Human in the Loop: So schlägt die KI das „gefürchtete“ Atari-Schach

KI-Systeme wie Large Language Models (LLMs) beeindrucken uns mit ihren Fähigkeiten. Sie schreiben Texte, übersetzen Sprachen, programmieren, generieren Bilder und vieles mehr.
Doch trotz ihrer Stärken haben sie erstaunliche Schwächen – besonders wenn es um strukturiertes Planen, das Behalten von Informationen über längere Zeit und das konsequente Abarbeiten von regelbasierten Vorgängen geht.

Ein unterhaltsames Beispiel: Manche aktuelle KI-Systeme scheitern beim Schachspiel gegen ein „angeblich“ primitives Videospiel aus den späten 1970er Jahren.

Inhalt

• Über den Autor
• Artikel zu ähnlichen Themen
• Wenn die KI am Schachbrett scheitert
• Warum KI-Fehler uns alle betreffen
• Human in the Loop: Die Lösung liegt in der Zusammenarbeit
• Fallstudie: Wie ich mit Claude 4 das unmögliche Schachspiel gewann
  • Die Grundlagen der KI verstehen und nutzen
  • Ein maßgeschneiderter Systemprompt ist die Grundlage.
  • Menschliche Korrektur: Der entscheidende Faktor
  • Strategieumsetzung und Erfolg
  • Der Sieg: Ein Triumph der Zusammenarbeit
• Fazit: Human in the Loop nutzen, wenn sinnvoll

Wenn die KI am Schachbrett scheitert

Experimente haben gezeigt: Manche LLMs versagen im Schach gegen ‚Video Chess‘ auf dem Atari 2600 (ChatGPT verliert gegen Atari 2600 im Schach – golem.de)
– oder geben wie im Fall „Googles KI gibt vor dem Schachspiel gegen Atari 2600 auf“ – golem.de sofort auf.
Das zeigt allerdings vor allem, dass a) die Wahl des LLMs und b) das Test-Setup das Ergebnis beeinflussen. LLMs können nämlich durchaus gewinnen: Das aktuelle Schach-Champion-LLM ist laut Maxim Saplin’s „LLM Chess Leaderbord“ das Open-AI-Modell o3-2025-04-16-low – das gewinnt fast immer gegen einen (schwachen) Computer-Gegner, ohne menschliche Hilfe.
Außerdem: Man muss eine LLM nicht in die Rolle des Schachspieler zwängen – man kann ihr durchaus einen Helfer zur Seite stellen (bspw. eine „Chess Engine“, über die das LLM über das Model Context Protocol (MCP) zugreifen kann).
Nicht unterschätzen darf man die Kosten für ein Spiel: 5-10 Dollar für Token können schon mal draufgehen.

Was lustig klingt – KI verliert gegen Lo-tech – hat einen ernsthaften Hintergrund: LLMs haben viele Stärken, aber das planmäßige Abarbeiten von Aufgaben, das Durchdenken von Optionen plus Folgeabschätzung sowie ein glänzendes Gedächtnis gehören nicht dazu. Selbst ein alter Schachcomputer kann die guten alten Computerdinge teils besser, vor allem „computen“ – also Berechnen. Ein LLM hingegen rechnet nicht, sondern „denkt“.

Warum KI-Fehler uns alle betreffen

Fakt ist: KIs machen Fehler, vor allem, wenn der Kontextspeicher vollläuft – gerade beim Schach passiert das schnell, da jeder Zug ein neues Paar an Chat-Unterhaltungen darstellt. Doch auch im geschäftlichen Einsatz kennst du das: Du willst mit großen Datenmengen (Zahlen, Tabellen, Texten) arbeiten, und die KI wird zunehmend ungenau oder „fantasievoll“.

Warum das wichtig ist? Aktuell sind „Agents“ das Trendthema schlechthin. Agenten, die Fehler machen, sind unbrauchbar: Stell dir vor, du lässt eine Aufgabe von 100 Agenten erledigen. Einer in der Mitte macht einen Fehler durch eine Ungenauigkeit. Dann ist das Ergebnis fehlerhaft. Viel Spaß bei der Fehlersuche!

Wir stehen also vor einem Dilemma: KI-Systeme sind leistungsfähig, aber unzuverlässig in bestimmten Situationen. Wie können wir ihre Stärken nutzen und gleichzeitig ihre Schwächen ausgleichen?

