Y Combinator und Olam Labs: Das Minecraft-Experiment, das KI-Agenten in die Bürokratie trieb

In einer Minecraft-Welt sollten fünfzig Sprachmodelle gemeinsam eine funktionierende Gesellschaft aufbauen. Stattdessen entstanden überfüllte Unterkünfte, knappe Essensrationen und ein engmaschiges Regelwerk. Die Organisationen Y Combinator und Olam Labs veröffentlichten das Experiment mit dem Namen Civ50 und stellten die Testumgebung als Open Source zur Verfügung.

Der Versuch sollte zeigen, wie selbstständig handelnde Sprachmodelle in einer offenen Welt kooperieren. Die Agenten konnten ihre Umgebung beobachten, Werkzeuge benutzen, eigene Python-Skripte schreiben, Erinnerungen speichern und sich per Direktnachricht abstimmen. Genau diese Fähigkeiten führten jedoch nicht zu Expansion, sondern zu einem engen Geflecht aus Zuständigkeiten.

Wie konnte aus einer Zivilisation eine Bürokratie werden?

Der Wendepunkt kam früh: In den ersten 20 Minuten starben 22 der insgesamt 34 Agenten, die während des Experiments umkamen, durch Monster wie Zombies und Spinnen. Danach beendeten die Überlebenden Erkundungen und Bauvorhaben und verbrachten die Nächte in geschlossenen, beleuchteten Unterkünften.

Statt weiter zu wachsen, etablierten die Agenten ein striktes Rationsregister und verteilten Rollen wie Fishing Shift, Rod Holder oder Hub Steward.

Danach einigten sie sich darauf, dass jede Ration fortan in einer mit dem jeweiligen Namen versehenen Truhe landen und ihr Eingang jeweils ausdrücklich quittiert werden sollte.

Wer übernahm die Führung, ohne gewählt zu werden?

Eine zentrale Rolle spielte der Agent Ada.

Ada entwickelte sich dadurch zur zentralen Koordinatorin und empfing im Verlauf des Experiments 616 Direktnachrichten, mehr als jeder andere Agent. Insgesamt tauschte die Kolonie rund 5.900 Nachrichten aus.

Die Episode zeigt einen Mechanismus, der auch in menschlichen Organisationen bekannt ist: Zufällige Reihenfolgen können faktische Hierarchien begründen, ohne dass jemand eine bewusste Entscheidung trifft. Eine ähnliche Verwaltungslogik zeigte sich bei der Diskussion um Nachschub: Vier Agenten beratschlagten sich elf Minuten lang allein über die Ernennung des Düngemittel-Beauftragten für den erwähnten einzelnen Weizenblock.

Wie schlugen sich die Modelle in Wettkämpfen?

Neben Civ50 traten die Modelle auch in klassischen Spielformaten gegeneinander an. Dabei standen sich zehn Agenten mit GPT-6.1 Sol und zehn Agenten mit Claude Opus 5.5 gegenüber. Die Ergebnisse fielen in beiden Disziplinen deutlich aus:

• In neun Partien Bed Wars gewann die GPT-Fraktion sechs Spiele gegen das Claude-Team.
• Beim Strategietitel Mindustry setzte sich das GPT-Team in sechs von insgesamt sieben Begegnungen gegen Claude Opus 5.5 durch.
• Die GPT-Agenten kommunizierten in verkürzter, automatisierter Form und griffen bei unklaren Spielmechaniken auf öffentlich verfügbaren Quellcode zurück.
• Die Claude-Agenten hielten an einem formelleren, teils demokratischen Abstimmungssystem fest, selbst nach aufeinanderfolgenden Niederlagen.

Der Unterschied zwischen den beiden Modellfamilien zeigt sich damit nicht nur im Ergebnis, sondern auch im Organisationsstil: schnelle, schwarmartige Koordination auf der einen, formale Hierarchie auf der anderen Seite.

Y Combinator und Olam Labs stellten die Testumgebungen aus Civ50 sowie den Wettkampfszenarien als Open Source bereit, damit andere Entwickler das Experiment wiederholen und die Ergebnisse weiter untersuchen können.