Eine KI dazu zu bringen, Code zu schreiben, der richtig aussieht, ist einfach. Sie dazu zu bringen, Code zu schreiben, der nachweislich mit dem eines Shooters aus dem Jahr 2009 übereinstimmt, ist eine andere Aufgabe – und kostete zwischen 600 und 700 Milliarden Tokens. Entwickler Maurice Heumann hat beschrieben, wie er mithilfe von KI-Agenten den Quellcode von Call of Duty: Modern Warfare 2 (der Version von 2009) rekonstruierte. Das Interessante daran ist nicht das Schreiben. Es ist das Überprüfen.
Was gemacht wurde
Das Projekt dauerte ungefähr drei Monate. Heumann nutzte zwei kommerzielle Modelle, um den ursprünglichen Code zu analysieren: Claude von Anthropic und Codex von OpenAI.
Mit dem Arbeitsumfang wuchs auch das Team. Zu Beginn waren es vier KI-Agenten. Ende September waren es 17. Den Gesamtverbrauch schätzt er auf 600 bis 700 Milliarden Tokens – eine Größenordnung, die eine monatliche API-Rechnung wie Kleingeld erscheinen lässt.
Das eigentliche Problem war das Vertrauen
Das Schreiben des Codes erwies sich als der günstige Teil. Nachzuweisen, dass der Code mit dem Original übereinstimmte, war der schwierige Teil.
Zu Beginn lieferten die Modelle Implementierungen, die angenehm zu lesen waren. Sie waren aber gerade in den Punkten falsch, auf die es bei der Rekonstruktion einer bestimmten Binärdatei ankommt. Die Agenten machten Fehler bei Datentypen, Funktionssignaturen und der Programmstruktur. Manchmal änderten sie einfach auf eigene Initiative die Logik – eine charmante Eigenart bei einem Kollegen, aber ein Ausschlusskriterium für ein Rekonstruktionswerkzeug.
Die Lösung: ein Schiedsrichter, der sich nicht umgarnen lässt
Heumanns Antwort darauf war, sich nicht länger darauf zu verlassen, wie plausibel die Ausgabe wirkte. Das Team automatisierte den Vergleich jeder rekonstruierten Funktion mit der ursprünglichen ausführbaren Datei – bis auf das einzelne Byte.
Außerdem wechselte das Team zu demselben Compiler, mit dem das Spiel ursprünglich erstellt worden war. Das ist wichtig, weil identischer Quellcode mit einer anderen Toolchain keine identischen Bytes erzeugt. Eine Abweichung könnte also auf einen Fehler hindeuten oder lediglich auf einen anderen Compiler zurückgehen.
Mit diesen beiden Änderungen erhielt jede Funktion ein binäres Urteil: Sie stimmte überein oder nicht. Keine Teilpunkte, kein „Sieht für mich plausibel aus“.
| Konfiguration | Details |
|---|---|
| Projektdauer | Etwa drei Monate |
| Verwendete Modelle | Claude (Anthropic), Codex (OpenAI) |
| Agenten | 4 zu Beginn, 17 bis Ende September |
| Tokenverbrauch | 600 bis 700 Milliarden (Schätzung des Entwicklers) |
| Überprüfung | Automatisierter Vergleich auf Byte-Ebene mit der ursprünglichen ausführbaren Datei unter Verwendung des ursprünglichen Compilers |
Die Ergebnisse
Heumann berichtet, dass 99 % der Funktionen des Spiels rekonstruiert wurden. Davon stimmen 83 % Byte für Byte mit dem Original überein.
Beim Rest ist die Sache weniger eindeutig. Seiner Einschätzung nach verhält sich ein erheblicher Teil der Funktionen, die nicht exakt übereinstimmen, dennoch korrekt. Mit anderen Worten: Sie sind semantisch richtig, auch wenn das Kompilierungsergebnis abweicht. Das Spiel startet und läuft.
Zwei Einschränkungen sollte man im Blick behalten. Die Prozentangaben stammen vom Entwickler selbst, und der Bericht erklärt nicht, wie die Einschätzung zur semantischen Korrektheit der nicht übereinstimmenden Funktionen zustande kam. Eine byteidentische Funktion ist eine harte Tatsache. „Funktioniert wahrscheinlich“ ist eine Meinung, selbst wenn sie fundiert ist.
Der Teil mit den Anwälten
Heumann äußerte sich auch klar zur Rechtslage: Dekompilierter Code ist selbstverständlich urheberrechtlich geschützt. Activision habe wegen des Projekts aus urheberrechtlichen Gründen Druck ausgeübt, sagt er.
Die Folgen waren konkret. Zwei frühere Beiträge in seinem Blog wurden entfernt, und ein Video in einem Beitrag auf X wurde nach einer Beschwerde des Rechteinhabers deaktiviert.
Was man daraus mitnehmen kann
- Überprüfung schlägt Generierung. Die Agenten konnten den ganzen Tag lesbaren Code produzieren. Was das Projekt zum Erfolg führte, war ein automatisierter Test, der nur Ja oder Nein zurückgab.
- Verwendet dieselbe Toolchain. Der ursprüngliche Compiler machte aus einem unscharfen Vergleich einen strengen.
- Der Einsatz war parallel und groß angelegt. Siebzehn Agenten und mehrere hundert Milliarden Tokens sind kein Wochenendexperiment, egal, was der Ton des Blogbeitrags nahelegt.
- Die rechtliche Seite hielt mit dem Tempo der Werkzeuge nicht Schritt. Die technische Leistung gelang in drei Monaten. Die Löschungen folgten ohne große Umstände.
Die einfache Lehre daraus ist, dass KI-gestützte Programmierung zuverlässig wird, wenn man etwas baut, das Nein sagen kann. Die weniger einfache Lehre ist, dass eine Technik, die alte kommerzielle Software so effektiv rekonstruiert, genau die Aufmerksamkeit auf sich zieht, die sie hier bekommen hat.