Schatten von Prag: sechs KI-Köpfe, zwei rivalisierende Teams und der Weg von Klötzchen zu Spielfiguren

Eine künstlerische Darstellung der Figuren aus Schatten von Prag.

„Ich bin in der Nordpassage und liefere das zweite Siegel ab. Wir gewinnen das Spiel!“, meldet Hugo.

Detektiv Viktor steht derweil an einem ganz anderen Ort. Er weiß, dass die Gegner im Norden aufgetaucht sind. Er hat es seinen Kollegen sogar gerade gesagt. Trotzdem wartet er bei Sulická.

Die Schatten gewinnen.

Das ist keine vorgeschriebene Schlussszene. Beide Aussagen entstanden in einem meiner Experimente. Jede Figur hatte eigene Beobachtungen, Nachrichten ihrer Mitspieler, ein Tagebuch und eigene Aufrufe des Sprachmodells. Das Spiel bestätigte, wer tatsächlich wo angekommen war und was abgeliefert hatte. Ich bin der einzige Mensch hinter diesem Experiment. KI-Assistenten helfen mir beim Programmieren, bei der Grafik und bei der Auswertung der Aufzeichnungen.

Genau der Unterschied zwischen „Ich weiß, was passiert“ und „Ich handle deshalb richtig“ macht die Sache interessant.

Am Ende ließ ich zehn KI-Spiele für rund 67 CZK an Modellaufrufen spielen. In vier Begegnungen verschiedener Modelle gewann jeweils die stärkere Variante. Die spannendste Polizeistrategie war jedoch keine spektakuläre Verfolgungsjagd. Es war die Entscheidung, stehen zu bleiben.

Das zweite Siegel: fünfzehn Sekunden aus einem spannenden Spiel

Oskar flieht nach Osten. Nora versucht, Ela im Süden den Weg abzuschneiden. Doch das zweite Siegel ist schon fast am Ziel. Aus den Entscheidungen im neunten Spiel habe ich einen kurzen Thriller gemacht, mit tschechischen Dialogen, Musik und Geräuschen direkt aus Kling 4.

Schatten von Prag: Das zweite Siegel. Eine filmische Rekonstruktion der Züge 11 bis 15 mit gekürzten Dialogen aus den Aufzeichnungen. Der Ton bleibt auf Tschechisch. Video separat öffnen.

Zuerst entstanden drei Schlüsselbilder. Sie legten das Aussehen der Figuren, ihre Kleidung und das Licht fest und dienten anschließend als Grundlage für das Video. Zu sehen ist eine filmische Umsetzung tatsächlicher Spielentscheidungen, keine Aufnahme der Prototypgrafik. Der Ton gehört zum ursprünglich erzeugten Video; es wurde keine nachträgliche Synchronisation hinzugefügt.

Oskar: die Richtung wechseln, solange noch Zeit ist

„Nora ist hinter mir. Ich gehe nach Osten.“

In den Zügen 11 und 12 warnt Oskar seine Mitspieler und ändert tatsächlich seinen Weg durch den Park zum östlichen Ausgang. Diesmal erzählen Nachricht und Bewegung dieselbe Geschichte.

Nora: die richtige Warnung garantiert noch keinen Zugriff

„Ela flieht nach Süden. Schneidet ihr den Weg ab!“

Die Zeile beruht auf einer Teamwarnung im 13. Zug. Die Polizei benannte die Gefahr, konnte Ela aber nicht mehr rechtzeitig stoppen.

Ela: der letzte Schritt gehört ihr

„Ich liefere das zweite Siegel ab. Wir gewinnen.“

Im 15. Zug bestätigte die Engine sowohl die Ablieferung als auch den Sieg der Schatten. Das war kein Wunsch mehr aus einem Tagebuch. Das Ergebnis trat im Spiel wirklich ein.

Was passiert, wenn KI nicht mehr nur Absprachen trifft, sondern gegeneinander antritt?

In der Stadt der Geister schickte ich sechs Agenten in echte Prager Straßen. Sie suchten Erinnerungsfragmente, tauschten Informationen aus und riefen gemeinsam die Morgendämmerung herbei.

Diesmal wollte ich etwas anderes ausprobieren: zwei Teams mit entgegengesetzten Zielen. Dasselbe Viertel, aber ein anderer Grund, hinauszugehen.

So entstanden die Schatten von Prag, ein weiteres eigenständiges Experiment der Elements-Familie. Drei Detektive versuchen, drei Schatten aufzuhalten. Diese müssen zwei von drei Spielsiegeln einsammeln und durch einen von vier Ausgängen hinaustragen.

Es geht weder um echte Banken noch um Einbruchsplanung. Siegel, Regeln und Geschichte habe ich mit KI-Unterstützung entworfen. Echt sind die zugrunde liegenden Wege und Gebäudegrundrisse aus OpenStreetMap rund um Krč und Lhotka. Fassaden und weitere Ausstattung sind eine künstlerische Interpretation der Stadt.

Dieses Viertel wurde nicht zufällig erzeugt

Hier liegt derselbe Ort auf einer echten Karte: Alšovy sady, Zálesí, Sulická, Na Větrově und ihre Umgebung in den Prager Stadtteilen Lhotka und Krč. Das Spiel übernimmt Straßennetz und Gebäudegrundrisse aus OpenStreetMap. An Kurven, Kreuzungen und der Anordnung der Häuser lässt sich deshalb erkennen, wo sich die Figuren bewegen.

Für die Geschichten der einzelnen Spiele habe ich eine Karte aller zwölf Spielorte vorbereitet. Sie basiert direkt auf den Koordinaten der Engine und demselben Straßennetz wie das Spiel. Norden ist oben; der Maßstab hilft, Entfernungen einzuschätzen.

Goldene Markierungen zeigen Siegelorte, türkise die Ausgänge und graue weitere Orientierungspunkte. Karte in voller Größe öffnen. Kartengrundlage und Gebäude: © OpenStreetMap-Mitwirkende, ODbL. Dasselbe Viertel auf einer gewöhnlichen Karte.

Wenn die Tagebücher Alšovy sady (01) erwähnen, ist der Spielort beim Mikoláš-Aleš-Denkmal gemeint. Veverka (02) bezeichnet das Denkmal für den gefallenen Václav Veverka. Sulická (03) steht für das Denkmal für die Gefallenen des Zweiten Weltkriegs. Die Spielmarkierungen liegen auf den nächstgelegenen Knoten des Wegenetzes, nicht genau in der Mitte einer Statue oder Gedenktafel.

West-, Ost- und Nordpassage sowie die Südkreuzung sind die vier Orte, an denen Siegel abgegeben werden können. Ihre Namen sind ebenso wie Lesesaal oder Kleiner Platz Spielbezeichnungen. Koordinaten und umliegende Straßen stammen aus der Karte; die Benennung der Aufgaben gehört zu meinem Szenario.

Unten ist die Spielversion desselben Viertels aus schräger Kameraperspektive zu sehen. Straßen und Häuseranordnung haben eine reale Kartengrundlage; Fassaden, Dachdetails, Beleuchtung und Spielstationen sind künstlerisch gestaltet. Es handelt sich nicht um eine fotografische Rekonstruktion. „Lesesaal“ etwa bezeichnet einen Spielpunkt und keine nachgewiesene Einrichtung an dieser Adresse.

