Warum dein Schachgegner nicht ChatGPT ist: Spiele-KI gegen Sprachmodelle

Von Dawid Siedlarz · · 5 Min. Lesezeit

Schach kostenlos spielen →

Kurz gesagt: Eine Schach-Engine und ein Chatbot sind zwei verschiedene Arten von KI. Engines wie Stockfish durchsuchen mögliche Züge mit Alpha-Beta-Pruning und bewerten Stellungen; sie spielen deshalb nie illegal und schlagen jeden Menschen. Große Sprachmodelle wie ChatGPT sagen die nächsten Wörter eines Textes voraus. In veröffentlichten Tests (ChessArena 2025, Kaggle Game Arena 2025) verlieren sie den Überblick über das Brett, schlagen illegale Züge vor und spielen auf Amateurniveau oder darunter.

Seit Chatbots überall sind, kommt oft die Frage, ob der Computergegner in einem Schachspiel „eine KI wie ChatGPT“ ist. Ist er nicht, und der Unterschied erklärt viel darüber, wofür welche Art von KI taugt. Spiele-KI hat siebzig Jahre Vorsprung, funktioniert völlig anders und ist auf ihrem Gebiet weit stärker.

Wie klassische Spiele-KI funktioniert: Suche

Ein Schachprogramm betrachtet die Stellung, listet alle legalen Züge auf, dann jede Antwort darauf, dann jede Antwort darauf, und baut so einen Baum künftiger Stellungen. Am Ende jedes Zweigs bewertet es die Stellung (Material, Königssicherheit, Aktivität der Figuren) und rechnet rückwärts, unter der Annahme, dass beide Seiten bestmöglich spielen. Das ist die Idee des Minimax.

Der Baum wächst explosionsartig, deshalb nutzen Engines Alpha-Beta-Pruning: Sobald feststeht, dass ein Zug schlechter ist als eine bereits gefundene Möglichkeit, wird der Rest dieses Zweigs übersprungen. Mit guter Zugsortierung sucht ein Programm so in derselben Zeit viel tiefer, ohne dass sich das Ergebnis ändert.

Zwei Meilensteine zeigen, wie weit das ging:

  • Deep Blue (IBM, 1997) besiegte Weltmeister Garri Kasparow in einem Wettkampf über sechs Partien unter regulären Turnierbedingungen. Laut IBM bewertete er 200 Millionen Stellungen pro Sekunde auf 32 Prozessoren.
  • Stockfish, die stärkste freie Engine, kombiniert Alpha-Beta-Suche mit einem kleinen neuronalen Netz namens NNUE, das Stellungen bewertet. Das Stockfish-Team führte NNUE im August 2020 ein und meldete in Tests einen Gewinn von mehr als 80 Elo.

Lernen statt handgeschriebener Regeln: AlphaZero

2017 stellte DeepMind AlphaZero vor, beschrieben 2018 in Science. Es begann mit zufälligem Spiel und lernte Schach, Shogi und Go durch Partien gegen sich selbst, ohne menschliche Partien und ohne eingebautes Wissen außer den Regeln. Laut DeepMind übertraf es Stockfish im Schach erstmals nach nur 4 Stunden Training.

AlphaZero ist trotzdem Spiele-KI, kein Sprachmodell: ein auf dem Spiel selbst trainiertes neuronales Netz, das eine Suche lenkt. Es liest und schreibt keinen Text.

Wie Sprachmodelle „spielen“: Text vorhersagen

Ein großes Sprachmodell (LLM) wie ChatGPT, Gemini oder Claude ist darauf trainiert, Text fortzusetzen. Gibst du ihm eine Stellung in Schachnotation, liefert es den Zug, der als Nächstes am wahrscheinlichsten aussieht, gestützt auf riesige Mengen gelesener Texte, darunter Schachbücher und Partienotationen. Es hat kein eingebautes Brett, keine Liste legaler Züge und keinen Suchbaum, außer jemand baut sie drumherum.