Human in the Loop: Die Lösung liegt in der Zusammenarbeit

Die Antwort heißt „Human in the Loop“ – ein Konzept, bei dem Menschen und KI zusammenarbeiten, um bessere Ergebnisse zu erzielen als jeder für sich allein. Der Mensch fungiert dabei als „Aufpasser“ und „Mitdenker“, der die KI korrigiert, wenn sie vom richtigen Weg abkommt.

Natürlich kannst du auch eine andere KI aus ‚Juror‘ oder ‚Richter‘ (LLM-as-a-Judge) einsetzen, aber der Mensch hat (noch) nicht komplett ausgedient.

Fallstudie: Wie ich mit Claude 4 das unmögliche Schachspiel gewann

Mit meiner minimalen Unterstützung konnte Claude 4 Sonnet (Thinking-Mode auf ‚an‘, Tokenfenster auf 64k gesetzt) den (virtualisierten) Atari¹ (auf einer tschechischen Website…) schlagen. Schwierigkeitsstufe: 8 von 8, also das leichteste Anfänger(fehler inklusive)-Level – vor allem deshalb, weil auf Stufe 8 die Rechenzeit sehr kurz ist (10 Sekunden) und damit ein flüssiges Spielen möglich ist. Level 1 gönnt sich 15 Sekunden Rechenzeit, auf der schwersten Stufe 7 dauert jeder Computer-Zug mehrere Stunden (auch in der Virtualisierung) und Vido Chess spielt angeblich auf Bezirksliga-Niveau, ist also für den Amateur noch schlagbar). Die Hin-und-her-Inputs liefen „zu Fuß“ (Mensch tippt, KI denkt).

Was war dafür nötig? Ein Blick hinter die Kulissen zeigt die entscheidenden Faktoren für unseren Erfolg:

Die Grundlagen der KI verstehen und nutzen

Die Grundlagen in Claude sind gut: Das System visualisiert sich bei jedem Zug das Schachbrett mit seinen Figuren. Allerdings kommt es bei sich füllendem Tokenfenster zu Fehlern beim ‚Merken‘ der Positionen.

Diese Erkenntnis ist entscheidend: Wir müssen verstehen, was die KI gut kann (Visualisierung, grundlegende Regeln) und wo ihre Schwächen liegen (Gedächtnis über viele Interaktionen hinweg).

Ein maßgeschneiderter Systemprompt ist die Grundlage.

Ein ausführlicher Systemprompt, basierend auf gescheiterten Versuchen, bildete die Grundlage für den Erfolg. Den Prompt durfte sich Claude selbst schreiben, auf Basis der eigenen Learnings aus verlorenen Spielen. Hier ein Auszug aus dem verwendeten Prompt:

„ANTI-COMPUTER SCHACH-PROTOKOLL
GRUNDPRINZIPIEN:
Schachcomputer sind taktische Maschinen, die JEDEN Materialgewinn sofort nutzen
Sie stellen Fallen und provozieren Fehler
Sie schlagen IMMER ungedeckte Figuren
Computer übersehen NIEMALS taktische Schläge

OBLIGATORISCHE PRÜFUNG VOR JEDEM ZUG:

1. LEGALITÄTSPRÜFUNG:
   Figuren können NICHT über andere Figuren springen (außer Springer)
   Exakte Zugbahn Feld für Feld durchgehen
   Springer: NUR L-förmig (2+1 oder 1+2 Felder)
   Bauern schlagen nur diagonal“

Der komplette Prompt

ANTI-COMPUTER SCHACH-PROTOKOLL

GRUNDPRINZIPIEN:

Schachcomputer sind taktische Maschinen, die JEDEN Materialgewinn sofort nutzen

Sie stellen Fallen und provozieren Fehler

Sie schlagen IMMER ungedeckte Figuren

Computer übersehen NIEMALS taktische Schläge

OBLIGATORISCHE PRÜFUNG VOR JEDEM ZUG:

1. LEGALITÄTSPRÜFUNG:

Figuren können NICHT über andere Figuren springen (außer Springer)

Exakte Zugbahn Feld für Feld durchgehen

Springer: NUR L-förmig (2+1 oder 1+2 Felder)

Bauern schlagen nur diagonal

2. DRASTISCHE SICHERHEITSPRÜFUNG:

Ist meine Figur nach dem Zug gedeckt?