Die frühe Spielkarte. In der Übersicht sind die Figuren absichtlich vergrößert, damit man sie im Viertel findet.

Von der Karte hinunter auf den Gehweg

So sieht dasselbe Viertel inzwischen direkt im Browser aus. Für die neue Aufnahme habe ich die Kamera beruhigt und das Tageslicht angepasst, damit Straßen, Dächer und Häuser besser zu erkennen sind. Die Grundrisse stammen weiterhin aus der echten Karte von Prag.

Eine neue Aufnahme direkt aus der Engine. Kartendaten: © OpenStreetMap-Mitwirkende, ODbL. Fassaden und Dächer sind stilisiert.

Hier geht Nora zwischen den Häusern spazieren. Die elfsekündige Aufnahme zeigt den laufenden Prototyp in Full HD. Die Kamera folgt ihr von vorn und von der Seite. So sind ihre Schritte, die Armbewegungen und ihr Schatten auf dem Gehweg zu sehen.

Nora beim Spaziergang. Eine technische Demonstration mit demselben Renderer und Charaktermodell wie im Spiel. Route und Kamera habe ich für die Aufnahme vorab festgelegt; es war keine weitere KI-Partie. Video separat öffnen.

Unter der Haube wird jedes Bild aus einer 3D-Szene berechnet. Three.js zeichnet über WebGPU die Karte, Materialien und Beleuchtung, während ein animiertes Skelett das aus Blender exportierte Modell verformt. Der Gehweg bewegt sich unter ihren Füßen, weil sich die Figur tatsächlich durch die Szene bewegt. Deshalb lässt sie sich auch aus einem anderen Winkel betrachten oder mitten im Schritt anhalten. Für die Aufnahme waren keine zusätzlichen kostenpflichtigen Modellaufrufe nötig.

Sechs Menschen, sechs eigenständige Entscheidungen

In der Ausgangsbesetzung bilden Ada, Viktor und Nora das Detektivteam. Ihnen stehen Ela, Hugo und Oskar gegenüber. In späteren Tests wechseln die Figuren auch die Teams. In den ersten sechs bezahlten Versuchen verwendeten alle Gemini 3.5 Flash Lite. Danach gab ich in zwei weiteren Spielen einer Seite Gemini 3.8 Flash und tauschte die Modelle anschließend zwischen den Seiten. Zum Schluss kamen zwei Duelle zwischen Gemini 4 Argon und Gemini 3.8 Flash hinzu. Die Ergebnisse folgen unten.

Das Modell erhält seinen Standort, Zustand, verfügbare Aktionen, Nachrichten der Kollegen und einen Teil seiner eigenen Vergangenheit. Private Tagebücher der Gegner sieht es nicht. Die lokale Sichtweite ist begrenzt. Gelegentlich erscheint eine öffentliche Spur, die das Gebiet verrät, in dem ein Schatten war.

Jedes Modell liefert dann drei Dinge zurück: eine Aktion, eine Nachricht an das eigene Team und einen Tagebucheintrag. Die Engine bereitet sämtliche Entscheidungseingaben aus demselben Zustand vor und wertet die Ergebnisse danach gemeinsam aus. Eine schnellere API-Antwort verschafft also keinen Vorsprung auf der Straße.

In einem normalen Zug sind bis zu 130 Meter möglich, mit einem Sprint-Chip bis zu 221 Meter. Die Route folgt dem Kartennetz statt einer Geraden durch Häuser. Kommt ein Detektiv einem Schatten im selben Abschnitt des Zuges nahe genug, bestätigt die Engine die Festnahme. „Ich habe ihn gefangen“ zu behaupten reicht nicht.

Die Polizei, die selbst Siegel abliefern wollte

Die erste bezahlte Runde brachte einen ziemlich komischen Fehler. Einige Detektive versuchten, selbst Siegel einzusammeln oder abzuliefern. Als hätten sie einen Teil der Spielwelt verstanden, aber vergessen, für welche Seite sie spielen.

Von 39 Polizeientscheidungen waren 13 Versuche solcher verbotenen Aktionen. Das Spiel ließ sie nicht zu. Für einen Zuschauer sähe das allerdings wie unbeholfenes Herumstehen und verwirrtes Reden aus.

Es erinnerte mich an Obinn aus der ersten tschechischen Staffel von The Traitors und sein Missverständnis der Regeln beim ersten Schild. Er besprach das später selbst in einem Interview mit Vojta Kotek, ab 34:06. Die Ähnlichkeit liegt in der Spielsituation: Mensch oder Agent beabsichtigt etwas, deutet aber falsch, was erlaubt ist. Bei einem schwächeren Sprachmodell muss ich das im Spieldesign besonders berücksichtigen. Helfen kann ein besseres Modell, aber auch eine bessere Engine: eine klare Rolle, angebotene gültige Aktionen und eine verständliche Erklärung, warum ein Schritt nicht möglich ist.

In der nächsten Version erhielt jeder Agent sein Ziel deutlicher formuliert und eine Liste der aktuell verfügbaren Aktionen. Ein Detektiv las ausdrücklich, dass er keine Siegel nimmt oder abliefert. Im zweiten Versuch sank diese Fehlerzahl auf null von 18 Polizeientscheidungen.

Das ist nützlich, beweist aber kein dauerhaftes Lernen des Modells. Ich habe seine Gewichte nicht verändert. Ich verbesserte die Anweisungen und die Schnittstelle zwischen Modell und Spiel. Und das Polizeiteam verlor trotzdem.

Eine falsche Aktion zu verhindern ist eben nicht dasselbe, wie eine gute Strategie zu entwickeln.

„Ich helfe Ada.“ Plötzlich laufen alle in dieselbe Richtung

Viktor schrieb im zweiten Versuch:

„Ich bin bei der Villa, die Schatten sind entkommen oder weitergezogen. Ich gehe zum Park, um Ada beim Abriegeln des Gebiets zu helfen.“

Das klingt vernünftig. Wenn aber mehrere Figuren unabhängig voneinander Hilfe gleich interpretieren, laufen am Ende alle derselben alten Spur nach. Anderswo bleibt ein Weg offen.

Ein ähnliches Problem hatten die Schatten. Hugo und Oskar behaupteten zeitweise beide, ein Siegel zu tragen. Tatsächlich hatte es Hugo. Die Engine ließ kein zweites Exemplar entstehen, nur weil Oskar es in sein Tagebuch schrieb.

Gut klingende Absprachen sind noch keine Zusammenarbeit. Zusammenarbeit zeigt sich daran, ob ein Team Aufgaben verteilt, auf tatsächliche Ergebnisse reagiert und sich nicht selbst im Weg steht.

Auch deshalb mag ich solche kleinen Welten. In einem gewöhnlichen Chat können wir einer überzeugenden Erklärung glauben. Im Spiel lässt sich nachsehen, ob die Figur wirklich am Ausgang steht und den richtigen Gegenstand trägt.

Gedächtnis: was das Spiel weiß und was eine Figur nur glaubt

Die Grundlage der Welt speichere ich in strukturierten JSON-Dateien: Positionen, mitgeführte Siegel, Festnahmen, Team, Zeit, Ergebnisse und API-Kosten. Ereignisse werden fortlaufend in JSONL geschrieben, einer Datei mit einem JSON-Datensatz pro Zeile.

