1. Fazit: Mahjong-KI ist kein Zauberknopf für riesige Siegquoten, sondern eine Maschine zum Stapeln weniger Prozentpunkte
Beim Vierer-Mahjong liegt die Ausgangswahrscheinlichkeit für Platz eins bei 25 %, wenn alle vier Spieler exakt gleich stark sind. Das ist die erste unangenehme Wahrheit.
Auch Elite-Spieler oder starke KIs gewinnen nicht plötzlich die Hälfte aller Partien. Auf hohem Niveau zeigt sich Stärke in kleinen, dauerhaften Unterschieden: ein paar Prozentpunkte mehr erste Plätze, einige letzte Plätze weniger, eine etwas niedrigere Deal-in-Rate und Entscheidungen, die sich an Punktestand, Runde, Dealer-Position, Handwert und Risiko anpassen.
Hochklassiges Mahjong ist daher weniger ein Superangriff als ein Job in einer Domino-Fabrik: einen sicheren Stein behalten, ein wertvolles Tenpai mit gutem Wait pushen, einen billigen schlechten Kampf aufgeben und die letzte Hand nach den nötigen Platzierungsbedingungen spielen. Eine Entscheidung wirkt winzig. Nach Hunderten Hanchan erinnert sich das Rating an jede einzelne.
Wissenschaftlich wichtig: Es gibt keine belastbare kausale Zahl wie „KI-Review erhöht die First-Place-Rate eines Menschen garantiert um X Prozentpunkte“. Die Stärke einer KI-Policy und der Lerneffekt beim Menschen sind zwei verschiedene Forschungsfragen.
2. Die brutale 25%-Basis im Vierer-Mahjong
Bei vier symmetrisch starken Spielern beträgt der Durchschnitt für jeden Rang 25 %. Das mentale Modell „wer richtig gut ist, muss die Hälfte gewinnen“ ist also falsch.
Mahjong enthält viele versteckte Informationen, zufällige Ziehungen und drei Gegner. Eine gute Entscheidung kann verlieren; eine schlechte kann eine Hand gewinnen. Können zeigt sich deshalb zuverlässiger in langfristigen Platzierungsverteilungen und in der Entscheidungsqualität als in einer einzelnen Session.
„Heute kein erster Platz, also ist meine Strategie kaputt“ ist ungefähr so sinnvoll, wie aus dem Wetter eines Nachmittags das Weltklima zu diagnostizieren.
3. Suphx: Rund 30 % erste Plätze sind bereits absurd stark
Suphx von Microsoft Research ist ein bedeutendes Mahjong-System auf Basis von Deep Reinforcement Learning, also tiefem bestärkendem Lernen. In der veröffentlichten Evaluation spielte es 5.760 Hanchan im Expertenraum von Tenhou und erreichte einen Stable Rank von 8,74; die Vergleichsgruppe der Top-Menschen lag bei 7,46.
Table 5 des Papers berichtet:
| Kennzahl | Suphx | Top-Menschen | Bakuuchi | NAGA |
|---|---|---|---|---|
| 1. Platz | 29,3 % | 28,0 % | 28,0 % | 25,6 % |
| 4. Platz | 18,7 % | 20,5 % | 22,4 % | 21,1 % |
| Hand-Win-Rate | 22,83 % | - | 23,07 % | 22,69 % |
| Deal-in-Rate | 10,06 % | - | 12,16 % | 11,42 % |
Interessant ist nicht nur die 29,3. Suphx hatte gleichzeitig die höchste First-Place-Rate, die niedrigste Fourth-Place-Rate und die niedrigste Deal-in-Rate der Vergleichstabelle.
Das zerstört die simple Geschichte „mehr erste Plätze müssen mit mehr letzten Plätzen bezahlt werden“. Eine bessere Policy kann beide Enden gleichzeitig verbessern.
Suphx verwendet außerdem eine Methode, die die endgültige Belohnung des gesamten Spiels vorhersagt, Global Reward Prediction. Dadurch werden lokale Rundenentscheidungen mit dem Endergebnis des ganzen Hanchan verbunden. Die beste Entscheidung für eine einzelne Hand ist nicht zwangsläufig die beste für das gesamte Spiel.
Wichtig: Das sind Tenhou-Daten, keine Mahjong-Soul-Daten. Ranking-System und Spielerpopulation unterscheiden sich; 29,3 % sollte daher nicht als universelles Ziel kopiert werden.
4. Hohe Ränge sind eine Fabrik von Domino-Handwerkern
Auf Anfängerniveau bringt allein bessere Effizienz beim Formen der Hand (Tile Efficiency) einen großen Vorteil. Auf hohen Rängen haben fast alle dieses Gratisgeld bereits eingesammelt.