In bekannten Eröffnungen klappt das erstaunlich gut, weil dieselben Züge in unzähligen Partien vorkommen. In neuen Stellungen bricht es ein: Das Modell vergisst, wo eine Figur steht, zieht durch eine andere Figur hindurch oder holt eine geschlagene zurück.

Was die Tests zeigen

TestWas gemessen wurdeErgebnis
ChessArena (Liu u. a., 2025)13 Sprachmodelle, über 800 Partien, Zugwahl und AufgabenKein Modell schlug Maia-1100, einen Bot, der wie ein menschlicher Amateur spielt; einige verloren gegen Zufallszüge
Kaggle Game Arena (Google DeepMind und Kaggle, ab August 2025)Führende Sprachmodelle gegeneinander, ohne Werkzeuge und ohne Liste legaler ZügeIllegale Züge sind so häufig, dass die Regeln sie abdecken mussten: 3 Korrekturen, danach ist die Partie verloren
„Grandmaster-level chess without search“ (Ruoss u. a., Google DeepMind, 2024)Transformer mit 270 Mio. Parametern, trainiert auf 10 Mio. von Stockfish 16 bewerteten PartienLichess-Blitz-Elo 2895 gegen Menschen, ohne explizite Suche

Die dritte Zeile ist die wichtige Feinheit. Ein Transformer, also dieselbe Grundarchitektur wie bei Chatbots, kann Schach auf Großmeisterniveau spielen, wenn man ihn auf Schachstellungen mit Engine-Bewertungen trainiert. Das Problem sind nicht neuronale Netze, sondern dass allgemeine Chatbots auf Text trainiert wurden, nicht auf Milliarden bewerteter Stellungen. Laut Google führten im Februar 2026 die Gemini-3-Modelle die Schach-Rangliste der Game Arena an, und ihre Überlegungen nutzten vertraute Schachbegriffe wie Königssicherheit und Bauernstruktur. Die Lücke wird also kleiner. Mit einer Engine, die jeden legalen Zug prüft, ist das trotzdem nicht zu vergleichen.

Engine und Chatbot im Überblick

Schach-EngineSprachmodell
Was sie tutSucht Züge und bewertet StellungenSagt die nächsten Wörter eines Textes voraus
Trainiert mitHandgeschriebenen Regeln, Partien gegen sich selbst oder Engine-bewerteten StellungenGroßen Mengen allgemeinen Textes
Illegale ZügeNie: Sie wählt nur aus erzeugten legalen ZügenMöglich, vor allem in unbekannten Stellungen
SpielstärkeWeit über jedem Menschen (Stockfish, AlphaZero)Von unter Amateurniveau aufwärts; uneinheitlich
Einen Zug in Worten erklärenNein, sie liefert Züge und ZahlenJa, das ist seine Stärke

Wo Sprachmodelle Schachspielern helfen

Die beiden Arten von KI ergänzen sich. Eine Engine sagt dir, welcher Zug am besten ist; ein Sprachmodell kann in einfachen Worten erklären, warum, Fragen zu den Ideen einer Eröffnung beantworten oder eine Engine-Bewertung in eine kurze Lektion verwandeln. Sinnvoll ist das Muster, das die meisten Schachseiten nutzen: Die Engine rechnet, das Sprachmodell erklärt nur, und alles, was es über eine konkrete Stellung behauptet, prüft man mit der Engine nach.

Die Computergegner in unseren Spielen

Alle Computergegner auf Extensive Harmony sind klassische Spiele-KI: ein paar hundert Zeilen Suchcode, die in deinem Browser laufen, ohne Chatbot und ohne Server.