Tagebücher sind anders. Das sind von einzelnen Figuren erzeugte Texte, in diesem Experiment ebenfalls in JSON gespeichert. Sie sind nicht automatisch wahr. Markdown wäre ein angenehmes Leseformat, aber eine Dateiendung allein verbessert kein Gedächtnis.

Die neue Version trennt deshalb:

• Bestätigte Ergebnisse der Engine: was die Figur wirklich getan hat, was sie trägt und ob sie festgehalten wird.
• Das eigene Tagebuch: Interpretationen, Vermutungen und Überlegungen.
• Teampläne: was ein Kollege in einem bestimmten Zug vorhatte.
• Beobachtungen und Spuren: was sichtbar war und wie alt die Information ist.

Steht im Tagebuch „Ich habe das Siegel“, während der aktuelle Zustand leere Hände zeigt, gilt der Spielzustand. Und wenn ein Kollege vor mehreren Zügen versprochen hat, den Norden zu bewachen, bestätigt das nicht, dass er noch dort steht.

Erst ein Bild, dann echte Spielfiguren

Dieser ursprüngliche Entwurf legte die Stimmung fest: sechs unterschiedliche Menschen, zwei Seiten und ein Prager Abend. Neben dem neueren Titelbild möchte ich ihn behalten, denn er zeigt den Ausgangspunkt. Von einer schönen Zeichnung zu einem drehbaren, animierten Modell ist es allerdings noch ein gutes Stück Arbeit.

Der ursprüngliche Entwurf. Danach folgen tatsächliche Entwicklungsschritte: geometrische Figur, Netz und Materialien in Blender und das fertige Modell im Browser.

Wie ich mit KI aus Klötzchen Menschen machte

Hier kam die direkteste Rückmeldung der gesamten Entwicklung: Die Figuren waren hässlich.

Anfangs entstanden sie im Code aus einfachen Formen. Mit KI-Hilfe ergänzte ich Kragen, Taschen, Finger, Schuhe und Frisuren. Zum schnellen Funktionstest reichte das. Für ein Gesicht aus der Nähe nicht mehr. Eine weitere kleine Kugel als Nase löst das Problem nicht.

Die ursprüngliche Nora. Eine funktionale Figur für erste Tests, aber eine schwache Grundlage für ein menschliches Gesicht.

Statt weitere Grundformen anzukleben, griff ich zu Microsoft Rocketbox, einer Bibliothek fertiger menschlicher Figuren mit Rig unter MIT-Lizenz. Ich wählte sechs verschiedene Modelle und verarbeitete sie mit KI-Unterstützung in Blender. Grundgeometrie und Texturen wurden also nicht von KI neu erschaffen. Meine Arbeit mit KI besteht in Auswahl, Konvertierung, Materialanpassung, Animationseinbindung und Integration ins eigene Spiel. Modellquelle und Lizenz.

Ada, Viktor, Nora, Ela, Hugo und Oskar nach der Konvertierung. Eine echte interaktive 3D-Ansicht, kein übermalter Screenshot.

Was ist bei einer solchen Konvertierung zu tun?

Zuerst das Gesicht. Statt weniger glatter Formen erhält das Spiel ein zusammenhängendes Netz mit Wangen, Augenlidern, Nase und Mund. Darüber liegt eine Hauttextur. Haare haben eigene Geometrie und transparente Bereiche, die der Renderer korrekt behandeln muss.

Dieselbe Nora in Blender: links das Polygonnetz, rechts das Modell mit Texturen und Licht. Ein Studienrender der Ausgangsfigur.

Dann die Materialien. Farbe allein reicht nicht. Haut, Stoff, Haare und Metall reflektieren Licht unterschiedlich. Normal Maps fügen kleine Unebenheiten hinzu, ohne jede Falte als eigenes Polygon modellieren zu müssen. Hier haben Farbtexturen 1.024 × 1.024 Pixel und Normal Maps 512 × 512, damit die Ladezeiten im Browser vernünftig bleiben.

Danach Skelett und Bewegung. Ein Rig ist ein Skelett, das vorgibt, wie sich das Netz beim Beugen eines Ellenbogens oder bei einem Schritt verformt. Es reicht nicht, Knochenrotationen von einer Datei in die andere zu kopieren. Bei der Konvertierung mussten Ausrichtungen abgeglichen und die Animation auf das Zielskelett übertragen werden. Sonst bleibt die Figur mit ausgebreiteten Armen stehen oder verdreht sich.

Zum Schluss GLB-Export und Kontrolle im Spiel. GLB ist ein praktisches Format für Web-3D: Modell, Skelett, Materialien, Texturen und Animationen können in einer Datei liegen. In Blender bleiben bearbeitbare Quelldateien für weitere Änderungen erhalten.

Nora nach der Änderung. Diesmal mit echter Gesichtsgeometrie sowie Haar- und Stofftexturen. Die Stadt ist weiterhin einfacher gestaltet als die Figuren.

Außerdem ergänzte ich fotografische Oberflächen für Asphalt und Teile des Mauerwerks, Normal- und Rauheitskarten, Bänke und einen feineren Himmel. Die Materialien stammen von Poly Haven und stehen unter CC0. Das macht aus einer einfachen Karte noch kein fotorealistisches Prag. An Straßen und Häusern bleibt der weitere Arbeitsbedarf deutlich sichtbar.

Und Claude Code, Codex, WebGPU oder Raytracing?

Ein KI-Assistent ist hier als Programmierer und Helfer bei der Modellverarbeitung nützlich. Er kann ein Skript vorbereiten, das sechs Figuren importiert, Texturverweise repariert, Materialien einstellt und alles in dasselbe Format exportiert. Auch Fehler in Skelett und Maßstab lassen sich so suchen.

Blender hat eine Python-API, wodurch diese Arbeit wiederholbar und überprüfbar wird. Es gibt auch einen offiziellen Claude-Konnektor; Claude Academy beschreibt den Ablauf. Bei dieser Konvertierung verwende ich direkt Blender-Skripte, ohne zusätzlichen Konnektor.

Ein schöneres Bild entsteht aber nicht allein durch das Wort „WebGPU“. Dafür brauche ich gute Modelle, Materialien, Licht, Kamera und eine sinnvoll ausgestattete Umgebung. WebGPU ist eine Möglichkeit, wie der Browser mit der Grafikkarte arbeitet. Es liefert nicht automatisch Raytracing, DLSS oder die Qualität eines großen Spiels mit jahrelangem Budget.

Für mein Experiment zählt, dass die neue Figur nicht nur ein schöneres Bild auf einer Karte ist. Dasselbe 3D-Modell läuft über die Karte, hat ein eigenes Porträt und lässt sich in einem separaten Atelier ansehen. Dort kann man eine Figur näher betrachten und ihre Laufanimation starten.

Die Agenten selbst sehen diese schönere Szene allerdings nicht. Sie entscheiden in diesen Spielen anhand textueller JSON-Beobachtungen. Die Grafik hilft Zuschauern, der Geschichte zu folgen. Veränderungen im Entscheidungsverhalten muss man bei Regeln, Eingangsinformationen und Modellantworten suchen.

