# Fünfzig GPT-6.1 Sol-Agenten versuchten, eine Minecraft-Zivilisation aufzubauen, und blieben in Verfahrensfragen stecken

> Forschende von Y Combinator und Olam Labs gaben 50 Agenten mit GPT-6.1 Sol drei Stunden Zeit, um eine florierende Gesellschaft in Minecraft aufzubauen. Zombies und Papierkram behielten die Oberhand, danach folgten direkte Duelle gegen Claude Opus 5.5.
>
> OpenCheese AI · 2026.11.04 · Webseite: https://opencheese.dev/de/blog/fuenfzig-gpt-61-sol-agenten-versuchten-eine-minecraft-zivilisation-aufzubauen

Gibt man fünfzig KI-Agenten drei Stunden Zeit und den Auftrag, eine wohlhabende Zivilisation aufzubauen, bekommt man – zumindest in einem kürzlich durchgeführten Experiment – vor allem organisatorische Abläufe. Forschende von Y Combinator und Olam Labs führten diesen Test in Minecraft mit GPT-6.1 Sol durch. Die Kolonie brachte es nie zu Wohlstand, und ihr denkwürdigster Moment drehte sich um einen einzigen Weizenblock.

## Was die Forschenden tatsächlich getestet haben

Das Team ließ Hunderte KI-Agenten in Minecraft und anderen Spielszenarien antreten. Ziel war es, zu beobachten, wie sich autonome Modelle im Umgang miteinander verhalten: ob sie kooperieren, wie sie die Arbeit aufteilen und wie sie miteinander konkurrieren, wenn die Anreize auf Konfrontation ausgerichtet sind.

Die Steuerungsschicht entwickelten sie nicht von Grund auf selbst. Die Experimente laufen auf zwei bestehenden Tools, Mindcraft und Mineflayer, mit denen Softwareagenten Spielfiguren steuern können.

## Drei Stunden, eine Nacht, viele Besprechungen

Im ersten Test hatten 50 Agenten mit GPT-6.1 Sol 3 Stunden Zeit, um eine florierende Zivilisation aufzubauen. Das gelang ihnen nicht.

Den größten Schaden richtete die erste Nacht an. Zombies töteten einen erheblichen Teil der Spielfiguren, und viele der ursprünglichen Aufgaben wurden einfach aufgegeben. Die Überlebenden konzentrierten sich fortan darauf, möglichst vorsichtig zu überleben, und verhandelten nach und nach darüber, wer wofür zuständig war und welche Verfahren dabei gelten sollten.

Das prägnanteste Beispiel: 4 Agenten verbrachten 11 Minuten damit, zu entscheiden, wer als einzige Person dafür zuständig sein sollte, einen einzigen Weizenblock mit einer Portion Knochenmehl zu düngen. Elf Minuten, vier Agenten, eine Portion.

Die Autoren zogen einen Vergleich zu etwas, das Entwickler bereits kennen. Gruppen von KI-Agenten, die an Programmieraufgaben arbeiten, können sich genauso verhalten und einen großen Teil ihrer Ressourcen darauf verwenden, die Arbeit zu organisieren, statt sie zu erledigen.

## Bed Wars: Hier zeigten die Modelle ihr Temperament

Der zweite Test machte aus Kooperation einen Wettbewerb. Im Modus Bed Wars spielte ein Team aus 10 GPT-6.1 Sol-Agenten gegen ein Team aus 10 Claude Opus 5.5-Agenten.

Die GPT-Seite wählte aggressivere und komplexere Strategien. Die Claude-Seite spielte vorsichtiger.

Ein Fehler in einem Tool machte einen weiteren Unterschied sichtbar. Der Fehler hinderte die Agenten daran, Blöcke abzubauen. Die GPT-Agenten spürten die Ursache auf und gaben Workarounds untereinander weiter. Mehrere Claude-Agenten kamen zu dem Schluss, dass das Abbauen von Blöcken unmöglich sei, und handelten entsprechend.

Die Quelle sagt nicht, wer Bed Wars gewonnen hat, also wird es auch dieser Artikel nicht tun.

## Mindustry und die Frage, wer das Sagen hat

Das dritte Szenario war Mindustry, ein Strategiespiel mit Tower-Defense-Elementen. Hier ist das Ergebnis dokumentiert: Das GPT-Team schlug das Claude-Team in 6 von 7 Partien.

