 Stück und wir sind alle hier. Ich starte das Ritual dawn.“

Die Engine lehnte den Versuch ab. Eine selbstbewusste Erzählung erzeugte kein fehlendes Fragment.

Insgesamt enthält das Protokoll 132 abgelehnte Aktionen. Nicht alle hatten dieselbe Ursache. Sie sind aber ein deutlicher Hinweis darauf, dass ein erfolgreiches Ende noch keinen effizienten Weg bedeutet. Die Agenten konnten zusammenarbeiten, sich aber auch in unangenehmen Schleifen verfangen.

Konkrete Informationen brachten die Rettung

Gegen Ende wurden die Gespräche genauer. Oskar sagte nun richtig:

„Am Sammelpunkt sind weiterhin nur 5 Fragmente abgegeben. Vítek hat sein Fragment WEG, hat es aber noch nicht vollständig übergeben.“

Ela ergänzte schließlich:

„Vítek, hast du dein Fragment schon geteilt? Bitte gib es am Sammelpunkt ab, damit wir alle sechs haben und endlich das Ritual starten können!“

Vítek musste die Teilen-Aktion ausführen, statt nur zu schreiben, dass er gern teilen würde. Erst danach konnte er das Fragment abgeben. Rozálie rief die Abschlussaktion auf, und diesmal bestätigten die Regeln den Erfolg.

Nach der Lösung des Rätsels. Dieselbe Kartenwelt bei Tageslicht, als echte Aufnahme aus der Anwendung.

Dieses Ende finde ich interessanter als sechs fehlerfreie Roboter. Wir sehen ein konkretes Hindernis, verwirrte Absprachen, eine Rückkehr zu den Fakten und schließlich eine Aktion, ohne die kein Zuspruch geholfen hätte.

Das ursprüngliche Zehn-Minuten-Limit lief vor Abschluss ab. Auf meinen Wunsch setzten wir dieselbe gespeicherte Runde mit mehr Zeit fort. Tagebücher, Positionen, bisherige Kosten und das Geldlimit blieben erhalten. Die letzten Schritte wählten anschließend die Modelle. Es war also kein ununterbrochener Lauf ohne menschlichen Eingriff, aber auch kein von Hand ergänzter Sieg.

Eine Karte ist das eine. Kann ein Geist wirklich hinschauen?

Beim Beobachten kam mir eine weitere Frage. Der Geist weiß, dass er am Denkmal für Mikoláš Aleš steht. Aber weiß er auch, wie dieses Denkmal aussieht? Eine ganze Figur, ein Kopf oder eine Büste? Könnte er die Inschrift im Stein lesen?

Deshalb ergänzten wir visuelle Beobachtung. Das Modell erhält ein echtes Bild statt nur Ortsname und vorgefertigter Beschreibung. Es soll unterscheiden, was es sieht, was es vermutet und was es nicht sicher bestimmen kann.

Für den ersten Test verwendeten wir lizenzierte Archivfotos aus Wikimedia Commons. Es sind weder Livebilder der Straße noch automatisch durchsuchte Street-View-Panoramen. Das Aufnahmejahr gehört zur Grundlage, denn ein Park auf einem Foto von 2003 muss heute nicht genauso aussehen.

Jeder der sechs Geister erhielt eine andere Aufgabe. Zwei untersuchten das Aleš-Denkmal und seine Umgebung, zwei die Gedenkstätte für Václav Veverka und zwei das Kriegsopferdenkmal bei Sulická.

Diesmal prüften wir vor allem die Qualität des Sehens. Aufgaben, Wege, Fotoauswahl, Rückkehr und Übergabe der Notizbücher steuerte ein vorbereiteter Test. Die Beobachtungen und Tagebücher erzeugte das Modell. Diese kontrollierte Fotoexpedition darf nicht mit den freieren Entscheidungen des vorangegangenen Nachtspiels verwechselt werden.

Ela: Ja, es ist eine Büste

Ela bekam eine ganz gewöhnliche Frage, an der sich gut prüfen lässt, ob das Modell das Bild tatsächlich nutzt: Was steht auf dem Sockel?

„Dargestellt ist eine Büste mit Kopf und einem bekleideten Teil der Brust.“

Sie beschrieb Vollbart, Kragen, Krawatte beziehungsweise Halstuch und einen hohen graugrünlichen Sockel. Name und Lebensdaten 1852–1913 las sie richtig. Beim Material blieb sie vorsichtig: Das Foto allein genügte ihr nicht, um die Büste sicher als Metall zu bestimmen. Den Sockel bezeichnete sie nur vermutungsweise als Stein oder Beton.

Testfoto: Hynek Moravec, November 2003, Wikimedia Commons, CC BY 2.5. Für das Web verkleinert und in WebP umgewandelt.