Ein besseres Spiel braucht bessere Möglichkeiten, nicht nur bessere Köpfe

Gleichzeitig änderte ich Regeln und Beobachtungen. Die neue Version erlaubt es, auch unterwegs auf einer langen Route das Ziel zu ändern. Die Umleitung beginnt am nächsten Knoten der tatsächlichen Route. Die Figur teleportiert also weder zum letzten Spielort zurück noch kürzt sie durch Häuser ab.

Die Detektive erhielten eine gemeinsame Ausgangssperre für das gesamte Spiel. Sie auszurufen kostet eine Aktion vor Ort. Zuerst erscheint eine Warnung; erst in den folgenden zwei Zügen können durch diesen Ausgang keine Siegel abgeliefert werden. Die Sperre selbst nimmt niemanden fest.

Ein Schatten kann dagegen einmal eine Aktion darauf verwenden, das Gebiet seiner nächsten öffentlichen Spur zu fälschen. Die Meldung kommt zum üblichen Zeitpunkt und trägt keinen Hinweis „Das ist eine Täuschung“. Direkte lokale Sicht lässt sich damit aber nicht täuschen.

Dadurch entstehen echte Entscheidungen. Einen Zug für eine falsche Spur opfern oder schneller fliehen? Den günstigen Weg sofort sperren oder den einzigen Chip fürs Finale aufheben? Einer alten Meldung vertrauen oder einen Ort bewachen, den der Gegner irgendwann erreichen muss?

Ein weiterer Agent prüfte den Entwurf unabhängig und kritisch. Er wies etwa darauf hin, dass die vier Ausgänge nicht gleich vorteilhaft sind: Manche liegen deutlich näher an bestimmten Siegeln. Außerdem erkannte er, dass die ursprünglichen Test-Seeds lediglich Identitäten an denselben Orten tauschten. Jetzt verändere ich auch die tatsächlichen Startpositionen der Teams.

Automatische Tests prüfen unter anderem Nachrichtenschutz, Bewegungsdistanz, Festnahmen, Erhaltung der Siegel, Beginn und Ende der Sperre sowie den Unterschied zwischen Tagebuch und bestätigter Geschichte. Separate skriptgesteuerte Tests zeigen, dass beide Seiten gewinnen können. Das beweist noch keine exakt gleichen Gewinnchancen für gleich starke KI-Spieler.

Zwei Siege für die Polizei, zwei für die Schatten. Aber der Ort zählt

Ich ließ die neue Version viermal laufen: zwei unterschiedliche Startaufstellungen, jeweils mit ursprünglichen und vertauschten Teams. Dasselbe Modell, dieselben Siegbedingungen. Jede Runde begann mit leeren Tagebüchern; kein Spieler erhielt Erinnerungen aus einem früheren Versuch.

Jedes Spiel erzählt seine eigene kleine Geschichte

Wer nicht sämtliche Tagebücher lesen möchte, findet hier die wichtigsten Momente jeder Runde. Ablieferungen und Festnahmen überprüfe ich anhand der Engine, nicht anhand dessen, was die Figuren glaubten.

Spiel 1: Die Polizei jagte ihrem Sieg nach, aber nach den Regeln der Gegenseite. Nora fing Hugo schon im ersten Zug, und die Detektive verzeichneten insgesamt vier Festnahmen. Trotzdem gewannen die Schatten: Ela lieferte das erste Siegel in Zug 9 ab, Oskar das zweite in Zug 21. Die Polizei scheiterte am Rollenverständnis. Dreizehnmal versuchte sie, selbst ein Siegel zu nehmen oder abzuliefern, obwohl das nur der Gegner darf. Noch im letzten Zug versprach Viktor eine Ablieferung für die Polizei, während der tatsächliche Sieger gerade den Westausgang passierte. Festnahmen funktionierten, ein gemeinsamer Plan nicht.

Spiel 2: Er wusste, wo sie waren. Und wartete anderswo. Nach der Anpassung der Anweisungen versuchten die Detektive nicht mehr, selbst Siegel zu nehmen. Strategisch kamen sie trotzdem nicht hinterher. Ela lieferte in Zug 12 ab, Hugo in Zug 13, und die Polizei nahm niemanden fest. Viktor war besonders aufschlussreich: Er meldete korrekt, dass die Schatten in der Nordpassage waren, blieb aber bei Sulická und wartete auf ihre Ankunft. Die Information lag vor; die Planänderung blieb aus. Den Schatten gelangen aufeinanderfolgende Ablieferungen. Den Detektiven half auch das korrigierte Regelwissen nicht. Gegen Ende kamen ungültige JSON-Antworten hinzu, die die Engine durch Warten ersetzte.

Spiel 3: Ein Detektiv, drei Festnahmen in einem Zug. Ela brachte das erste Siegel in Zug 10 zur Nordpassage. Hugo und Oskar begleiteten sie und warteten dort, statt das zweite Siegel zu sichern. Einen Zug später traf Viktor ein, und die Engine bestätigte die gleichzeitige Festnahme aller drei. Die Detektive gewannen in Zug 11. Die Schatten hatten eine echte Aufgabe erfüllt, versammelten aber das ganze Team um diesen einen Erfolg und verloren dadurch ihre nächste Chance. Viktors Bewegung war diesmal wirksamer als all ihre Versicherungen, zusammenzuarbeiten.

Spiel 4: Nora benannte das Problem. Die Korrektur kam zu spät. Nach dem Teamwechsel spielten Ada, Viktor und Nora als Schatten. Schon in Zug 2 warnte Nora: „Wir gehen alle nach Alšovy sady, das ist unnötiges Zusammenballen.“ Im Grunde wussten es alle, schoben die Änderung aber auf. Ada nahm das erste Siegel in Zug 4; erst da lenkte Nora ihre Route nach Sulická um. In Zug 5 fing Hugo Ada, Oskar Viktor und Ela Nora. Die Detektive gewannen ohne eine einzige gegnerische Ablieferung. Bemerkenswert war nicht Unwissen, sondern der Abstand zwischen richtiger Diagnose und rechtzeitigem Handeln.

Spiel 5: Süden und Norden. Zwei Siegel gleichzeitig. Ada nahm Hugo bereits im zweiten Zug fest, doch damit endete die Geschichte der Schatten nicht. Ela brachte das Siegel aus Alšovy sady nach Süden, Oskar das von Sulická nach Norden. In Zug 7 lieferten beide tatsächlich ab und gewannen. Hugo kehrte nach seiner Freilassung inzwischen zum verbliebenen Siegel zurück, doch seine Kollegen brauchten keine weitere Hilfe mehr. Hier wurde Arbeitsteilung zum Ergebnis: zwei verschiedene Siegel, zwei verschiedene Ausgänge. Die Detektive bewachten andere Kartenteile und konnten beide Ablieferungen nicht verhindern.

Spiel 6: Neue Gesichter als Schatten, dieselbe Flucht. Bei derselben Startaufstellung tauschten die Figuren erneut die Seiten. Ada und Nora brachten Siegel zum Süd- und Nordausgang und gaben beide in Zug 7 ab. Viktor trug das dritte Siegel nach Westen; das Team verfolgte also noch eine zusätzliche Möglichkeit. Ela folgte als Detektivin Ada, stoppte sie aber nicht rechtzeitig. Oskar bewachte weiterhin Alšovy sady, obwohl das Siegel bereits weg war. Die Schatten siegten ohne Festnahme. Gerade dieser erneute Sieg derselben Seite nach einem Figurenwechsel machte mich darauf aufmerksam, dass Startpositionen wichtiger sein könnten als der Name eines Helden.