Übrig bleiben feinere Unterschiede: wann ein sicherer Stein behalten wird, guter Wait gegen mehr Handwert, wie weit gegen Riichi gepusht wird, ob ein Iishanten den Kampf wert ist, wie Dealer-Status das Risiko verändert und wann Platz zwei im South Platz eins jagen oder die Platzierung schützen sollte.
Eine Entscheidung wirkt klein. Fünfhundert Wiederholungen sind nicht klein.
High Rank ist die Fabrik, in der Menschen, die über 0,5 % lachen, langsam unter einem sehr höflichen Haufen Erwartungswert (Expected Value) begraben werden.
5. Zu viel Auslagern kann einen „KI-Operator ohne Regelwissen“ erzeugen
„Was werfe ich ab?“ → KI. „Call?“ → KI. „Was ist mein Wait?“ → KI. „Welches Yaku ist das?“ → Die KI sagt, es geht auf.
Performance kann schneller steigen als Verständnis. Vielleicht lernt man, einen Mahjong-Analyzer zu bedienen, statt Mahjong zu lernen.
In der Psychologie heißt das Nutzen externer Werkzeuge zur Verringerung interner Denkarbeit cognitive offloading, also das Auslagern kognitiver Arbeit. Der Review von Risko und Gilbert beschreibt, dass diese Externalisierung kognitive Belastung reduziert, aber auch kognitive Folgen haben kann.
Eine randomisierte Studie von 2025 mit 120 Studierenden fand außerdem nach 45 Tagen eine geringere Wissensbehaltung in einer Gruppe, die ChatGPT uneingeschränkt als Lernhilfe nutzte, als in einer traditionellen Lerngruppe. Das war keine Mahjong-Studie und beweist daher keinen direkten Effekt. Die allgemeine Warnung passt jedoch: Eine Antwort auszulagern garantiert nicht, dass man den inneren Prozess aufbaut, der diese Antwort selbst erzeugen kann.
Das ist wie ein Walkthrough bis zum Endboss — und dann stellt sich heraus, dass die Prüfung über das Tutorial geht.
6. Was bedeutet „Ich werde kaum Erster, aber auch selten Letzter“?
Allein dieses Muster reicht für keine Diagnose. Mindestens vier Hypothesen passen:
- Übermäßige Defensive: profitable Risiken werden vermieden, wodurch Ergebnisse auf Platz zwei/drei komprimieren.
- Angriffsqualität: Riichi, Calls, Tempo oder Handwert verwandeln Chancen nicht in erste Plätze.
- Placement-Management: im South oder in der letzten Hand wird Platz eins nicht korrekt verfolgt, wenn die Situation es erlaubt.
- Varianz: Es hat sich strategisch nichts geändert; die jüngste Stichprobe enthält einfach weniger erste Plätze.
Darum ist „wenige vierte Plätze = zu defensiv“ allein keine wissenschaftliche Diagnose.
7. Forschungslogik: Platzierungsraten allein identifizieren die Ursache nicht
Aggregierte Statistiken haben ein Identifikationsproblem: verschiedene Mechanismen können dasselbe Ergebnis erzeugen.
20 % erste und 15 % vierte Plätze können durch zu viele Folds, Pech bei wertvollen Händen, schwaches Endgame-Management oder schlicht Stichprobenrauschen in etwa 100 Partien entstehen.
Suphx selbst widerspricht der simplen Erzählung „gute Verteidigung senkt die First-Rate“. Es verteidigte extrem stark und hatte trotzdem die höchste First-Place-Rate der Vergleichstabelle.
Für die Diagnose von Over-Defense braucht man Kontext: Zug, Shanten, Wait-Qualität, Handwert, Dealer-Status, aktuelle Platzierung, gegnerisches Riichi und die tatsächliche Push/Fold-Entscheidung.
8. Eine schlechte Phase über 100 Partien kann einfach Rauschen sein
Nehmen wir an, die wahre First-Place-Wahrscheinlichkeit sei 25 %, und behandeln wir sehr grob jedes Hanchan als unabhängigen Bernoulli-Versuch. Dann beträgt die ungefähre 95%-Stichprobenmarge:
| Hanchan | Ungefähre Marge um 25 % |
|---|---|
| 100 | ±8,5 Prozentpunkte |
| 500 | ±3,8 Punkte |
| 1.000 | ±2,7 Punkte |
20 % erste Plätze in 100 Hanchan beweisen also nicht, dass die Strategie kaputt ist.
Echtes Mahjong Soul ist keine perfekte Folge unabhängiger identischer Versuche: Gegner, Rang, Regeln und eigene Spielstärke ändern sich. Die Tabelle ist nur ein grober Maßstab dafür, wie stark kleine Stichproben schwanken können.
