Doomformer macht aus Spielobjekten ein Netzwerk zur Ziffernerkennung

Ein Netzwerk, das die Spielwelt als Rechenstruktur nutzt

Doomformer ist ein Experiment des Entwicklers, der auf GitHub unter dem Namen mottopanikeiku auftritt. Der Name verbindet Doom mit dem Begriff Transformer, ist laut der Beschreibung aber zunächst eine Wortneuschöpfung. Im Mittelpunkt steht nicht ein gewöhnliches Sprachmodell, sondern ein neuronales Netzwerk, dessen Elemente in einer Doom-Spielkarte angeordnet sind. [1]

Dafür nutzt das Projekt sogenannte Voodoo Dolls: Klone der Spielfigur, die laut dem Bericht im Spiel erscheinen, wenn zusätzliche Spielerstartpunkte in einem Level vorhanden sind. Im Doomformer-Aufbau dienen diese Figuren als Bestandteile des Netzwerks. Spielmechaniken wie Bewegung, das Überqueren von Linien, veränderte Beleuchtung und unterschiedliche Ebenenhöhen übernehmen dabei Funktionen innerhalb der Berechnung. [1]

Die Bezeichnung KI sollte deshalb nicht mit einem selbstständig lernenden, universellen Modell gleichgesetzt werden. Der vorliegende Bericht beschreibt eine konkrete, in Doom abgebildete Netzwerkstruktur und einzelne Experimente damit. Er erläutert nicht, ob oder in welchem Umfang das System seine Parameter selbst trainiert. Auch die Namensähnlichkeit zu Transformer-Modellen belegt für sich genommen keine entsprechende Architektur. [1]

• Doom stellt die Umgebung und die Spielmechaniken bereit, in denen das Netzwerk abgebildet wird. [1]
• Voodoo Dolls übernehmen die Rolle bewegter Netzwerkelemente; Python wertet bei der Ziffernerkennung anschließend Werte aus. [1]
• Der Bericht beschreibt einen experimentellen Aufbau, nicht ein fertiges, allgemein einsetzbares KI-Produkt. [1]

Wie die Karte Aktivierungen abbildet

Für den beschriebenen Ziffernversuch kommen laut Entwickler 1.355 Voodoo Dolls zum Einsatz. Gemeinsam bilden sie ein als MNIST-Netzwerk bezeichnetes System. Die Figuren bewegen sich auf Bahnen und überqueren Linien, die im Aufbau als Gewichtungen fungieren. Wenn eine Aktivierung ausgelöst wird, kann eine bestimmte Anzahl der Figuren über eine Treppe auf eine zweite Ebene gelangen. Das Überqueren einer Linie kann außerdem Licht und Höhe verändern. Auf diese Weise lassen sich Spielzustände so verändern, dass sie unter anderem Zahlen darstellen. [1]

Der wesentliche technische Kunstgriff besteht darin, Abläufe aus Doom als Träger für Netzwerkoperationen zu verwenden: Bewegung und Wechsel zwischen Ebenen werden nicht nur als Grafik verstanden, sondern als Zustände, die sich auswerten lassen. Der Artikel legt allerdings weder die mathematische Abbildung der einzelnen Gewichtungen noch die genaue Ausleselogik offen. Eine vollständige Reproduktion oder ein technischer Vergleich mit üblichen neuronalen Netzen lässt sich daraus allein nicht ableiten. [1]

Ziffernerkennung mit einer Mauszeichnung

Um das System zu testen, wurde auch die Steuerung der Spielfigur angepasst. In einem vorbereiteten Bereich können Sie die linke Maustaste gedrückt halten, um auf den Boden zu malen, statt die im ursprünglichen Spiel damit verbundene Schussaktion auszuführen. Bewegen Sie die Figur währenddessen, entsteht eine Zeichnung auf dem Boden. Das Netzwerk soll die so eingegebenen Ziffern erkennen. [1]

Sobald die Voodoo Dolls ihre vorgesehenen Positionen erreicht haben, vergleicht ein Python-Skript die Werte miteinander. Der Bericht nennt für einen Test mit 10.000 Versuchen 9.716 korrekt erkannte Zahlen. Das entspricht 97,16 Prozent in diesem berichteten Versuch. Der Wert stammt aus der Darstellung des Projekts und ist keine unabhängig bestätigte Leistungsangabe. [1]

Für die Einordnung fehlen im Artikel wichtige Angaben: Er nennt weder die Zusammensetzung der Testdaten noch eine Aufteilung zwischen Training und Test, wiederholte Messungen oder einen Vergleich mit einer Referenzimplementierung. Ebenso bleibt offen, wie stark die Ergebnisse von der Art der Eingabe oder den Bedingungen im vorbereiteten Bereich abhängen. Die Zahl zeigt daher, was der Entwickler für einen konkreten Test berichtet, erlaubt aber keine belastbare Aussage über die allgemeine Erkennungsleistung. [1]

• Berichteter Testumfang: 10.000 Versuche. [1]
• Berichtetes Ergebnis: 9.716 korrekt identifizierte Ziffern. [1]
• Nicht angegeben sind unter anderem Testdatensatz, Messwiederholungen und unabhängige Vergleichswerte. [1]

Der Schritt vom Erkennen zum Spielen

Neben der Ziffernerkennung erprobt der Entwickler einen zweiten Anwendungsfall: Doomformer soll selbst entscheiden, welche Aktion die Spielfigur als Nächstes ausführt. Dafür werden Screenshots des Spiels an 1.345 Voodoo Dolls weitergegeben, die gemeinsam eine Entscheidung treffen sollen. [1]