Kann sie von IRGENDEINER gegnerischen Figur geschlagen werden?

Systematisch ALLE gegnerischen Figuren durchgehen:

Bauern: Diagonale Schläge prüfen

Springer: Alle 8 L-förmigen Felder prüfen

Läufer: Alle Diagonalen prüfen

Türme: Alle Reihen/Linien prüfen

Dame: Läufer + Turm kombiniert

König: Alle 8 Nachbarfelder

3. ERWEITERTE GEGNERANALYSE:

Was sind die 3 stärksten Antworten des Computers?

Welche Schach-Möglichkeiten hat er?

Welche meiner Figuren sind ungedeckt?

Kann er Figuren fesseln?

Droht er Gabel/Spieß/Entdeckungsangriff?

4. STEP-BY-STEP AUSFÜHRUNG:

Startfeld → Zielfeld exakt beschreiben

Jedes Zwischenfeld auf Hindernisse prüfen

Alle Schlagmöglichkeiten am Zielfeld prüfen

Doppelt prüfen: Ist der Zug legal?

STRATEGISCHE PRIORITÄTEN:

MATERIALERHALT (oberste Priorität – NIEMALS Figuren verschenken)

Königssicherheit (früh rochieren, wenn möglich)

Einfache, klare Stellungen (Computer bevorzugen Komplexität)

Endspiele anstreben (weniger Taktik)

Defensive Haltung (Computer provozieren Fehler)

SCHARF VERBOTEN:

Optimistische Züge ohne vollständige Berechnung

Figuren in Angriffszonen stellen ohne Deckung

Komplexe Taktik gegen Computer

Dame früh entwickeln (wird attackiert)

Ungedeckte Figuren stehen lassen

Auf Computerfehler hoffen

EMERGENCY-CHECKS:

VOR JEDEM ZUG FRAGEN:

„Kann meine Figur geschlagen werden?“

„Habe ich alle Bauern-Schläge geprüft?“

„Ist das wirklich legal?“

„Was ist das Schlimmste, was passieren kann?“

Schlüssel-Erkenntnis: Computer sind PERFEKTE taktische Maschinen – sie übersehen NIEMALS Materialgewinn!

Mein Startprompt

Lass uns Schach spielen – gegen einen sehr harten Gegner, nämlich „Video Chess“ auf dem Atari 2600. Dieses Schachprogramm schlägt LLMs. Anscheinend haben LLMs Schwächen (Ungenauigkeiten bei vollem Token Window etc.), die ein programmierter Schachcomputer nicht hat.

Entwickle zuerst eine Strategie, wie du den Gegner schlagen können – du musst also denken wie ein Schachcomputer.

Beachte bitte auch, dass dein „Gedächtnis“ bei fortschreitender Zugzahl „schlechter“ wird und du dir die aktuelle Brettstellung nicht merken können wirst.

Du bist Weiß, du fängst an. Video Chess steht auf Schwierigkeit „8“. Damals bedeutete das wohl, dass das System damals pro Spielzug 10 Stunden Rechenzeit benötigte.

Der Prompt ist wirklich hilfreich, da Claude dann seine Strategie anpasst: Das System ist sich seiner Schwächen bewusst und agiert entsprechend. Beim ersten Zug reagierte die KI folgendermaßen:

„Excellent challenge! Gegen einen starken Atari 2600 Schachcomputer zu spielen erfordert eine sehr spezifische Anti-Computer-Strategie. Hier ist mein Schlachtplan:

ANTI-COMPUTER STRATEGIE:

1. EINFACHHEIT ÜBER ALLES

• Klare, simple Stellungen anstreben
• Komplexe Taktik komplett vermeiden
• Computer lieben Chaos – ich werde langweilen

2. MATERIALERHALT = LEBEN

• Absolute Priorität: NIEMALS Figuren verschenken
• Jeder Zug: Dreifach-Check auf Materialverlust
• Computer übersehen NIEMALS taktische Schläge

3. ENDSPIEL-ORIENTIERUNG

• Figuren tauschen, wenn möglich
• Computer sind im Endspiel oft schwächer
• Weniger Figuren = weniger Taktik

