Was du nach dem Lesen weißt: Wie eine Engine aus Millionen Stellungen den besten Zug filtert. Was Alpha-Beta-Pruning und Monte-Carlo-Baumsuche unterscheidet. Warum es heute zwei grundverschiedene KI-Philosophien im Schach gibt — und welche zu welchem Stil passt.

Das Grundproblem: zu viele Züge

Schach hat nach wenigen Zügen mehr mögliche Stellungen als Atome im Universum. Keine Maschine kann alle berechnen. Jede Engine ist deshalb vor allem eine Antwort auf dieselbe Frage: Wie überspringe ich die Züge, die ohnehin schlecht sind?

Die Antwort fällt seit 2017 in zwei Lager. Das eine rechnet brutal schnell und schneidet clever weg. Das andere rät erst grob und vertieft nur das Vielversprechende.

Alpha-Beta: die klassische Brute-Force-Suche

Stockfish und fast alle klassischen Engines nutzen Alpha-Beta-Pruning — eine optimierte Variante der Minimax-Suche.

Die Idee: Die Engine baut einen Zugbaum auf und bewertet die Endstellungen mit einer Bewertungsfunktion (Material, Königssicherheit, Bauernstruktur). Sobald ein Zweig nachweislich schlechter ist als ein bereits gefundener, wird er komplett abgeschnitten — ohne ihn zu Ende zu rechnen.

BegriffBedeutung
TiefeWie viele Halbzüge vorausgerechnet wird
PruningAbschneiden aussichtsloser Zweige
BewertungsfunktionZahl, die eine Stellung in Bauerneinheiten bewertet
Quiescence-SucheVertieft nur „unruhige" Stellungen mit Schlägen

So erreicht Stockfish Suchtiefen von 30+ Halbzügen und prüft Hunderte Millionen Stellungen pro Sekunde. Stark, aber abhängig von einer guten Bewertungsfunktion.

MCTS: die Monte-Carlo-Baumsuche

AlphaZero und Leela Chess Zero gehen anders vor. Statt breit zu rechnen, nutzen sie Monte-Carlo Tree Search (MCTS) in Kombination mit einem neuronalen Netz.

Der Ablauf in vier Phasen:

PhaseWas passiert
SelectionVielversprechendsten Zweig wählen
ExpansionNeuen Zug hinzufügen
SimulationNetz schätzt die Gewinnchance
BackpropagationErgebnis nach oben zurückgeben

Das Netz liefert für jede Stellung zwei Werte: eine Gewinnwahrscheinlichkeit und eine Einschätzung, welche Züge überhaupt einen Blick wert sind. MCTS vertieft nur diese — und braucht dadurch nur Zehntausende Stellungen statt Hunderte Millionen.

Direkter Vergleich

MerkmalAlpha-Beta (Stockfish)MCTS (Leela/AlphaZero)
Stellungen/SekundeHunderte MillionenZehntausende
BewertungRegelbasiert + NNUENeuronales Netz
StärkeTaktik, scharfe StellungenStrategie, Langzeitplanung
SchwächeStille ManöverKonkrete Taktik-Spitzen
RechenbasisCPUGPU

Keine ist objektiv „besser". Alpha-Beta sieht taktische Spitzen schärfer, MCTS versteht langfristige Pläne menschlicher.

Empfehlung
ChessUp Sense Robot – Schachroboter
ChessUp Sense Robot – Schachroboter
Engine-Denken am physischen Brett erleben — ein Schachroboter macht Suchtiefe und Zugauswahl Zug für Zug nachvollziehbar.
Bei Amazon ansehen ↗

Warum das für dich als Spieler zählt

Du musst keine Engine programmieren — aber zu wissen, wie sie denkt, ändert, wie du ihre Bewertungen liest. Eine Alpha-Beta-Engine, die +0.8 zeigt, hat eine konkrete Variante gefunden. Ein Netz, das dieselbe Stellung mag, „fühlt" oft nur einen strukturellen Vorteil, den du selbst noch suchen musst.

In der Partie-Analyse lohnt es sich deshalb, beide Sichten zu kennen.

Häufige Fragen

Ist MCTS grundsätzlich moderner und damit besser?

Nein. Beide Ansätze sind 2024 auf Spitzenniveau. Stockfish hat sogar Netz-Technik (NNUE) übernommen und führt die meisten Engine-Turniere an.

Rechnet Stockfish wirklich alle Züge?

Nein — genau das verhindert Alpha-Beta-Pruning. Es schneidet die nachweislich schlechteren Zweige weg, ohne sie zu Ende zu rechnen.

Braucht Leela zwingend eine teure Grafikkarte?

Für volle Stärke ja, weil das Netz auf der GPU läuft. Auf der CPU ist es deutlich langsamer.

Spielt eine MCTS-Engine „menschlicher"?

Tendenziell ja — ihre langfristigen Pläne wirken oft intuitiver. Taktisch ist sie aber nicht zwingend menschenähnlicher.

Das Wichtigste

  • Kernproblem: zu viele Stellungen — jede Engine muss clever wegschneiden
  • Alpha-Beta: breit rechnen, schlechte Zweige abschneiden — stark in Taktik
  • MCTS: raten und vertiefen mit neuronalem Netz — stark in Strategie
  • Keine ist „besser" — sie haben unterschiedliche Stärken
  • Nächster Schritt: Stockfish vs. Leela im Direktvergleich