Das Ergebnis 2:2 sieht schön aus. Entscheidend ist jedoch ein anderes Detail: Auf der ersten Aufstellung gewann die Polizei zweimal, auf der zweiten zweimal die Schatten. Der Figurenwechsel änderte die siegreiche Seite nicht. Das ist ein Hinweis für weitere Anpassungen von Startpunkten und Routen, kein Beleg perfekter Balance. Aus vier Versuchen lässt sich die Ursache nicht zuverlässig bestimmen.

Während dieser Runden änderten Agenten sechzehnmal das Ziel einer laufenden Reise. Die neuen Möglichkeiten Ausgangssperre und falsche Spur nutzten sie jedoch kein einziges Mal. Eine kluge Fähigkeit zu den Regeln hinzuzufügen reicht nicht. Ich muss noch prüfen, ob das Modell erkennt, wann sich der Verzicht auf sofortige Bewegung für einen späteren Vorteil lohnt.

Was passiert, wenn ein Team den stärkeren Kopf bekommt?

Nach sechs Spielen kam die nächste Idee: einmal die Detektive stärken, einmal die Schatten. Ich wählte Gemini 3.8 Flash. Alle drei Spieler der jeweiligen Seite erhielten dieses Modell; die Gegner blieben bei Gemini 3.5 Flash Lite.

Beide neuen Begegnungen begannen mit derselben zweiten Aufstellung und denselben Figuren, Regeln und leeren Tagebüchern. Die Anweisungen blieben unverändert, die Antwortgeschwindigkeit beeinflusste die Bewegung nicht. Beide Modelle hatten ein Limit von 4096 Ausgabetokens; Flash nutzte die Denkstufe low, Lite minimal. Verglichen werden genau diese beiden Konfigurationen.

Spiel 7: Die stärkere Streife fand einen Weg, den Gegner auszuwarten. Gemini 3.8 Flash steuerte alle drei Detektive, Lite alle Schatten. Ela lieferte zwar in Zug 7 das erste Siegel ab, das zweite erreichte ihr Team aber nicht mehr. Die Detektive teilten die verbleibenden Orte allmählich auf: Nora bewachte Veverka, Viktor Sulická, Ada die Umgebung. Die Engine zählte neun Festnahmen; nach 28 Zügen gewann die Polizei. Das Bewachen konkreter Ziele funktionierte, die Schatten reagierten schlecht auf wiederholte Festnahmen. Gleichzeitig zeigte sich ein Regelvorteil: Ein stehender Wächter am Siegel kann jeden Abholversuch verhindern. Vier ungültige JSON-Antworten von Lite endeten zusätzlich im Warten.

Spiel 8: Die stärkeren Schatten verteilten die Aufgaben sofort. Diesmal erhielten Ela, Hugo und Oskar Gemini 3.8 Flash. Schon im ersten Zug wählten sie drei verschiedene Orte: Ela Alšovy sady, Hugo Veverka, Oskar Sulická. Ela ging anschließend nach Süden, Oskar nach Norden. In Zug 7 lieferten beide ab und gewannen. Im selben Zug fing Nora Hugo, doch das änderte nichts mehr. Die Arbeitsteilung war sowohl in Nachrichten als auch in tatsächlichen Routen erkennbar. Schneller als die früheren Lite-Schatten waren sie allerdings nicht: Diese hatten bei derselben Aufstellung ebenfalls in sieben Zügen gewonnen. Die schwächeren Detektive schickten zudem dreimal ungültiges JSON.

Viktor meldete im letzten Zug des siebten Spiels:

„Ich stehe direkt auf Sulická und gebe das Siegel nicht frei. Ela ist in Reichweite, Nora deckt Veverka. Noch ein Zug bis zum Sieg!“

Sein Tagebuch stimmte diesmal mit dem tatsächlichen Spiel überein: Er bewachte ein bestimmtes Siegel und rechnete mit der automatischen Festnahme. Im zweiten Vergleich schrieb Oskar gleich im ersten Zug:

„Ich hole das Siegel bei Sulická und bringe es dann zur Nordpassage. Hugo, nimm Veverka oder Alšovy sady. Ela soll Alšovy sady sichern.“

Zweimal gewann die Seite mit dem stärkeren Modell. Das ist interessant, aber keine gemessene Gewinnwahrscheinlichkeit. Die Lite-Schatten hatten bei derselben Aufstellung ebenfalls schon in sieben Zügen gewonnen. Die größte Veränderung sehen wir also bei den Detektiven. Aber auch dort lässt sich aus einem Versuch keine Ursache ableiten: Das ältere Kontrollspiel hatte ein niedrigeres Ausgabelimit von 900 Tokens, und Modellantworten sind nicht deterministisch.

Hinzu kommt die Zuverlässigkeit der Schnittstelle. Lite lieferte in diesen beiden Spielen 7 syntaktisch ungültige JSON-Antworten von 89, Flash 0 von 105. Mal war eine Klammer zu viel, mal fehlte ein Anführungszeichen. Die Engine ersetzte solche Antworten durch Warten. Das gehört zur Bewertung der Nutzbarkeit eines Agenten, ist aber nicht identisch mit taktischer Qualität. Auch das stärkere Modell war nicht fehlerfrei: Detektive verwechselten in manchen Nachrichten, wer ein Siegel trug.

Das stärkere Modell zeigte mir eine Schwäche des Spiels

Die Detektive brauchten keine komplizierte List. Nach und nach stellten sie sich direkt auf die verbliebenen Siegel. Ein ankommender Schatten wurde automatisch festgenommen, ein gerade aufgenommenes Siegel gegebenenfalls zurückgelegt. Sobald eines verschwunden war, genügte es, die übrigen zwei gut abzudecken.

Anschließend überprüfte ich diese Eigenschaft unabhängig und ohne bezahlte Aufrufe an allen drei Orten. Das Bewachen eines Siegels ist unter den aktuellen Regeln eine sehr starke Verteidigung. Das heißt nicht, dass die Polizei aus jeder Startposition rechtzeitig dort ankommt. Es heißt, dass dieser Spielsieg und die allgemeine Qualität eines Agenten zwei verschiedene Dinge sind.

In der nächsten Version möchte ich Angreifern eine echte Möglichkeit geben, diese Verteidigung aufzubrechen, und danach mehr Spiele mit getauschten Seiten und Startpositionen wiederholen. Während dieser Messungen änderte ich die Regeln nicht. Ausgangssperre und falsche Spur wurden in keinem der neuen Versuche eingesetzt.

Argon gegen Flash: gewinnt das klügere Modell auch nach dem Seitenwechsel?

Dann ging ich noch eine Stufe höher: Gemini 4 Argon gegen Gemini 3.8 Flash, einmal als Schatten, einmal als Detektive. Jedes Modell steuerte alle drei Figuren seines Teams. Beide Spiele starteten auf derselben zweiten Aufstellung, mit leeren Tagebüchern, unveränderten Regeln und identischen Anweisungen. Beide Modelle erhielten low als Denkstufe und maximal 4096 Ausgabetokens. In den Aufzeichnungen kontrollierte ich auch die tatsächlich zurückgegebenen Modellbezeichnungen.