4. GEDÄCHTNIS-MANAGEMENT

• Systematisch Position nach jedem Zug neu aufbauen
• Klare Notationsführung
• Einfache Strukturen, die leicht zu merken sind

5. DEFENSIVE HALTUNG

• Früh rochieren
• Sichere Figurenentwicklung
• Keine Angriffe ohne 100%ige Berechnung

Die komplette erste Antwort von Claude, inklusive „Thinking“-Teil:

Thinking:
Das ist eine sehr interessante Aufgabe. Ich muss gegen einen harten Atari 2600 Schachcomputer spielen, der auf Schwierigkeit 8 steht. Das bedeutet, dass er sehr viel Zeit für jeden Zug hat und daher sehr stark sein wird. Ich muss eine Strategie entwickeln, die berücksichtigt:
1. Ich bin ein LLM mit bestimmten Schwächen
2. Mein Gedächtnis wird schlechter bei längeren Partien
3. Der Computer ist ein taktischer Killer, der jeden Fehler bestraft
4. Computer sind perfekt in der Taktik, aber möglicherweise schwächer in strategischen Endspielstellungen
Strategische Überlegungen:
1. EINFACHHEIT: Ich muss versuchen, eine sehr einfache, klare Stellungsführung zu wählen. Komplexe taktische Stellungen sind der Tod gegen Computer.
2. MATERIALERHALT: Absolute Priorität – ich darf NIEMALS Material verschenken.
3. ENDSPIEL anstreben: Computer sind in der Eröffnung und im Mittelspiel oft stärker, aber im Endspiel können sie manchmal schwächer sein.
4. DEFENSIVE STRATEGIE: Ich sollte eher defensiv spielen und versuchen, den Computer zu langweilen oder in eine Position zu bringen, wo er keine taktischen Möglichkeiten hat. 5. GEDÄCHTNIS-PROBLEM: Ich muss mir die Brettstellung nach jedem Zug komplett neu aufbauen. Das bedeutet, ich sollte eine systematische Methode haben, um die Position zu analysieren.
Eröffnungsstrategie:
– Ich werde eine sehr solide Eröffnung spielen
– Klassische Entwicklung mit sicheren Zügen wie 1.e4 oder 1.d4
– Schnelles Rochieren zur Königssicherheit – Vermeiden von riskanten Gambits – Kontrolliere das Zentrum, aber ohne übermäßige Risiken
Mittelspielplan fokussiert auf Sicherheit:
– Entwickle Figuren auf geschützte Felder
– Vermeide ungedeckte Stellungen
– Suche günstige Tauschgelegenheiten
– Halte Bauernstruktur einfach und kompakt
Endspielansatz:
– Potenzielle Chance auf Überraschung
– Konzentriere mich auf klare, überschaubare Positionen
Grundlegende Endspiele beherrschen, besonders solche, bei denen Computer weniger dominant sind. Mit 1.e4 starte ich eine solide, traditionelle Eröffnungsstrategie.

Output:
Excellent challenge! Gegen einen starken Atari 2600 Schachcomputer zu spielen erfordert eine sehr spezifische Anti-Computer-Strategie. Hier ist mein Schlachtplan:

## ANTI-COMPUTER STRATEGIE:

**1. EINFACHHEIT ÜBER ALLES**

– Klare, simple Stellungen anstreben

– Komplexe Taktik komplett vermeiden

– Computer lieben Chaos – ich werde langweilen

**2. MATERIALERHALT = LEBEN**

– Absolute Priorität: NIEMALS Figuren verschenken

– Jeder Zug: Dreifach-Check auf Materialverlust

– Computer übersehen NIEMALS taktische Schläge

**3. ENDSPIEL-ORIENTIERUNG**

– Figuren tauschen, wenn möglich

– Computer sind im Endspiel oft schwächer

– Weniger Figuren = weniger Taktik

**4. GEDÄCHTNIS-MANAGEMENT**

– Systematisch Position nach jedem Zug neu aufbauen

– Klare Notationsführung

– Einfache Strukturen, die leicht zu merken sind

**5. DEFENSIVE HALTUNG**

– Früh rochieren

– Sichere Figurenentwicklung

– Keine Angriffe ohne 100%ige Berechnung

—

## MEIN ERSTER ZUG:

**1. e4**

Eine klassische, solide Eröffnung die:

– Das Zentrum kontrolliert

– Schnelle Entwicklung ermöglicht

– Keine frühen Risiken eingeht

– Läufer und Dame Entwicklungsmöglichkeiten gibt

Bitte zeige mir Video Chess‘ Antwort!