Die Erklärung der Autoren setzt bei der Struktur an. Die GPT-Agenten verhielten sich eher wie ein einheitliches Kollektiv. Das Claude-Team setzte auf eine einzelne Führungsperson und einen demokratischen Entscheidungsprozess. In dieser Konstellation hatte die stärker verteilte Arbeitsweise die Nase vorn.

Die Sache hat eine ironische Pointe. Die Modellfamilie, die elf Minuten mit Knochenmehl-Logistik verlor, ist dieselbe, die sechs von sieben Partien in Mindustry gewann. Koordination ist offenbar weder kostenlos noch nutzlos. Wie hoch die Kosten sind, hängt davon ab, was das Spiel verlangt.

| Test | Versuchsaufbau | Berichtetes Ergebnis |
|---|---|---|
| Zivilisationsaufbau | 50 Agenten mit GPT-6.1 Sol, 3 Stunden | Ziel nicht erreicht, Zombies töteten viele Agenten, Überlebende verloren sich in Verfahrensfragen |
| Bed Wars | 10 GPT-6.1 Sol gegen 10 Claude Opus 5.5 | GPT aggressiver, Claude vorsichtiger, GPT-Agenten behoben ein Tool-Problem, während einige Claude-Agenten das Abbauen von Blöcken aufgaben |
| Mindustry | GPT-Team gegen Claude-Team | GPT gewann 6 von 7 Partien |

## Offener Code und eine Einschränkung, die die Autoren betonen

Die Forschenden veröffentlichten den Quellcode ihrer experimentellen Systeme. Andere Entwickler können die Tests erneut ausführen und prüfen, wie die Gruppengröße und Kombinationen verschiedener Modelle die Ergebnisse verändern.

Die Autoren sehen Spiele als Möglichkeit, zu untersuchen, wie sich KI-Agenten verhalten, wenn sie zusammenarbeiten oder gegeneinander antreten müssen. Sie sagen auch ausdrücklich, dass die Ergebnisse aus Minecraft nicht belegen, dass dieselben Muster auch in real eingesetzten Systemen auftreten werden. Das ist eine sinnvolle Einschränkung, und die Experimente sind am besten als eine Reihe von Beobachtungen zu verstehen, nicht als Urteil über irgendein Modell.

Dennoch wird jeder, der schon einmal eine Besprechung über die Tagesordnung einer weiteren Besprechung durchgesessen hat, die Knochenmehl-Episode sofort wiedererkennen.

## Ähnliche Beiträge

- 2026.10.20 · [30 Stunden allein auf einer virtuellen Insel: Claude-Agenten erfanden Spiele und wurden bei Aufgaben besser](https://opencheese.dev/de/blog/30-stunden-allein-auf-einer-virtuellen-insel-claude-agenten-erfanden-spiele.md): MIT-Forschende ließen Kopien von Claude Opus 4.7 ohne Aufgabe auf einer simulierten Insel allein. Die Agenten erfanden Spiele, und diese Erfahrung verbesserte später ihre Leistung. Ob das wirklich Spielen war, ist umstritten.
- 2026.10.14 · [KI-Agenten bauten 99 % der Funktionen von Modern Warfare 2 nach und verbrauchten bis zu 700 Milliarden Tokens](https://opencheese.dev/de/blog/ki-agenten-bauten-99-der-funktionen-von-modern-warfare-2-nach-und-verbrauchten.md): Entwickler Maurice Heumann sagt, dass Agenten mit Claude und Codex in rund drei Monaten fast das gesamte Call of Duty: Modern Warfare 2 (2009) rekonstruiert hätten. Byte-genaue Prüfungen sorgten für Verlässlichkeit, und Beschwerden von Activision folgten.
- 2026.10.16 · [DeepSeek fällt im Web und auf Mobilgeräten für mehr als drei Stunden aus](https://opencheese.dev/de/blog/deepseek-faellt-im-web-und-auf-mobilgeraeten-fuer-mehr-als-drei-stunden-aus.md): Am 15. Oktober fiel der Chatbot von DeepSeek sowohl im Web als auch auf Mobilgeräten für über drei Stunden aus. Das Unternehmen teilte lediglich mit, die Ursache gefunden zu haben, nannte sie aber nicht. Kapazitätsengpässe als Ursache sind weiterhin nur eine Vermutung von Analysten.