Google DeepMind hat einen detaillierten Rückblick auf seine 15-jährige Tätigkeit in der KI-Forschung in Spielen veröffentlicht, die in der Forschungspartnerschaft mit Fenris Creations, dem unabhängigen Studio hinter EVE Online, ihren Höhepunkt fand – und das abgestufte Forschungsprogramm darlegt, das die beiden Organisationen im EVE-Universum durchführen wollen.

Der Beitrag vom 21. August, verfasst von Alexandre Moufarek und Adrian Bolton, verbindet die frühesten Ergebnisse des Labors zum Reinforcement Learning mit seiner aktuellen Arbeit zu generalistischen Agenten. Es handelt sich um die bislang umfassendste Darstellung einer Partnerschaft, die Anfang dieses Jahres erstmals vorgestellt wurde, und sie zeigt, wo nach Ansicht eines der weltweit führenden KI-Labore die nächste Grenze der KI-Forschung liegt: nicht darin, ein einzelnes Spiel mit einem klaren Punktestand zu meistern, sondern darin, eine lebendige Welt zu überleben, die seit 2003 ununterbrochen läuft.

Von Atari Pixels zu AlphaStar

Die Retrospektive zeichnet die Kette der Spielergebnisse nach, die das Forschungsprogramm von DeepMind bildeten. Das Deep Q-Network (DQN), beschrieben in einem Nature-Artikel aus dem Jahr 2015, lernte, 49 Atari 2600-Spiele direkt aus Rohpixeln zu spielen – von Pong über Breakout bis hin zu Space Invaders – ohne spielspezifische Technik und trug so dazu bei, die moderne Ära des Deep Reinforcement Learning voranzutreiben.

Jeder weitere Meilenstein brachte leistungsfähigere und allgemeinere Systeme hervor. AlphaGo besiegte den Weltmeister Lee Sedol im Jahr 2016, eine Leistung, von der viele Experten dachten, dass sie noch ein Jahrzehnt entfernt sei. AlphaGo Zero übertraf jede vorherige Version, indem es vollständig aus dem Selbstspiel lernte, und AlphaZero verallgemeinerte diesen Ansatz, um Schach, Shogi und Go mit einem einzigen Algorithmus zu meistern. MuZero ging noch einen Schritt weiter und lernte das Spielen, ohne die Regeln zu kennen. Im Jahr 2019 erreichte AlphaStar das Grandmaster-Level in StarCraft II und musste sich mit Echtzeit-Komplexität und unvollständigen Informationen auseinandersetzen.

DeepMind weist darauf hin, dass dieser Forschergeist über Spiele hinausging: AlphaFold wandte die gleichen Grundlagen auf die Vorhersage der Proteinstruktur an, ein Durchbruch, der mit dem Nobelpreis für Chemie 2024 gewürdigt wurde.

Der Wandel zu generalistischen Agenten

Der Beitrag markiert einen grundlegenden Richtungswechsel. Frühere Arbeiten haben gezeigt, dass KI jedes Spiel meistern kann, wenn ein klares Ziel und ausreichend Training vorausgesetzt werden. Aber wie die Autoren schreiben: „In der realen Welt gibt es keine Punkte und Regelbücher.“ Das führte zu einer anderen Frage: Kann KI jede Spielwelt so verstehen und mit ihr interagieren, wie es ein Mensch tun würde?

Das Vehikel für dieses Ziel ist SIMA, der Scalable Instructable Multiworld Agent. Anstatt auf eine hohe Punktzahl zu optimieren, nimmt SIMA wahr, was ein Spieler auf dem Bildschirm sieht, versteht Anweisungen in natürlicher Sprache und agiert über normale Tastatur- und Maussteuerungen – keine APIs oder Zugriff auf den Quellcode erforderlich. SIMA 2 wurde im November 2025 eingeführt und basiert auf einem Gemini-Modell. Es fungiert als interaktiver Begleiter, der Argumente und Konversationen in Echtzeit ermöglicht und ein menschenähnliches Spiel in komplexen 3D-Umgebungen wie No Man's Sky, Valheim und Hydroneer ermöglicht.

Das Labor ist offen über die Grenzen des Agenten: SIMA 2 hat immer noch Probleme mit Aufgaben mit sehr langem Horizont und arbeitet mit einem kurzen Speicher, der durch das Kontextfenster eingeschränkt wird, das für Interaktionen mit geringer Latenz erforderlich ist. Es bleibt eine begrenzte Forschungsvorschau, die einer kleinen Kohorte von Akademikern und Spieleentwicklern zur Verfügung steht.