Spiel 9: Zwei frühe Festnahmen und trotzdem ein Comeback. Ada fing Ela und Nora Oskar bereits im dritten Zug. Argon startete also nicht perfekt. Oskar sah Nora sogar in der Nähe und schätzte trotzdem falsch ein, dass er in diesem Zug noch nicht gefangen würde. Hugo erledigte derweil seine eigene Aufgabe: Im achten Zug lieferte er das Veverka-Siegel im Westen ab. Ela und Oskar kehrten nach ihrer Freilassung für die beiden übrigen Siegel zurück. Als Nora sich Oskar erneut näherte, wich er durch den Park nach Osten aus. Ela ging weiter nach Süden und lieferte im fünfzehnten Zug das siegbringende Siegel. Die Polizei kam nicht mehr rechtzeitig heran.

Oskar schrieb im elften Zug:

„ACHTUNG! Ich sehe Nora direkt bei mir südwestlich von sulicka (pos [-87, 251])! Ich fliehe mit dem Siegel nach Osten durch den Park (2 Züge), danach gehe ich zu north oder east, je nachdem, wohin Nora läuft.“

Das blieb nicht bloß ein Satz. Die Aufzeichnung bestätigt die Bewegung zum Park und im nächsten Zug den Wechsel zum östlichen Ausgang. Im Tagebuch beschrieb er anschließend Noras Abstand und den Grund für den Richtungswechsel. Gerade die Verbindung von Nachricht, Plan und ausgeführter Bewegung ist interessanter als der Sieg allein.

Hugo bemerkte außerdem, dass festgehaltene Figuren an einen von den Detektiven entfernten Ausgang zurückgebracht werden, und nutzte dies als Hinweis für sein Team. Seine Nachrichten enthielten allerdings das zu selbstsichere „völlig sicher“. Der Rückkehrort wird bereits bei der Festnahme gewählt, während sich die Polizei weiterbewegt. Es war ein hilfreicher Hinweis, keine Garantie für einen sicheren Weg.

Spiel 10: Die klügste Idee war, nicht mehr zu laufen. Mit Argon auf Polizeiseite entwickelte sich ein anderes Spiel. Die Detektive verzeichneten acht Festnahmen und bewachten ab Ende des zehnten Zuges drei verschiedene Siegel: Ada Alšovy sady, Viktor Veverka, Nora Sulická. Bis zum letzten Zug verließen sie ihre Orte nicht. Die Flash-Schatten suchten andere Wege und wechselten mehrfach ihre Ziele, lieferten aber kein einziges Siegel. Die Polizei gewann durch Zeitablauf.

Im achtzehnten Zug erinnerte Nora ihre Kollegen:

„Ada, Viktor, BLEIBT auf ales und veverka STEHEN (wait)! Solange wir direkt auf unseren Siegeln stehen, können sie kein einziges nehmen!“

Ada notierte im letzten Zug:

„Alle drei Siegel liegen sicher unter unserer Aufsicht (ich auf ales, Nora auf sulicka, Viktor auf veverka). Ich bleibe stehen (wait), der Sieg ist sicher.“

Hier entsprach das Tagebuch dem tatsächlichen Zustand. Klügere Entscheidungen erzeugen also nicht zwangsläufig mehr Verfolgungsjagden. Manchmal offenbaren sie, dass Stillstehen die beste Strategie ist. Für den Spielautor ist das wichtig: Damit das Spiel spannender wird, muss ich auch Regeln korrigieren, die passive Verteidigung so stark begünstigen.

Der echte Zustand nach Zug 28. Die Schatten lieferten kein Siegel. Rechts erklärt Nora, warum sie ihren Posten nicht mehr verlässt. Die Zugnummer in ihrem Text stammt vom Modell selbst; die Beschriftung darüber ergänzt die Engine.

Argon gewann beide Richtungen dieses kleinen Vergleichs. Als Schatten zeigte es die Rückkehr zum Ziel nach einem Misserfolg und Reaktion auf einen nahen Gegner, als Polizei eine konsequente Aufteilung der Wachen. Fehlerfrei war es nicht. Im Polizeispiel lieferte es einmal keine nutzbare Aktion; die Engine wartete für Nora. Von 123 Argon-Antworten war eine auf diese Weise unbrauchbar, von 113 Flash-Antworten keine. Niemand nutzte Sperre oder falsche Spur.

Zwei Siege sind eine vielversprechende Beobachtung, kein Nachweis allgemeiner Überlegenheit. Es bleibt bei einer Aufstellung und einer Partie pro Richtung. Besonders der Polizeisieg zeigt auch eine Regelschwäche. Ein sinnvoller nächster Test braucht Wiederholungen, verschiedene Starts und Möglichkeiten gegen dauerhaftes Siegelbewachen. Ein Modellwechsel allein garantiert keine bessere Geschichte.

Was mir diese zehn Spiele wirklich gezeigt haben

Alltagssprachlich gesagt: Mit besseren Modellen sah ich häufiger, dass Figuren ihr vorhandenes Wissen tatsächlich nutzten. Sie schrieben nicht nur nette Nachrichten. Sie verteilten Orte, kehrten nach Festnahmen zur Aufgabe zurück oder änderten vor einem Gegner den Weg. Gleichzeitig erkannte ich, wie viele Probleme ich selbst durch schlechte Schnittstellen und Regeln verursacht hatte.

In vier Begegnungen unterschiedlicher Modelle gewann also viermal die stärkere Variante. Alle nutzten jedoch dieselbe Aufstellung, teilweise dieselben taktischen Vorteile und nur eine Partie pro Richtung. Das motiviert zum Weitermachen, rechtfertigt aber nicht die Behauptung „Das bessere Modell hat hundert Prozent Erfolgsquote“. Auch die gesamte v3-Bilanz mit vier Polizei- und vier Schattensiegen beweist für sich keine Balance.

Am meisten gelernt habe während der Entwicklung ich. Ich trainierte keine Modellgewichte nach und übertrug keine Tagebücher zwischen bezahlten Runden. Innerhalb einer Partie konnten die Modelle neue Nachrichten und Erfahrungen nutzen; zwischen Versionen änderten sich meine Anweisungen, Gedächtnisschnittstelle und Regeln. Diese unterschiedlichen Verbesserungen sollte man auseinanderhalten.

Unter der Haube für alle, die so etwas bauen möchten

Die Entscheidungsschleife besteht aus vier Schritten: Beobachtung → Modellantwort → Prüfung und Berechnung der Engine → Ergebniseintrag. Die Grafik zeigt nur, was passiert ist.

Was der Agent erhält. Die strukturierte Beobachtung enthält Team und Ziel, aktuelle Position, getragenen Gegenstand, verfügbare Aktionen, öffentlichen Siegelzustand, bekannte Spuren und geschätzte Weglängen zu Spielorten. Positionen, Ziele und Gegenstände der Teamkollegen teilt die Engine direkt mit. Teamnachrichten funktionieren wie ein gemeinsamer Funkkanal ohne Entfernungsgrenze und werden nicht an Gegner geschickt. Genaue Gegnerdaten sieht ein Agent nur lokal; daneben gibt es ältere Meldungen über deren Gebiet.