Mahjong-Varianz wartet gern genau darauf, dass man sagt „100 Spiele sollten reichen“, bevor sie einem von hinten auf die Schulter tippt.
9. Die KI wieder zum Lehrer machen: Gründe sammeln, nicht nur Antworten
Ein besserer Review-Zyklus:
- Eigenen Zug festlegen, bevor man die KI öffnet.
- Mit den KI-Kandidaten vergleichen.
- Die Begründung in einem einfachen Satz verlangen.
- Nach der Umkehrbedingung fragen: „Was müsste sich ändern, damit die gegenteilige Entscheidung korrekt wird?“
- Fehler taggen: Effizienz, Defense, Push/Fold, Value, Call, Riichi oder Placement.
- Wiederkehrende Fehler wiederholen, statt endlos neue Tipps zu sammeln.
Besonders wertvoll sind Deal-ins, knappe Push/Fold-Spots, Call/No-Call, große Abweichungen von der KI und Placement-Situationen im South beziehungsweise in der letzten Hand.
MAKA in Mahjong Soul kann Logs von Vierer-Rangspielen analysieren und Bewertungen sowie Ratschläge anzeigen. Nach der Partie ist es am nützlichsten als Detektor wiederkehrender Entscheidungsmuster, nicht als bloßes Lösungsblatt.
10. Welche Statistiken man prüfen sollte
| Kennzahl | Was sie zeigen kann |
|---|---|
| 1./2./3./4. Platz | Wo sich Platzierungen sammeln |
| Hand-Win-Rate | Wie oft Hände in Siege umgewandelt werden |
| Deal-in | Defensives Risiko und Verluste |
| Riichi-Rate | Offensive Nutzung geschlossener Tenpai |
| Call-Rate | Tendenz zu Tempo durch offene Hände |
| Durchschnittlicher Gewinnwert | Qualität statt nur Anzahl der Siege |
| Dealer/non-dealer | Nutzung des Dealer-Werts |
| South/letzte Hand | Qualität des Placement-Managements |
Noch besser ist es, Push/Fold nach Zug, Shanten, Wait, Handwert, gegnerischem Riichi, Dealer-Status und aktuellem Score zu analysieren.
Erst dann wird „in letzter Zeit werde ich nie Erster“ zu einem analysierbaren Datenproblem.
11. Live-KI-Unterstützung ist ein anderes Thema: KI für Post-Game-Review nutzen
Mit KI zu lernen ist nicht dasselbe, wie während eines Rangspiels ein externes Tool Züge auswählen zu lassen.
Offizielle Hinweise von Mahjong Soul nennen die Nutzung externer Tools und andere Handlungen, die die Fairness beeinträchtigen, als Beispiele verbotenen Verhaltens und weisen auf mögliche Account-Sanktionen hin.
Die saubere Grundregel ist einfach: selbst spielen; danach den Log mit erlaubten Review-Werkzeugen wie MAKA analysieren.
Sonst schaltet man einen seltenen Build frei: hoher Rang, internes Regelwissen null. Yaku? Frag die KI. Punkte? Der Server wird’s wissen.
12. Zusammenfassung: Staple die 2%-Dominos
- Bei vier gleich starken Spielern liegt die First-Basis bei 25 %.
- Selbst Suphx liegt ungefähr bei 30 %, nicht bei 50 %.
- Eine starke Policy kann mehr erste und weniger letzte Plätze gleichzeitig erzeugen.
- „Wenige erste + wenige letzte“ beweist keine übermäßige Defensive.
- Kleine Stichproben sind stark verrauscht.
- Zu viel kognitives Auslagern an KI kann Performance und Verständnis voneinander trennen.
- Nicht nur „was?“ fragen, sondern „warum?“ und „welche Bedingung würde die Antwort umdrehen?“.
Mahjong auf hohem Niveau ist das Sammeln winziger Vorteile.
Dominos sind langweilig. Die Rating-Tabelle erinnert sich an jeden einzelnen.
- Li, J. et al. (2020). Suphx: Mastering Mahjong with Deep Reinforcement Learning. https://arxiv.org/abs/2003.13590
- Microsoft Research. Suphx: The World Best Mahjong AI. https://www.microsoft.com/en-us/research/project/suphx-mastering-mahjong-with-deep-reinforcement-learning/
- Mahjong Soul. MAKA AI-assisted game-log analysis. https://mahjongsoul.com/news/254
- Mahjong Soul. Notice on unfair conduct. https://mahjongsoul.com/news/24
- Risko, E. F., & Gilbert, S. J. (2016). Cognitive Offloading. https://doi.org/10.1016/j.tics.2016.07.002
- ChatGPT as a cognitive crutch (2025). https://doi.org/10.1016/j.ssaho.2025.102287