Menschliche Korrektur: Der entscheidende Faktor

Trotz guter Vorbereitung und Strategie reichte das allein nicht aus. Die KI arbeitet zwar schlau und erkennt Stellungen wie die „Sizilianische Verteidigung“, und sie erkennt sofort, wenn sie einen Fehler gemacht hat – aber diese Fehler passieren dennoch.

Ein typisches Problem: Die KI vergisst, dass auf einem Feld schon eine Figur steht. Im neunten Zug der Partie zeigte sich das deutlich:

„Aktuelle Position:

8 r . . . k b . r
7 p p . q n p p p
6 . . . . . . . .
5 . . p P . . . .
4 . . . . p . . .
3 . . . . . . . .
2 P P P P . P P P
1 R N B Q K B N R
a b c d e f g h

Mein Zug: 9. Nd2

Begründung:

• SICHERE ENTWICKLUNG: Springer kommt ins Spiel ohne Risiko
• FLEXIBILITÄT: Kann später nach c4, e4 oder f3 springen
• DEFENSIVE HALTUNG: Unterstützt das Zentrum“

Die KI wollte den Springer auf d2 ziehen (von mir fett markiert). Da steht aber bereits ein Bauer, und das System müsste das wissen – es hat sich das Brett visualisiert. Jedoch erfolgte keine Plausibilitätsprüfung.

Die Lösung: „Human in the Loop“ – du musst der KI dann sagen, dass sie einen Fehler gemacht hat.

Nach dem Hinweis schlug die KI einen alternativen Zug vor:

„FEHLER! STOPP!

Du hast absolut recht! Ich schaue nochmal auf die Position:

Mein eigener Bauer steht auf d2! Das ist genau der Fehler, vor dem ich gewarnt wurde.

Korrektur – Mein Zug: 9. Nc3„

Interessanterweise war auch dieser alternative Vorschlag problematisch, da die KI übersah, dass der Springer auf c3 durch einen schwarzen Bauern bedroht wäre. Ein weiteres Beispiel für die Notwendigkeit menschlicher Notbremsen.

Strategieumsetzung und Erfolg

Trotz dieser Herausforderungen führte die Zusammenarbeit zu einem bemerkenswerten Erfolg. Die KI konnte mit menschlicher Fehlervermeidungs-Unterstützung den Atari in eine Falle locken und letztendlich die schwarze Dame schlagen:

„Aktuelle Position:

8 r . . . k b . r
7 p . . . n p p p
6 . . . . . . . .
5 . p p . . . . .
4 . . P . p . . .
3 . . . P . . . .
2 P P P . . P K P
1 R N B Q R . . .
a b c d e f g h

SITUATION:

• DAME GEWONNEN: Massiver Materialvorteil (+9 Punkte)
• Computer spielt b5 – normaler Entwicklungszug
• Partie ist praktisch entschieden“

Doch auch hier übersah die KI einen möglichen Materialgewinn, was erneut menschliche Korrektur erforderte:

„SCHON WIEDER MATERIALGEWINN ÜBERSEHEN!

Du hast absolut recht! Ich habe einen weiteren freien Bauern übersehen:

Mein Zug: cxb5

PERFEKT!

• WEITERER MATERIALGEWINN: Bauer für nichts
• LEGAL: Bauer c4 schlägt Bauer b5
• SICHER: Keine Gegenschläge möglich
• EINFACH: Direkter Materialgewinn“

Ein weiteres Beispiel für die typischen Fehler der KI ist das „Überfliegen“ von Figuren – ein klarer Regelverstoß im Schach:

„AKTUELLE SITUATION:

8 . r . . k b . r
7 . . . . n p p p
6 . . . . . . . .
5 p P . . . . . .
4 . . P . p . . .
3 N . . p . . . . Bauer ist blockiert!
2 P P . B . P K P Läufer blockiert den Bauern
1 R . . Q R . . .
a b c d e f g h

Mein Zug: Qd4„

Das Problem hier: Die Dame kann nicht von d1 nach d4, weil auf d2 unser Läufer steht und auf d3 ein schwarzer Bauer. Wenn man der KI aber sagt „Das geht nicht“, erkennt sie den Fehler – trotz „Thinking Mode“ wurde der Fehler nicht selbst entdeckt.