Das ist für die Interpretation der Zusammenarbeit wichtig: Spieler mussten Absichten abstimmen und Aufgaben verteilen, aber die Position ihrer Kollegen nicht aus Gesprächen erschließen. Auch lösten sie nicht jeden Meter Navigation selbst. Sie wählten ein Ziel; die Engine berechnete die Route durch das Straßennetz. Die Modelle sehen in diesen Spielen keine Screenshots und erkennen keine Gesichter. Eindrucksvollere Ausstattung verändert das Zuschauererlebnis, nicht ihre Eingangsinformationen.

Wie eine Antwort aussieht. Ein vereinfachtes Formatbeispiel, kein Zitat eines bestimmten Zuges:

{
  "action": { "type": "move", "target": "east" },
  "message": "Ich wechsle nach Osten, im Norden ist eine Streife.",
  "diary": "Der Norden ist riskant. Ich versuche einen anderen Ausgang."
}

action ist eine Anforderung, keine vollendete Tatsache. Die Engine prüft die Erlaubnis, berechnet Bewegung und mögliche Festnahme. message geht an die Mitspieler, diary wird für die Figur gespeichert. Lässt sich die Antwort nicht lesen, wartet die Figur diesen Zug. Auf einer bereits gewählten Route läuft die Bewegung bei wait jedoch weiter. Die Zahl solcher Aktionen entspricht also nicht automatisch der Zahl vergeudeter Züge.

Wie viel Gedächtnis in den Prompt zurückkehrt. In den nächsten Aufruf gehen die letzten sechs eigenen Tagebucheinträge, zwölf empfangenen Teamnachrichten, acht bestätigten Engine-Ergebnisse und höchstens drei jüngsten Recherchen ein. Auf der Festplatte bleiben vollständige Tagebücher und fortlaufende JSONL-Protokolle erhalten. Noch gibt es keine Vektordatenbank, keinen Wissensgraphen und keinen automatischen Abruf wichtiger alter Erinnerungen. Deshalb hat die Weiterentwicklung des Gedächtnisses einen klaren Nutzen.

Wie die Engine einen Wettlauf der API-Geschwindigkeit verhindert. Zu Beginn jedes Zuges erzeugt sie unveränderliche Beobachtungen für alle aktiven Figuren. Die Antworten laufen parallel, aber die Welt schreitet erst nach deren Abschluss voran. Ein langsameres Modell bekommt dadurch nicht weniger Spielzeit. Der Seed bestimmt die Aufstellung, nicht die Zufälligkeit der Sprachmodellantworten. Derselbe Start kann bei Wiederholung also anders ausgehen.

Wo mich die Recherchebelohnung im Stich ließ. Ein Agent an einem Denkmal kann eine eigene Wikipedia-Suche stellen. Das Werkzeug liefert bis zu drei Artikeltitel, Links und kurze Auszüge. Im zehnten Spiel fand Nora zunächst nichts zu „Sulická“, versuchte dann „Vladimír Mandl“ und erhielt einen Chip für einen Sprint oder eine präzisere Spur. Die Engine prüfte nämlich nur, ob die Suche etwas fand. Den Zusammenhang des Artikels mit dem örtlichen Denkmal überprüfte sie nicht.

Nora schrieb: „Ich habe 1 intel für die Recherche Vladimír Mandl auf sulicka erhalten.“ Den Chip erhielt sie tatsächlich. Ein richtiger Ortsbefund ist damit aber nicht belegt. Ich unterstelle ihr keine Täuschungsabsicht. Es genügt einzugestehen, dass ich eine zu leicht erfüllbare Bedingung belohnte. Künftig sollte sie eine konkrete Aussage zum Ort, eine Quelle und deren Beleg vorlegen. Die Anzahl der Suchen ist kein gutes Wissensmaß.

Was sich nachträglich überprüfen lässt. Jeder Durchlauf hat ein Protokoll, eine Kopie des damaligen Codes, Anfragen, Antworten, Kosten, Bilder und Tagebücher. Beim Argon-Paar verglich ich Prüfsummen von Spielcode, Startzuständen und Systemanweisungen. Vor dem Start bestanden 31 automatische Tests, unter anderem zu Datenschutz, Parallelität, Bewegung, Festnahmen und korrekter Abrechnung verschiedener Modelle. Das macht aus einem kleinen Versuch keine große wissenschaftliche Studie, hilft aber, eine interessante Anekdote von tatsächlichen Ereignissen zu unterscheiden.

Was kostet mich eine solche Welt?

Alle zehn Spiele kosteten mich rund 67 CZK für Modellaufrufe. Es gab insgesamt 705 Antworten. Das ist der Preis für Figurenentscheidungen in diesen Experimenten, nicht für die gesamte Spielentwicklung.

Im letzten Duellpaar entfielen etwa 35,93 CZK auf Argon und 9,87 CZK auf Flash. Beim vorherigen Vergleich waren es 9,37 CZK für Flash und 3,24 CZK für Lite. Die längere Polizeipartie mit Argon brauchte natürlich mehr Entscheidungen als die Flucht über fünfzehn Züge. Der Preis einer ganzen Runde misst deshalb nicht allein die Effizienz eines Modells.

Die Beträge berechne ich aus den von der API gemeldeten Tokens und den offiziellen Gemini-Preisen. Für Argon galt beim Versuch der Einführungspreis aus der Modelldokumentation. Ich rechne mit dem Kurs der tschechischen Nationalbank vom 27. Oktober 2026 in tschechische Kronen um: 21,834 CZK pro Dollar. Das ist eine Näherung, keine Rechnung und kein genauer Kartenwechselkurs.

Alle zehn Runden sind abgeschlossen. Es laufen keine weiteren Abfragen, offene Reserven stehen auf null. In den vier ursprünglichen v3-Spielen entstanden 35 Screenshots, im Flash/Lite-Vergleich weitere 17 und in den Argon-Duellen weitere 23. Jede Figur behält ihr eigenes Tagebuch.

Für die gesamte Kampagne gilt ein gemeinsames Limit von ungefähr 437 CZK. Vor jeder Anfrage wird Budget reserviert. Geht eine Antwort verloren oder fehlt eine Abrechnung, wird dieser unsichere Betrag nicht automatisch als null behandelt.

Die Kosten der Modellaufrufe enthalten weder Entwicklungsarbeit noch Computerbetrieb oder Konzeptbilder. Die ausgewählten Figurenmodelle und Oberflächenmaterialien waren frei verfügbar.

Und wenn es einmal wie ein großes Spiel aussähe?

Ich stelle mir einen Herbstabend in diesem Viertel vor. Fensterlicht spiegelt sich auf nassem Asphalt. Hugo hält an einem Zaun, dreht ein Siegel in der Hand und beobachtet Ela gegenüber. Sie deutet unauffällig an, dass der Durchgang frei ist. Hinter der Ecke entscheidet Nora gerade: Einer frischen Spur folgen oder dort bleiben, wo irgendwann ein Gegner auftauchen muss?

Künstlerische Vision einer nächsten Version. Dieser Atmosphäre möchte ich ein tatsächlich spielbares Prager Viertel schrittweise näherbringen.

Das ist die Richtung, in die ich gehen möchte. Das Bild zeigt die gewünschte Atmosphäre, nicht den aktuellen Renderer oder die genaue Gestalt der örtlichen Häuser. Hugos Gesichtsausdruck interessiert mich dabei ebenso wie der Grund, warum er gerade hier stehen bleibt.