  • Schach nutzt Alpha-Beta-Suche mit iterativer Vertiefung. Leicht schaut einen Zug voraus und spielt etwa jeden dritten Zug einen zufälligen legalen Zug; Mittel schaut zwei Halbzüge voraus und verfolgt danach alle Schlagzüge (eine Ruhesuche, damit es nicht mitten in einem Abtausch aufhört); Schwer sucht bis zu fünf Halbzüge plus Schlagzüge innerhalb von zwei Sekunden und behält die tiefste abgeschlossene Suche.
  • Tic-Tac-Toe spielt perfekt: Es durchsucht den ganzen Spielbaum, mehr als ein Remis ist also nicht drin. Siehe wie man bei Tic-Tac-Toe gewinnt (auf Englisch).
  • Vier in einer Reihe: Auf Leicht gewinnt der Computer nur, wenn er sofort kann, oder blockiert deinen Sieg und spielt sonst zufällig; Mittel und Schwer nutzen Minimax mit Alpha-Beta-Pruning, 2 und 4 Züge tief.
  • Dame (2, 4 oder 8 Züge voraus), Reversi (1, 3 oder 5) und Mancala (1, 4 oder 9) nutzen dieselbe Art von Suche.

Weil sie immer aus der Liste legaler Züge wählen, kann keiner von ihnen illegal ziehen. Welche klassischen Spiele Computer vollständig gelöst haben, steht in gelöste Spiele erklärt (auf Englisch). Mehr zu KI in der Spielebranche lest ihr in wie KI-Sprachmodelle Videospiele verändern.

Häufige Fragen

Kann ChatGPT Schach spielen?

Es kann spielen, aber nicht gut und nicht zuverlässig. Sprachmodelle sagen Text voraus, statt Stellungen zu berechnen; sie verlieren deshalb den Überblick über das Brett und schlagen manchmal illegale Züge vor. In der Studie ChessArena (2025) schlug keines von 13 getesteten Sprachmodellen Maia-1100, einen Bot, der wie ein menschlicher Amateur spielt, und in Kaggles Game Arena verliert ein Modell die Partie, wenn es nach vier Versuchen keinen legalen Zug liefert.

Wie entscheidet ein Schachcomputer über seinen Zug?

Klassische Schachprogramme suchen: Sie probieren Züge, die Antworten des Gegners, die eigenen Antworten darauf und so weiter, bewerten die entstehenden Stellungen und wählen den Zug mit dem besten garantierten Ergebnis. Alpha-Beta-Pruning überspringt Zweige, die das Ergebnis nicht ändern können. Stockfish kombiniert diese Alpha-Beta-Suche mit einem kleinen neuronalen Netz (NNUE), das Stellungen bewertet.

Ist AlphaZero ein Sprachmodell?

Nein. AlphaZero (DeepMind, 2017-2018) ist ein System für bestärkendes Lernen, das Schach durch Spiele gegen sich selbst gelernt hat, ausgehend von nichts als den Regeln. Es nutzt ein neuronales Netz zusammen mit einem Suchverfahren. Laut DeepMind übertraf es Stockfish erstmals nach 4 Stunden Training.

Kann ein neuronales Netz ohne Suche stark Schach spielen?

Ja, wenn es speziell für Schach trainiert wird. In einer Studie von Google DeepMind aus dem Jahr 2024 erreichte ein Transformer mit 270 Millionen Parametern, trainiert auf 10 Millionen von Stockfish 16 bewerteten Partien, ohne explizite Suche eine Lichess-Blitzwertung von 2895 gegen Menschen. Allgemeine Chatbots werden nicht so trainiert.

Wie stark ist der Computer in eurem Schachspiel?

Unser Schach nutzt Alpha-Beta-Suche. Leicht schaut einen Zug voraus und spielt etwa jeden dritten Zug zufällig, Mittel schaut zwei Halbzüge voraus und verfolgt danach alle Schlagzüge, und Schwer sucht bis zu fünf Halbzüge plus Schlagzüge innerhalb von zwei Sekunden. Es spielt immer legal, weil es nur aus der Liste der legalen Züge wählt.

Quellen