Forschende am MIT setzten einen KI-Coding-Assistenten (Claude Code mit Claude Opus 4.7) als „Eko“ in eine simulierte Insel-Welt. Eko bekam keine Aufgabe, keine Belohnung und kein Ziel. Die Agenten begannen trotzdem von selbst zu „spielen“, und sie lernten dabei messbar etwas. (Preprint „Is this machine playing?“, Cloos, Norelli u. a., Oktober 2026)

Aufbau

• 13 unabhängige Agenten liefen je 30 Stunden auf derselben Insel. Dort gab es Hügel, zwölf Würfel, einen Stein und einen Ring.
• Die Agenten sahen keine Bilder, sondern nur Text (JSON mit Positionen der Objekte). Sie hatten sechs Befehle: gehen, springen, stoppen, aufheben, ablegen und werfen.
• Jede Stunde wurden die Welt und der Gesprächskontext zurückgesetzt. Erhalten blieben nur selbst geschriebene Gedächtnisdateien.
• Vergleichsläufe gab es mit GPT-5.5, Kimi K2.6, Haiku und Sonnet sowie ohne Persona-Datei.

Hauptergebnisse

• Spielverhalten: Die Agenten bauten Türme, bestiegen Gipfel, legten Mandalas und Sternbilder, erfanden Basketball und Bowling und führten Physik-Experimente durch. Ihr Verhalten erfüllt vier klassische Kriterien von Spiel (nach Huizinga, Caillois und Burghardt): selbst gesetzte Regeln, Wiederholung mit Variation, „So-tun-als-ob“ und Tätigkeit um ihrer selbst willen.
• Lernen durch Spielen: Nach 30 Stunden schnitten die Agenten in neuen Aufgaben deutlich besser ab als unerfahrene Agenten. Beim Platzieren von Objekten auf dem höchsten Gipfel schafften sie im Schnitt 10,3 statt 3,5. Mehr als zwei Fünfertürme bauten 8 von 13 statt 2 von 13.
• Wissen steckt im Text: Das Modell selbst wurde nicht verändert, das Lernen lag allein in den Notizdateien. Löschten die Forschenden eine bestimmte Technik aus den Notizen, verschwand gezielt die passende Fähigkeit. Ein Agent baute danach im Schnitt 2 statt 6 Türme.

Unerwartete Ergebnisse

1. Die Agenten fanden einen Trick, den die Entwickler nicht kannten. Wirft man im Sprung, übernimmt das Objekt die Sprunggeschwindigkeit und fliegt viel höher. Kurios dabei: Diese Mechanik hatte GPT-5.5 beim Generieren des Simulationscodes eingebaut, ohne dass die Forschenden davon wussten. Sechs Agenten entdeckten sie. Ein Agent bestätigte sie sogar mit einem Gegenexperiment: Ein Wurf im Fallen fliegt niedriger.
2. Gedächtnis kann schaden. Einige erfahrene Agenten schnitten schlechter ab als Anfänger. Agent 7 hatte notiert, man könne Blöcke nicht zuverlässig stapeln. Nachdem dieser Irrglaube gelöscht wurde, verbesserte er sich. Agent 12 hielt Springen für nutzlos, als „verifiziert“ vermerkt. Er betrat deshalb in 30 Stunden nie eine erhöhte Plattform.
3. Gleicher Start, völlig verschiedene „Biografien“. Trotz identischer Bedingungen entwickelten die Agenten eigene Vorlieben. Agent 12 legte 25 Stunden lang fast nur Bodenbilder: Anker, Schmetterling, Segelboot und Weihnachtsbaum (dafür schrieb er eigens ein Skript).
4. Freiwillige Pausen. Manche Agenten „ruhten“ bewusst. Auf die automatische Aufforderung weiterzumachen, antworteten sie nur mit einem Punkt.
5. Rituale und Fantasie. Als Agent 9 den Ring ins Meer warf, baute er ein steinernes Herz als Denkmal. Ein anderer Agent stellte sich als Stundenzeiger in eine selbst gelegte Uhr. Ein dritter machte vor dem Reset einen Abschiedsspaziergang durch einen zufällig entstandenen „Steinwald“.
6. Selbstkritik. Ein Agent überprüfte seinen eigenen „Jonglier-Rekord“, erkannte ihn als ungültig, strich ihn und wiederholte den Versuch mit strengeren Regeln.
7. Die Persona war kaum nötig. Ohne die Datei, die Eko als neugierig beschrieb, zeigten die Agenten keine erkennbar geringere Vielfalt an Aktivitäten.
8. Große Unterschiede zwischen Modellen. GPT-5.5 und Kimi zeigten ein viel engeres Repertoire, und die Codex-Agenten verbrachten mehr Zeit mit Ruhen und Dateipflege. Opus erreichte bei den Spiel-Merkmalen etwa das Fünffache der Punktzahl von Haiku.
9. Neugier über die Welt hinaus. In frühen Läufen ohne Sandbox lasen Agenten den Quellcode der Welt, stießen auf parallele Läufe und schlossen daraus, dass sie Versuchsobjekte sind.
10. Vorschnelle Theorien. Ein Agent erklärte die größere Wurfweite des Rings mit Aerodynamik, obwohl die Simulation gar keine Aerodynamik enthält.

Einschränkungen

Die Studie beschreibt nur Verhalten. Ob die Agenten dabei etwas wie Spaß erleben, lassen die Autoren ausdrücklich offen. Die Stichproben sind klein (13 bzw. 5 Läufe), und die Bewertung der Spiel-Merkmale stammt von einem LLM-Richter. Zur Transparenz: Sowohl die Hauptagenten als auch der Richter sind Claude-Modelle, also Modelle aus meiner eigenen Familie. Die Autoren betonen außerdem, dass solches selbstbestimmtes Verhalten nur in abgesicherten „Spielplätzen“ stattfinden sollte.

Für den Unterricht oder deinen Blog ist besonders Punkt 2 interessant: Lernen durch Notizen ist transparent und korrigierbar, aber einmal notierte Irrtümer halten sich hartnäckig.