KI-Schachturnier: OpenAI besiegte Musks Grok
Bei einem kürzlich auf der Plattform Kaggle ausgetragenen Turnier, das vom 5. bis 7. August 2025 stattfand, traten führende Modelle künstlicher Intelligenz im Schach gegeneinander an. Bei diesem von Google organisierten Schauturnier spielten acht große Sprachmodelle von Unternehmen wie Anthropic, Google, OpenAI, xAI sowie den chinesischen Entwicklern DeepSeek und Moonshot AI gegeneinander. Ziel war es, ihre Fähigkeiten im logischen Denken und in der Strategie zu testen, wobei Schach dank seiner präzisen Regeln und komplexen Entscheidungsfindung als ideale Arena diente. Das OpenAI-Modell o3 ging als ungeschlagener Sieger hervor, nachdem es im Finale Grok 4 von xAI mit 4:0 besiegt hatte. Dieses Ergebnis zeigte vorerst einen klaren Spitzenreiter im Wettstreit zwischen OpenAI, Sam Altman und Elon Musk, die beide behaupten, ihre Modelle seien die intelligentesten der Welt.
Bei dem Turnier ging es nicht um spezialisierte Schachcomputer, sondern um universelle Modelle, die für allgemeine Aufgaben entwickelt wurden. Dennoch zeigte es, wie weit die künstliche Intelligenz bereits fortgeschritten ist – auch wenn Modelle wie Grok Fehler machten und beispielsweise wiederholt die Dame verloren. Laut Pedro Pinhata von Chess.com wirkte Grok bis zum Halbfinale unbesiegbar, doch im Finale brach sein Spiel mit einer Reihe grober Fehler zusammen, wodurch o3 überzeugende Siege erzielen konnte. Schachgroßmeister Hikaru Nakamura bemerkte während der Liveübertragung: „Grok hat in diesen Partien so viele Fehler gemacht, OpenAI aber nicht.“
Details zum Finale und zum dritten Platz
Das Finalduell zwischen o3 und Grok 4 war eindeutig. In der ersten Partie verlor Grok bereits in der Eröffnung ohne Grund einen Läufer und bot Abtäusche an, was der Schachlogik widerspricht, wenn man im Nachteil ist. In der zweiten Partie kam die Variante des vergifteten Bauern in der Sizilianischen Verteidigung aufs Brett, in der Grok den gedeckten Bauern auf a2 schlug, was zu einer schnellen Niederlage führte. Die dritte Partie, in der Grok mit den weißen Figuren spielte, sah mit der Maroczy-Struktur der Sizilianischen Verteidigung vielversprechend aus, doch dann folgte der Verlust des Springers auf d5, gefolgt vom Verlust der Dame, einer Qualität und schließlich der gesamten Partie. Die letzte Partie war die knappste – o3 verlor zwar früh die Dame, fand jedoch eine Taktik, um sie zurückzugewinnen, und errang im Endspiel, in dem Grok bei der Verteidigung scheiterte, den Sieg. Diese Partie wurde von Großmeister Rafael Leitao analysiert, der hervorhob, wie viel besser o3 das Bauern- und Königsendspiel bewältigte.
Im Spiel um den dritten Platz besiegte Googles Modell Gemini 2.5 Pro das Modell o4-mini mit 3,5:0,5. Der Wettkampf verlief chaotisch und war von zahlreichen Fehlern auf beiden Seiten geprägt, doch Gemini gewann drei Partien und spielte eine remis. In der dritten Partie beispielsweise schwankte die Stellungsbewertung aufgrund grober Fehler stark, was zeigte, dass diese Modelle Vorteile noch nicht perfekt verwerten können. Laut Kommentator Levy Rozman war es eine Sammlung chaotischer Partien, doch für Gemini reichte es zur Bronzemedaille.
Geschichte der künstlichen Intelligenz im Schach
Die Geschichte der künstlichen Intelligenz im Schach reicht bis in die 1950er-Jahre zurück, als Alan Turing einen Algorithmus zum Schachspielen entwarf, den er von Hand simulierte, weil die damaligen Computer dazu nicht leistungsfähig genug waren. In den 1980er- und 1990er-Jahren verlagerte sich die Entwicklung hin zu Brute-Force-Methoden, Heuristiken sowie Eröffnungs- und Endspieldatenbanken. Ein entscheidender Meilenstein war das Jahr 1997, als der IBM-Supercomputer Deep Blue den damaligen Weltmeister Garri Kasparow in einem Rückkampf mit 2:1 bei drei Remispartien besiegte. Kasparow verglich die Intelligenz von Deep Blue später mit der eines Weckers, räumte jedoch ein, dass die Niederlage gegen ein solches Gerät schmerzhaft gewesen sei. Dieser Erfolg demonstrierte die Stärke von Computern bei strategischen Aufgaben.
Im Jahr 2010 begann mit Modellen wie AlphaGo von DeepMind eine neue Ära. AlphaGo besiegte 2019 den südkoreanischen Go-Meister Lee Sedol, woraufhin dieser mit der Erklärung, es gebe eine unbesiegbare Entität, seine Karriere beendete. Demis Hassabis, Mitbegründer von DeepMind und ehemaliges Schachwunderkind, half bei der Entwicklung dieser Systeme. Im Jahr 2017 zeigte AlphaZero, dass eine künstliche Intelligenz Schach allein durch Partien gegen sich selbst und ohne menschliches Eröffnungswissen erlernen kann, und erreichte Spitzenniveau in Schach, Go und Shōgi. Diese Fortschritte veränderten die Schachvorbereitung – Profis nutzen heute Engines zur tiefgehenden Analyse von Varianten, was das Interesse an Formaten wie Chess960 verstärkt hat, bei denen der Einfluss vorbereiteter Eröffnungen minimiert wird.
Warum spielen künstliche Intelligenzen Schach?
Künstliche Intelligenz spielt vor allem deshalb Schach, weil dieses Spiel ein ideales Umfeld zum Testen von Algorithmen bietet. Schach verfügt über klare Regeln, einen endlichen Zustandsraum und eine deterministische Dynamik, wodurch sich Fortschritte objektiv messen lassen – beispielsweise anhand der Elo-Zahl oder durch Turniere. Historisch diente Schach als „Modellorganismus“ für die Erforschung künstlicher Intelligenz, von Turings Zeiten über Labore wie das MIT AI Lab bis hin zu IBM. Ein weiterer Grund ist die öffentliche Demonstration von Fähigkeiten: Der Sieg von Deep Blue über Kasparow im Jahr 1997 machte künstliche Intelligenz populär und zeigte ihr Potenzial bei komplexen Aufgaben.
Eine weitere Motivation ist die Übertragbarkeit der Methoden – Techniken wie Minimax, Alpha-Beta-Suche, heuristische Bewertungen oder bestärkendes Lernen wie bei AlphaZero wurden auch in anderen Bereichen eingesetzt. Beim Turnier auf Kaggle diente Schach als Benchmark, bei dem Modelle wie o3 oder Grok ihre Fähigkeit testeten, Regeln und Strategien zu erlernen, um einen Sieg zu erzielen. Laut Pedro Pinhata von Chess.com offenbarte dies Schwächen wie Groks Versagen in Endspielen, aber auch Stärken wie die Fähigkeit von o3, in komplizierten Stellungen taktische Möglichkeiten zu finden. Dieses Turnier sorgte somit nicht nur für Unterhaltung, sondern brachte auch die Forschung zur künstlichen Intelligenz voran, indem es zeigte, wie Modelle in Echtzeit lernen und sich verbessern.