Nach der Beschreibung ist dieser Aufbau noch nicht spielbar. Eine einzelne Entscheidung benötigt ungefähr 22 Sekunden. Für die Tests wurden Dämonengegner deshalb eingefroren, während das System seine Antwort berechnet. Damit ist der Versuch eher eine Demonstration der technischen Idee als ein Nachweis für eine einsatzfähige Spielsteuerung in Echtzeit. [1]

Der Unterschied zwischen beiden Experimenten ist relevant: Bei der Ziffernerkennung verarbeitet das System eine kontrollierte Eingabe und der Bericht nennt ein Ergebnis über viele Versuche. Beim Spielen muss es dagegen aus einem Spielbild eine nächste Aktion ableiten, während sich die Umgebung verändert. Die berichtete Verzögerung zeigt, dass diese Erweiterung nicht einfach aus der erfolgreichen Ziffernerkennung folgt. Sie ist ein eigener, deutlich anspruchsvollerer Versuch. [1]

• Für den Spielsteuerungsversuch nennt der Bericht 1.345 Voodoo Dolls. [1]
• Eine Entscheidung dauert laut Entwickler etwa 22 Sekunden; Gegner wurden für die Tests eingefroren. [1]
• Der Entwickler beschreibt den Zustand selbst als weit entfernt von einer spielbaren Version. [1]

Nicht dasselbe wie eine KI, die Doom-Bilder erzeugt

Der Name Doomformer kann mit anderen KI-Experimenten rund um Doom verwechselt werden. Ein anderer Ansatz, GameNGen, simuliert das Spiel laut heise-Bericht ohne die klassische Spiel-Engine: Ein KI-Agent spielte zunächst das ursprüngliche Doom, die dabei entstandenen Aufnahmen dienten anschließend zum Training eines generativen Modells. Dieses erzeugt neue Frames auf Basis vorheriger Bilder und der Eingaben der Spielenden. [4]

Doomformer verfolgt nach der vorliegenden Beschreibung einen anderen Weg. Hier werden Objekte und Mechaniken innerhalb einer Doom-Karte als Bestandteile eines Netzwerks verwendet; für die Ziffernerkennung kommt zusätzlich ein Python-Skript zum Wertevergleich hinzu. GameNGen erzeugt dagegen fortlaufend Spielbilder. Die Projekte zeigen somit unterschiedliche Verwendungen von KI im Zusammenhang mit demselben Spiel und sollten nicht als Varianten derselben Technik behandelt werden. [1] [4]

Auch GameNGen hat laut heise Grenzen: Das Modell wurde nur auf Doom trainiert, kann sich lediglich drei Sekunden der Vergangenheit merken und weist im veröffentlichten Material sichtbare Unstimmigkeiten auf. Diese Angaben betreffen GameNGen, nicht Doomformer. Sie verdeutlichen aber, warum eine überzeugende Demonstration oder ein einzelnes Testergebnis nicht automatisch bedeutet, dass ein System über längere Zeit zuverlässig und auf andere Aufgaben übertragbar arbeitet. [4]

Was Unternehmen aus dem Experiment ableiten können

Für Unternehmen liegt der interessante Punkt weniger in einer unmittelbaren Nutzung von Doomformer als in der Demonstration, dass ein bestehendes digitales System zweckentfremdet und als Rechenumgebung untersucht werden kann. Im Experiment werden Spielobjekte, Bewegungsabläufe und Zustandsänderungen in eine funktionale Struktur eingebunden. Das ist ein anschaulicher Forschungsprototyp, aber noch kein Beleg dafür, dass ein vergleichbares Vorgehen in betrieblichen Anwendungen wirtschaftlich oder technisch vorteilhaft wäre. [1]

Die berichtete Ziffernquote allein reicht für eine Investitions- oder Einsatzentscheidung nicht aus. Für einen belastbaren Vergleich wären mindestens nachvollziehbare Testbedingungen, eine dokumentierte Datenbasis, Wiederholbarkeit und ein Vergleich mit etablierten Verfahren erforderlich. Der Artikel liefert diese Angaben nicht. Bei der Spielsteuerung ist zudem die genannte Reaktionszeit von rund 22 Sekunden ein konkreter Hinweis darauf, dass die Demonstration derzeit nicht für zeitkritische Echtzeitaufgaben geeignet ist. [1]

Als Analyse lässt sich daraus eine nüchterne Prüffrage ableiten: Welche Funktion übernimmt die ungewöhnliche Umgebung tatsächlich, und lässt sich dieser Nutzen gegenüber einer konventionellen Implementierung messen? Im Fall von Doomformer veranschaulicht Doom die Netzwerkstruktur; zugleich bleiben technische Details und Leistungsmaßstäbe begrenzt. Der Wert des Projekts liegt daher vorerst in der experimentellen Idee und den berichteten Tests, nicht in nachgewiesener Übertragbarkeit auf andere Spiele oder Geschäftsprozesse. [1]

Quellen

1. [1] Doom als KI: Wie das funktionieren kann — https://t3n.de/news/doomformer-ki-in-doom-1770835 (abgerufen am 2026-10-30)
2. [4] GameNGen: Google-Forscher simulieren "Doom" ohne Engine | heise online — https://www.heise.de/news/GameNGen-Google-Forscher-simulieren-Doom-ohne-Engine-9851001.html (abgerufen am 2026-10-30)