Ein Blatt aus Elas Notizbuch

Auch in der Chronik der Fotoexpedition lohnt sich der Blick darauf, wie Ela ihren Fund festhielt. Hier ihre Formulierungen, wie alle Zitate des Artikels aus dem Tschechischen übersetzt:

Was sie sah:

„Das Gesicht hat einen Vollbart und Behaarung um den Mund.“

„Die Kleidung der Büste hat einen Kragen und eine Krawatte oder ein Halstuch.“

„Der Sockel ist hoch, massiv und wirkt hell graugrünlich.“

Was sie nicht behaupten wollte:

„Das genaue Material der Büste (Metall oder ein anderes Material) lässt sich aus dem Foto nicht sicher bestimmen.“

Was sie in ihr eigenes Tagebuch schrieb:

„Ich habe ein historisches Foto des Denkmals betrachtet, eine Büste identifiziert, sichtbare Merkmale einschließlich der Inschrift beschrieben und unbestätigte Annahmen zum Material vermieden.“

Bei unserer späteren Bewertung kritisierten wir dennoch, dass sie Zaun, umliegende Bebauung und gestuften Unterbau ausgelassen hatte. Ihr zufriedener Tagebucheintrag bedeutet also keine vollständige Beschreibung. Wichtig ist, dass wir Foto, konkrete Aussagen und eigene Zusammenfassung der Figur nebeneinanderlegen und vergleichen können.

Das ist ein kleiner, aber wichtiger Schritt. Ein Agent muss nicht bloß Wissen über ein benanntes Objekt wiederholen. Er kann eine konkrete Bildgrundlage beschreiben und ihre Grenzen anerkennen.

Bei der Gedenkstätte im Wald lief es weniger glatt

Vítek sollte die Inschrift am Denkmal für Václav Veverka lesen. Name und Datum, 6. Mai 1945, gelangen ihm. Der übrige Text enthielt jedoch Fehler. Außerdem beschrieb er zwei weiße Tafeln, obwohl die obere Inschrift direkt in den Stein gemeißelt ist.

Hugo untersuchte denselben Ort mit Schwerpunkt auf der Umgebung. Er erkannte Wald, gefallenes Laub und abschüssiges Gelände. Einen kleinen hellen Gegenstand bestimmte er jedoch ohne ausreichende Grundlage als Plastikbecher. Es könnte beispielsweise ein Teil des Gedenkschmucks sein; anhand dieser Aufnahme können wir ihn nicht sicher erkennen.

Bildgrundlage für Vítek und Hugo: Noe / Drobné památky, Wikimedia Commons, CC0. Das Aufnahmedatum ist nicht angegeben. Für das Web verkleinert und in WebP umgewandelt.

Hier sieht man, wie unterschiedlich die Fähigkeiten ausfallen. Große Formen und die Umgebung zu beschreiben gelingt. Eine verwitterte Inschrift zu lesen oder einen kleinen Gegenstand zu erkennen ist ein anderes Problem. Flüssige Sprache verrät leider nicht, welcher Teil der Antwort richtig ist.

Sechs Namen richtig. Die letzte Zeile falsch

Rozálie und Oskar erhielten das Kriegsopferdenkmal bei Sulická. Rozálie beschrieb Stein, Einfassung, Kies und Grün gut. Einen Nachnamen schrieb sie jedoch als Kryštof statt Krištof.

Oskar las alle sechs Namen korrekt. Die abschließende Widmung übertrug er aber als „OBĚTI JICHOVCE (?)“. Tatsächlich steht dort „ČEST JEJICH PAMÁTCE“, also „Ehre ihrem Andenken“. Das bestätigt auch die Dokumentation des Vereins für militärische Gedenkstätten.

Bildgrundlage für Rozálie und Oskar: ŠJů, 28. Mai 2012, Wikimedia Commons, CC BY-SA 3.0. Die Webversion behält diese Lizenz bei; Größe und Format wurden auf WebP angepasst.

Ein Fragezeichen ist besser als völlige Gewissheit. Die Abschrift wird dadurch trotzdem nicht richtig. Eine nächste Version sollte bei solcher Unsicherheit einen näheren Ausschnitt oder ein weiteres Bild anfordern und eine unabhängige Quelle suchen können. Das hilft mehr als ein zusätzlicher Absatz selbstbewusster Erklärungen.

Die beste Antwort war vielleicht: Ich sehe kein Denkmal

Anežka bekam eine weitere Ansicht des Parks Alšovy sady. Im Aufgabennamen stand ein Ort, der mit einem Denkmal verbunden ist. Auf dem Foto selbst ist aber kein Denkmal deutlich zu erkennen. Das war ein kleiner Test, ob sich das Modell von einem Hinweis in der Aufgabe verleiten lässt.