Warum EVE Online

Durch die Partnerschaft mit Fenris Creations erhält DeepMind Zugang zu etwas, das kein Benchmark reproduzieren kann: ein beständiges Universum aus einem einzigen Shard, in dem Tausende von Spielern eine Wirtschaft mit echten Angebots- und Nachfragedynamiken teilen, Handelsnetzwerke, die sich über Tausende von Sternensystemen erstrecken, und politische Strukturen, die vollständig durch Spielerinteraktion aufgebaut werden.

DeepMind identifiziert vier Fähigkeiten, die die Umgebung ausüben soll: kontinuierliches Lernen ohne Vergessen, Gedächtnis, das weit über die Kontextfenster heutiger Modelle hinausgeht, langfristige Planung über Wochen, Monate oder sogar Jahre und komplexe Multi-Agenten-Dynamik, die Zusammenarbeit, Wettbewerb, Verhandlung und Wirtschaft umfasst.

„Gemeinsam mit Google DeepMind dringen wir in Neuland vor, in dem KI in Zeiträumen lernen, sich anpassen und sich erinnern muss, die keine andere Spielumgebung erfordert. Gleichzeitig helfen wir uns zu verstehen, wie Menschen und KI in einer virtuellen Umgebung koexistieren können, bevor wir uns im wirklichen Leben mit denselben Fragen auseinandersetzen müssen“, sagte Hilmar Pétursson, CEO von Fenris Creations, in dem Beitrag.

Die Partnerschaft erstreckt sich über drei verschiedene Umgebungen. EVE Online bietet das groß angelegte persistente Universum. EVE Vanguard bietet eine schnelle taktische Entscheidungsfindung aus der Ego-Perspektive und bietet die Möglichkeit, Agenten zu untersuchen, die auf mehreren Abstraktionsebenen operieren – von Taktiken auf Twitch-Ebene bis hin zu galaxienübergreifenden Strategien. EVE Frontier präsentiert mit seinen programmierbaren Smart Assemblies und der offenen Architektur eine Welt, in der sich die Regeln selbst ändern können.

Entscheidend ist, dass das Forschungsprogramm einem abgestuften Weg folgt. Es beginnt in einer Offline-Instanz von EVE Online, einer sicheren Sandbox, getrennt von Live-Spielern. Anschließend geht es durch EVE Frontier, um zu untersuchen, wie Menschen und Agenten in einer dauerhaften, offenen Welt koexistieren können. Erst wenn die Fähigkeiten ausgereift sind, würde DeepMind erwägen, sie in die Live-Spiele zu integrieren – und dann, so betont der Beitrag, mit dem Ziel, das menschliche Spiel zu bereichern.

KI ist bereits im Cockpit

Ein Ergebnis der Zusammenarbeit liegt den Spielern bereits vor. Aura Guidance, das Gemini verwendet, um spielergeneriertes Wissen aus echten Fragen und Antworten der Rookie-Hilfe bereitzustellen, um neuen Piloten zu helfen, wurde am 17. Februar 2026 als Prototyp eingeführt und wird als kontrollierter A/B-Test durchgeführt, um zu messen, ob es die Bindung neuer Spieler verbessert.

Für Spieleentwickler ist der längerfristige Einsatz von großer Bedeutung. Ein wirklich allgemeiner Gaming-Agent – ​​einer, der mit vorhandenen Spielen ohne Änderungen am Spielcode funktioniert – könnte KI-Begleiter unterstützen, die die Spielwelt wirklich verstehen, NPCs, die sich auf eine Weise anpassen, die skriptbasierte Systeme niemals könnten, und robuste QA-Tests während der Entwicklung, wenn sich das Spiel mit jedem Commit ändert.

Der Beitrag endet mit der endgültigen Formulierung des Labors: KI als Katalysator, nicht als Ersatz. „Spiele waren schon immer ein Spiegel der Intelligenz“, schreiben die Autoren. Da Spiele immer komplexer, beständiger und offener werden, werden auch die KI-Systeme, die zu ihrer Steuerung entwickelt wurden, immer komplexer – und wie schon bei AlphaGo und AlphaFold davor geht DeepMind davon aus, dass sich die in virtuellen Welten gewonnenen Erkenntnisse auf Probleme in der realen Welt übertragen lassen.

Bleiben Sie der KI immer einen Schritt voraus

Von Meilensteinen des Reinforcement Learning bis hin zu Pionierforschungspartnerschaften zeigt das Tempo der Entdeckungen keine Anzeichen einer Verlangsamung. AI Buzz Wire deckt alle wichtigen KI-Forschungsentwicklungen mit quellengeprüfter Berichterstattung ab – keine Spekulation, kein Hype.

Lesen Sie weitere Neuigkeiten aus der KI-Forschung →