Frühe Ideen (Ende 1940er - 1950er)

Die Wissenschaftler Alan Turing und Claude Shannon machten sich Gedanken über Computerschach, zunächst ohne einen funktionierenden Computer zu besitzen. Shannon konstruierte eine Maschine namens Caissa oder Endgame, die Endspiele mit einer begrentzen Zahl von Figuren spielen konnte. Shannon entdeckte auch das Minimax-Prinzip, das auch heute noch unverzichtbar ist in der Spiele-KI.
https://de.wikipedia.org/wiki/Alan_Turing
https://de.wikipedia.org/wiki/Turochamp
https://de.wikipedia.org/wiki/Claude_Shannon
https://blog.hnf.de/wie-computer-schach-lernten/

Erste Erfolge (1960er)

1967 besiegte das Programm Mac Hack VI erstmals einen menschlichen Spieler mit Wertung in einem Turnier.
https://de.wikipedia.org/wiki/MacHack

Fortschritte durch klassische Algorithmen (1970er–1980er)

Programme wurden durch Optimierungen wie Alpha-Beta-Pruning und Bewertungsfunktionen deutlich stärker. Systeme wie Kassia, Belle und Cray Blitz dominierten Computerschachturniere.
https://de.wikipedia.org/wiki/Kaissa
https://de.wikipedia.org/wiki/Belle_(Schach)
https://de.wikipedia.org/wiki/Cray_Blitz

Deep Blue besiegt Kasparov (1997)

IBM’s Deep Blue schlug Weltmeister Garry Kasparov in einem Match – ein historischer Moment. Die Kombination aus Spezialhardware und Deep-Search war entscheidend.
https://de.wikipedia.org/wiki/Deep_Blue

Der Sprung zu maschinellem Lernen: AlphaZero (2017)

AlphaZero von DeepMind lernte Schach ohne Eröffnungsbücher oder menschliche Daten – nur durch Selbstspiel. Es dominierte klassische Engines wie Stockfish.
https://de.wikipedia.org/wiki/AlphaZero

Moderne Schach-KIs (heute)

Stockfish kombiniert klassische Suche mit neuronalen Bewertungsfunktionen (NNUE). Es ist Open-Source, extrem stark und ständig in Entwicklung. KIs analysieren heute Millionen Partien und helfen Spielern weltweit.
https://de.wikipedia.org/wiki/Stockfish

Zuletzt geändert: Samstag, 12. April 2025, 12:08