Zuerst eine überzeugende Straße

Ich würde mit einem kurzen Abschnitt zwischen zwei Spielorten beginnen. Häuser bekämen echte Proportionen, Eingänge, Zäune, Gärten und unterschiedliche Materialien. Figuren brauchen bessere Haut, Augen, Haare und vor allem natürliche Übergänge zwischen Gehen, Drehen und Gesten. Ein starrer Blick oder über den Gehweg gleitende Füße ruinieren ein gutes Gesicht schnell. Blender kann Geometrie und Animation vorbereiten; anschließend muss dieselbe Szene direkt im Spiel auf einem gewöhnlichen Rechner bestehen.

Für eine anspruchsvollere eigenständige Version wäre Unreal Engine sinnvoll. Lumen kümmert sich dort um dynamische indirekte Beleuchtung und Reflexionen. Regeln und KI können auf dem Spielserver bleiben, während ein anderer Client die Ergebnisse darstellt. Das ist eine mögliche nächste Richtung, keine vorhandene Funktion meines Webprototyps.

Einen interessanten Weg zur Erfassung realer Orte zeigt auch die Forschung zu 3D Gaussian Splatting von 2023: Aus Fotos entsteht eine Szenendarstellung für Ansichten von neuen Standpunkten. Mir könnte das helfen, eine ausgewählte Ecke glaubwürdig auszustatten. Ein schöner Raum allein gibt Figuren aber noch keine benutzbaren Türen, Kollisionen oder Bewegungsregeln. Das müsste ich separat ergänzen und prüfen.

Ein besseres Gedächtnis als die letzten sechs Einträge

Heute erhält ein Agent nur eine Auswahl neuerer Nachrichten und Tagebucheinträge. Eine alte wichtige Erkenntnis kann dadurch verloren gehen. In der Studie Generative Agents von 2023 verbanden Forschende Erfahrungsaufzeichnungen, den Abruf relevanter Erinnerungen, Reflexion und Planung. In ihrer kleinen Welt entstand auch koordiniertes soziales Verhalten.

Für Schatten von Prag würde ich daraus eine konkrete Änderung ableiten: Vor der Entscheidung an ähnliche Situationen erinnern, etwa daran, dass derselbe Durchgang bereits zweimal mit einer Festnahme endete. Jede Erinnerung hätte Zeitpunkt, Quelle und Verweis auf ein Engine-Ergebnis. Der Eindruck „Hier müsste es gehen“ bliebe getrennt vom bestätigten „Hier bin ich tatsächlich durchgekommen“.

Einen Plan abschließen und erkennen, wann man ihn aufgeben sollte

Voyager arbeitete in Minecraft mit einer Bibliothek wiederverwendbarer Fähigkeiten und Rückmeldungen aus der Umgebung. Das Verhalten musste nicht jedes Mal von Grund auf neu aufgebaut werden. Dabei wurden die Gewichte des Sprachmodells nicht fortlaufend nachtrainiert.

Hier könnte eine ähnliche Idee einen geprüften Ablauf bedeuten: „Hole das Siegel und bringe es durch einen freien Ausgang.“ Das Sprachmodell wählt das Ziel und reagiert auf Änderungen, die Engine führt erlaubte Schritte zuverlässig aus. Zum Ablauf gehören auch Abbruchgründe: ein Detektiv taucht auf, ein Kollege hat das Objekt schon genommen oder der Weg ist nicht mehr frei. Sonst würde ich nur das Wiederholen desselben Fehlers automatisieren.

Absprachen, aus denen Handlungen werden

Das Projekt CICERO verband für Diplomacy ein Sprachmodell mit Planung und Einschätzungen des Verhaltens anderer Spieler. Die Leistung entstand nicht einfach durch längeren Chat. Gespräche waren mit einem konkreten Plan verknüpft.

Teams könnten deshalb neben freien Nachrichten einfache Vereinbarungen treffen: Wer bewacht welchen Ort, bis wann, wer hat zugesagt und was passiert bei einer Festnahme? Übernimmt Nora den Norden, muss Ada nicht ohne weiteren Grund dorthin „helfen“ gehen. Und nach drei Zügen ohne Nachricht sollte das Team wissen, dass ein altes Versprechen womöglich nicht mehr gilt.

Woran erkenne ich einen echten Fortschritt?

DeepMinds Melting Pot testet Agenten in verschiedenen Situationen von Kooperation und Konkurrenz mit unterschiedlichen Mitspielern. Es ist eine Forschungsumgebung für Multi-Agenten-Reinforcement-Learning, kein fertiger Benchmark meines Prototyps. Die Betonung vielfältiger sozialer Situationen ist aber eine gute Anregung für weitere Messungen.

Ein schöneres Gesicht und eine gewonnene Partie reichen nicht. Ich brauche mehr Startpositionen, Seitenwechsel, Wiederholungen und gleiche Bedingungen. Neben Siegen würde ich unnötige Wege, wiederholte Fehler, erfüllte Absprachen, genutzte Informationen und Kosten pro erreichtem Ziel messen. Zuerst würde ich außerdem das übermächtige Siegelbewachen korrigieren und erst dann die Modelle erneut vergleichen.

Mein nächstes Ziel ist deshalb konkret: eine schöne Straße, zuverlässiges Gedächtnis und ein Team, dessen Absprachen sein tatsächliches Handeln verändern. Darauf kann eine wesentlich interessantere Welt aufbauen.

Ein Viertel, mehrere mögliche Geschichten

Schatten von Prag ist inzwischen ein spielbarer taktischer Prototyp. Daneben bereite ich zwei weitere Fassungen derselben Idee vor.

Prager Herrschaft wäre ein historisches Abenteuer mit Boten, Schreiberin, Schmied, Zünften, Ansehen und einer verschwundenen Urkunde. Inspiriert vom Erlebnis eines Kingdom Come, aber mit eigener Geschichte. Eine heutige Karte lässt sich nicht einfach für mittelalterlich erklären. Für historische Bebauung wären zusätzliche Quellen nötig.

Republik im Schatten würde in einem fiktiven tschechoslowakischen Noir spielen: Reporterin, Informanten, Ermittler, Fahrer und rivalisierende Banden. Statt Siegeln gäbe es Vereinbarungen, Aussagen und Sendungen, bei denen es darauf ankommt, wem man sie anvertraut.

Beides sind bislang Entwürfe. Ich will nicht zehn schöne Kulissen bauen, in denen niemand interessante Entscheidungen trifft. Zuerst möchte ich ein Viertel, in dem es zählt, stehen zu bleiben, den Plan zu ändern, einem Kollegen zu vertrauen oder ihm zu widersprechen.

Und wenn Hugo dort das nächste Mal „Wir gewinnen das Spiel“ sagt, möchte ich wirklich gespannt sein, ob es ihm gelingt.

Weitere Experimente aus der Reihe

• Elements 2.0: sechs KI-Geister in echten Prager Straßen
• Zehn KI-Agenten auf der Rabenburg
• Lipnice 3: Eva, ein Engel und die Rettung des Dorfes
• Vier KIs auf einer Insel, Treppen und Aster
• Was ein Harness ist und wie er die Leistung von KI-Agenten verändert