Beim Bau eines Kartenspiel-Simulators möchte man zuerst möglichst viele Partien laufen lassen. Aus 100 werden 1.000, aus 1.000 werden 10.000, und eine riesige CSV-Datei sieht plötzlich nach Wissenschaft aus.
Die Falle: Wenn die Spielpolitik falsch ist, schätzen mehr Simulationen nur das Verhalten einer falschen Politik präziser.
Im Fallbeispiel absolvierte eine feste Regel-Engine 12.480 Spiele und bestand die Regelprüfung gut. Trotzdem waren die Rohwerte extrem: Royal etwa 79,8 %, Witch etwa 25,6 %. Das bedeutet nicht, dass Royal in der echten Meta 80 % gewinnt. Es bedeutet, dass die Spielpolitik verdächtig ist.
Erste Regel: Bevor du mehr Spiele startest, prüfe, ob die CPU das Spiel überhaupt sinnvoll spielt.
1. Ein Simulator ist nicht eine einzige KI: Regeln, Entscheidungen und Bewertung trennen
Mindestens drei Ebenen sind nötig.
- Regel-Engine: legale Aktionen, Schaden, Ziele, Evolution und Effekte.
- Spielpolitik: Auswahl einer legalen Aktion.
- Evaluator: Bewertung, ob Deck oder Politik wirklich gut waren.
Wenn alles vermischt wird, weiß man bei seltsamen Ergebnissen nicht, ob eine Karte falsch implementiert ist, die KI schlecht entscheidet, First-Player-Bias vorliegt oder die Bewertungsfunktion falsch ist.
Teste daher Legalität, Entscheidungsqualität und Bewertungsqualität getrennt.
2. Zuerst die Regel-Engine: Physik vor Intelligenz
Vor einer schlauen KI braucht man eine konsistente Spielwelt.
Die Engine muss Deck-Legalität, Kopienlimits, Klassen, PP, Draw, Mulligan, Board-Limit, Angriffe, Schutz, Storm/Rush, Evolution, Zielwahl, erzeugte Karten, Tokens, Sondermechaniken und Siegbedingungen korrekt verarbeiten.
Jede Karte oder Mechanik bekommt einen Status:
- Full
- Partial
- Unsupported
- Runtime gap
Wenn eine Karte nicht unterstützt wird, ist ein sauberer Abbruch besser als eine erfundene „57,3-%-Winrate“.
3. Eine Spiel-KI braucht mehr als „Was ist jetzt am stärksten?“
Kartenspiele werden über Zukunftsplanung entschieden.
Die Politik sollte Board-Wert, Hand-Wert, Ein-bis-drei-Zug-Planung, Lethal-Wahrscheinlichkeit, Hold-Wert von Combo-Teilen, Evolutionsressourcen, wahrscheinliche Antworten des Gegners, Hand-Overflow, Board-Platz und alternative Win Conditions bewerten.
„Spiel etwas, nimm den größten Body, greif Face an, wenn es geht“ kann mit simplen Tempo-Decks erstaunlich brauchbar aussehen. Bei Combo und Control bricht es schnell zusammen.
4. Menschliches Wissen sollte Hinweis sein, kein Gefängnis
Alle Guides als harte if-Regeln einzubauen erzeugt einen starren Handbuch-Bot.
Besser sind Boni, Strafen und Prioritäten.
Erhöhe den Wert eines Board-Clears gegen Aggro, bestrafe zu frühes Ausgeben von Combo-Teilen, belohne gesparte Evolutionsressourcen, reduziere Overcommit vor starken gegnerischen Turns und erhöhe Zukunftswert, wenn in zwei bis drei Zügen Lethal möglich ist.
Tagge Wissen nach Pack, Format, Leader, Archetyp, Matchup, First/Second, Phase, Datum und Vertrauen. Bei widersprüchlichen Quellen bleiben mehrere Policy-Kandidaten bestehen.
5. Ein fairer A/B-Test gibt beiden KIs dieselbe Prüfung
Wenn die alte KI brickt und die neue highrollt, ist der Vergleich wertlos.
Nutze denselben Random Seed und tausche danach First/Second.
seed 001: alte KI first / neue KI second
seed 001: neue KI first / alte KI second
...