Sie schrieb ins Tagebuch:

„Ich habe mir die Gesamtansicht von Alšovy sady angesehen. Hier gibt es Wege, Bäume und Bänke, aber auf diesem Bild sehe ich kein Denkmal.“

Richtig. Sie behauptet nicht, im Park gebe es kein Denkmal. Sie sagt, sie sehe es auf diesem Bild nicht. Genau diese Unterscheidung wünsche ich mir von einem System, dem ich einmal echte Erkundungen anvertrauen würde.

Bildgrundlage für Anežka: Pavel Hrdlička (Packa), 24. April 2019, Wikimedia Commons, CC BY-SA 4.0. Die Webversion behält diese Lizenz bei; Größe und Format wurden auf WebP angepasst.

Was unter der schönen Karte steckt

Technisch treffen drei verschiedene Teile aufeinander. Die Karte liefert Koordinaten, Wege und Objekte. Die Engine berechnet Bewegung, Abstände und die Erfüllung der Regeln. Das Modell entscheidet, was es versucht, was es sagt und wie es ein verfügbares Bild deutet.

Die Adresse sucht Mapy.com. Wege und Grundrisse stammen aus OpenStreetMap. MapLibre und Three.js bauen daraus eine Umgebung, die man von oben, hinter einem ausgewählten Geist oder aus seiner Perspektive betrachten kann. Routen auf verbundenen Wegen berechnet der A*-Algorithmus. Figuren bewegen sich also nicht bloß deshalb, weil sie „Ich bin schon da“ ins Tagebuch schreiben.

Auch die Sicht durch die Augen eines Geistes bedeutet nicht, dass das Modell jede Sekunde ein Video verfolgt. Bei normalen Entscheidungen bekommt es einen strukturierten Zustand. Bei visueller Beobachtung kommt ein bestimmtes JPEG hinzu. Die gewählte Kamera ist derzeit vor allem ein Werkzeug für Zuschauer.

Beispiel der Auswertung: links das Eingabefoto, rechts die tatsächliche Modellantwort und ihre Unsicherheiten. Foto von Hynek Moravec, CC BY 2.5, Quelle oben verlinkt.

Ebenso trennen wir Kartengenauigkeit und Aussehen. Straßen und Grundrisse sind echt, viele Höhen, Fassaden, Dächer, einzelne Bäume und Lichter dagegen illustrativ. Der Prototyp ist kein photogrammetrisches Modell Prags und keine Navigation für reale Fußgänger. Er ist eine spielbare Ebene über einer Karte, die erst beginnt, Details anhand von Fotos zu überprüfen.

Was es kostet, ein Viertel aufzuwecken

Das Nachtspiel endete mit sechs abgeschlossenen persönlichen Aufgaben. Die Fotoexpedition lieferte sechs Antworten und Tagebücher, mit einer Mischung aus richtigen Beobachtungen und Fehlern. Nach beiden Läufen prüften wir, dass keine weiteren Aufrufe erfolgten.

Die Beträge schätzen den Modellverbrauch anhand der protokollierten Abrechnung und sind keine endgültige Rechnung. Mögliche Kartenkontingente, Illustrationen und Entwicklung sind nicht enthalten. Alle Geister nutzten dasselbe Modell. Dieser Versuch beweist daher keine Überlegenheit eines Modells gegenüber einem anderen.

Eine Stadt, die man durch eine Geschichte betreten kann

Am meisten gefällt mir, dass wir die nächste Welt nicht vollständig modellieren müssen. Sie kann an einem vertrauten Ort beginnen. In einem Park, an dem wir vorbeigehen. An einer kleinen Gedenkstätte im Wald, die wir übersehen haben. Auf einem Platz, auf dem sich Figuren mit unterschiedlichen Aufgaben und Kenntnissen treffen.

Einmal könnte daraus ein Spiel werden, in dem virtuelle Nachbarn lokale Geschichten austauschen. Ein anderes Mal ein Reiseführer, der vor seiner Erklärung wirklich ein Foto betrachtet. Oder eine Lernexpedition, bei der Kinder KI-Aussagen mit einer Inschrift im Stein vergleichen und erfahren, warum eine überzeugende Antwort noch kein Beweis ist.

Bislang haben wir sechs Geister, eine abgeschlossene Nacht und einige recht lehrreiche Irrtümer. Aber es ist schon mehr als eine Karte zum Anschauen. Es wird ein Ort, an dem etwas passiert und zu dem man zurückkehren möchte.

Die Ergebnisse stammen aus zwei gespeicherten Läufen vom 27. Oktober 2026. Rätsel, Rollen und Bedingungen für die Morgendämmerung haben wir entworfen; die Entscheidungen im Nachtspiel trafen die Modelle. Der Fototest hatte eine vorgegebene Route und Aufgaben, die Bildbeschreibungen entstanden anhand echter Aufnahmen. Ein einzelner Versuch ist kein Zuverlässigkeitsbenchmark. Kartengrundlagen: Mapy.com und OpenStreetMap contributors.