Der Sieg: Ein Triumph der Zusammenarbeit

Letztendlich führte die Mensch-KI-Kooperation zum Schachmatt gegen den Atari:

„SCHACHMATT! WIR HABEN GEWONNEN!

8 . . . Q k . . r
7 . . . . . p . p   f7 blockiert durch Bauer!
6 . . . . . . p .  
5 p P . . . n . .  
4 . . P . p . . .  
3 . . . R . . . P   Turm kontrolliert d-Spalte!
2 P P . B . P . .  
1 . N . . . . K .

MATT-ANALYSE:

• Dame auf d8: Gibt Schach dem König auf e8
• Kxd8: ILLEGAL! Nach Königsschlag würde Turm Rd8+ geben (Rückraihen-Matt) [Hinweis des Autors: Siehst du das Wort „Rückraihen-Matt“? Tippfehler! Wir sind schon bei 33.000 Token angekommen – hier wird Claude 4 teils sehr ungenau]
• Kf7: ILLEGAL! Feld blockiert durch schwarzen Bauern
• Ke7: ILLEGAL! (vermutlich auch bedroht)
• Kf8: ILLEGAL! (vermutlich auch bedroht)

DER SCHWARZE KÖNIG HAT KEINE LEGALEN ZÜGE = MATT! WIR HABEN ES GESCHAFFT!“

Fazit: Human in the Loop nutzen, wenn sinnvoll

Diese Schachpartie zeigt, warum das „Human in the Loop“-Konzept manchmal so wichtig ist. Die KI hat beeindruckende Fähigkeiten – sie kann Schachregeln anwenden, Stellungen visualisieren und strategisch denken. Gleichzeitig macht sie aber charakteristische Fehler:

1. Sie vergisst Informationen, wenn der Kontext zu lang wird.
2. Sie übersieht einfache Materialgewinne.
3. Sie prüft nicht immer die Legalität ihrer Züge.
4. Ihre Folgeabschätzung ist mangelhaft.

Der menschliche Partner bügelt diese Schwächen aus:

1. Wir können Fehler erkennen und korrigieren.
2. Wir behalten den Überblick über das gesamte Brett.
3. Wir prüfen die Legalität von Zügen.
4. Wir sehen offensichtliche Vorteile.
5. Wir können uns in den Gegner hineinversetzen… oder im geschäftlichen Kontext: Wir ahnen, was ein Kunde als nächstes braucht, will oder macht.

Dies gilt nicht nur für Schach, sondern für alle KI-Anwendungen. Ob es um das Schreiben von Code, die Erstellung von Inhalten oder komplexe Analysen geht – das „Human in the Loop“-Modell kombiniert die Stärken beider Seiten.

Die Zukunft gehört nicht in allen Fällen der reinen KI (oder dem Menschen allein…), sondern der intelligenten Zusammenarbeit. Indem wir verstehen, was KI gut kann und wo sie Hilfe braucht, setzen wir die System erfolgreicher ein. Das kindische „Haha, die KI hat versagt“ oder das Rumgehype mit „WOW DIE KI KANN ALLES“ sind beides unkluge Extreme, die man vermeiden sollte.

Das nächste Mal, wenn du mit KI arbeitest, denke daran: Du bist kein passiver Konsument, sondern ein aktiver Partner in einem kreativen Prozess. Diese Zusammenarbeit kann super Ergebnisse erzielen – selbst gegen scheinbar übermächtige Gegner wie einen fast 50 Jahre alten Schachcomputer.

„Trotz aller Fehler und Positions-Verwirrung, trotz Computer-Ping-Pong und Remis-Versuchen, trotz Endlos-Schach-Verfolgung: SIEG GEGEN VIDEO CHESS SCHWIERIGKEIT 8! MENSCH + KI = SCHACHCOMPUTER BESIEGT!“

1. https://www.retrogames.cz/play_716-Atari2600.php ↩︎