Speichere außerdem verpasstes Lethal, verbrannte Karten, blockiertes Board, verschwendete Evolution, zu früh ausgegebene Combo-Teile, Mulligan-Fehler und ignorierte gegnerische Power Turns.
So erkennt man den Fall: „Gewonnen, aber trotzdem dumm gespielt.“
6. Warum 2.016 Spiele? Keine Magie, nur Multiplikation
Die Zahl 2.016 ist nicht heilig.
56 Matchup-Testzellen
× 18 Seeds
× 2 gepaarte Runs mit First/Second-Tausch
= 2.016 Spiele
Wichtig ist, zuerst die gewünschte Abdeckung festzulegen.
- quick: Dutzende bis Hunderte, Smoke Test;
- standard: ungefähr 2.000, Policy-A/B und Hauptmatchups;
- full: 10.000+, breite Umgebungsbewertung.
Zuerst full zu starten und danach zu entdecken, dass die KI schlecht ist, produziert nur hochpräzisen Müll.
7. Deck-Optimierung bedeutet nicht, jede mögliche 40-Karten-Kombination zu brute-forcen
Der Suchraum ist zu groß. Starte mit Turnier-/öffentlichen Listen und erzeuge Nachbarn: ein bis drei Karten tauschen, Stückzahlen ändern, rollenähnliche Karten ersetzen, Matchup-Techs oder ganze Packages austauschen.
Optimiere nicht nur die mittlere Winrate. Beachte Downside Risk, First/Second-Stabilität und den Boden schlechter Matchups.
Die ehrliche Aussage lautet: „beste evaluierte Liste unter diesen Kandidaten mit diesem Snapshot, dieser Policy, diesen Meta-Gewichten und diesem Simulationsbudget.“
8. Diagnose ist wertvoller als eine nackte Winrate
Mit 40 Karten und gegnerischem Leader/Archetyp sollte das System Schätzung + Unsicherheit, First/Second, Mulligan, Ziele für Early/Mid/Late Game, Win Condition, zu haltende Karten, Removal-Priorität, Evolution-Timing, wahrscheinliche gegnerische Antwort, Lethal-Linien über zwei-drei Züge, typische Fehler, Alternativen und Tech-Kandidaten erklären.
Dann wird der Simulator zum Coach.
9. Der Royal-79,8-%-Vorfall: Vielleicht war „Einheit spielen, Face schlagen“ einfach zu KI-freundlich
Eine lustige, aber plausible Hypothese: Einfache proaktive Decks sind für unreife KI deutlich leichter.
Royal kann vielleicht so spielen:
Follower spielen!
Board gewinnen!
Face offen!
angreifen!
gewonnen!
Während eine schlechte Witch-Policy so denkt:
Combo-Teil? jetzt spielbar! benutzen!
Evolution? jetzt stärker! ausgeben!
Handlimit? nie gehört!
in drei Zügen? Problem meines Zukunfts-Ichs!
Das beweist nicht die echte Meta. Es zeigt, dass verschiedene Decktypen unterschiedliche Denkfähigkeiten von der KI verlangen.
10. Für Umgebungswechsel bauen: Das Endprodukt ist ein Labor
Speichere die aktuelle Rotation als versionierte Umgebung.
Environment 8
- card snapshot
- legal card pool
- engine version
- policy version
- meta decks
- human knowledge
- simulation results
Beim nächsten Pack wird eine neue Umgebung angelegt und nur die Differenz betrachtet: neue Karten, Rotation, Balance-Änderungen, Einschränkungen, Archetypen, Engine-Support und Meta-Gewichte.
Wenn sich nur Meta-Gewichte ändern, nutze die bestehende Matrix erneut. Wenn eine neue Karte in ein Deck kommt, simuliere nur betroffene Bereiche neu. Wenn eine neue Mechanik nicht unterstützt wird, blockiere die Freigabe.
Das eigentliche Ziel ist Rückverfolgbarkeit: Welche Regeln, welche Policy, welche Kartendatenbank, welche Seeds und welche Umgebung haben diese Zahl erzeugt?
Wenn Royal wieder fast 80 % erreicht, setz nicht sofort die Krone auf.
Frag zuerst: Glaubt dieser Bot, das ganze Spiel bestehe nur aus „Einheit ausspielen und Face angreifen“?
