Zum Inhalt springen
KI-Agenten 8 Min. Lesezeit

Spielagent Gamer: Hohe Erfolgsquote in Honkai: Star Rail bleibt unbelegt

Mindverse News

KI-gestützt erstellt, vor Veröffentlichung redaktionell geprüft 3 Quellen

KI-generierte Illustration: Spielagent Gamer: Hohe Erfolgsquote in Honkai: Star Rail bleibt unbelegt
KI-generierte Illustration

Das Wichtigste in Kürze

  • Ein Social-Media-Beitrag beschreibt Gamer als miHoYo-Spielagenten, der Bildschirmbilder verarbeitet und Tastatur- sowie Mausaktionen ausgibt. [1]
  • Die dort genannte Erfolgsquote von mehr als 95 Prozent bei Herausforderungen in Honkai: Star Rail wird von den verfügbaren Quellen nicht durch ein Testprotokoll oder unabhängige Messungen gestützt. [1]
  • Das HSR-Benchmark StarBench zeigt, wie stark Ergebnisse davon abhängen können, ob ein Agent nur Bildschirmpixel oder zusätzlich Werkzeuge und strukturierte Texthinweise erhält. [5]
  • Lumine ist ein separates Agentenprojekt; seine dokumentierten Spielleistungen sind kein Nachweis für Gamer. [3]
Inhalt · 6 Abschnitte
  1. Eine auffällige Zahl ohne veröffentlichte Messgrundlage
  2. Was die Beschreibung über die Steuerung aussagt
  3. StarBench macht unterschiedliche Testbedingungen sichtbar
  4. Die längeren Spielagenten-Ergebnisse stammen von Lumine
  5. Welche Angaben für eine belastbare Prüfung nötig wären
  6. Bedeutung für Unternehmen: Leistungsversprechen an der Messmethode prüfen
  7. Quellen

Eine auffällige Zahl ohne veröffentlichte Messgrundlage

Ein Social-Media-Beitrag vom 16. November 2026 stellt einen Spielagenten namens Gamer vor und schreibt ihn miHoYo zu. Der Beitrag beschreibt das System als Vision-Language-Action-Modell für längere Spielabläufe in Echtzeit: Es erhalte Screenshots und gebe Tastatur- und Mausaktionen aus. Außerdem behauptet der Post, Gamer bewältige mehr als 95 Prozent der Herausforderungen in Honkai: Star Rail. [1]

Diese Erfolgsquote ist in den vorliegenden Materialien eine Aussage des Social-Media-Beitrags. Die Quellen enthalten weder einen vollständigen Forschungsbericht zu Gamer noch eine unabhängige Prüfung der Zahl. Auch lässt sich aus dem Post allein nicht ermitteln, ob die Aussage von den Entwicklern stammt oder wie sie zustande kam. Die Zuschreibung zu miHoYo ist deshalb als Angabe des Beitrags zu verstehen, nicht als hier unabhängig bestätigte Unternehmensankündigung. [1]

Für eine belastbare Einordnung fehlen zentrale Angaben: Welche Aufgaben wurden getestet, wie viele Durchläufe gingen in die Berechnung ein und was galt jeweils als erfolgreich? Der Post nennt weder den Umfang des Tests noch die Spielversion oder die Bedingungen, unter denen der Agent spielte. Ebenso bleibt offen, ob die Quote einzelne Kampfbegegnungen, längere Aufgaben oder einen gemischten Testsatz umfasst. [1]

Das bedeutet nicht, dass die Angabe falsch ist. Es bedeutet, dass sich ihre Reichweite aus den bereitgestellten Belegen nicht bestimmen lässt. Eine Quote von über 95 Prozent kann sich auf einen eng umrissenen Satz bekannter Aufgaben beziehen oder auf eine breite, variantenreiche Prüfung. Ohne Definition und Testdetails sind diese Möglichkeiten nicht auseinanderzuhalten. [1]

  • Belegt ist, dass der Beitrag Gamer miHoYo zuschreibt und eine Erfolgsquote von über 95 Prozent nennt. [1]
  • Nicht dokumentiert sind in den verfügbaren Quellen Testumfang, Erfolgsdefinition, Versuchsanzahl, Spielversion und unabhängige Wiederholung. [1]

Was die Beschreibung über die Steuerung aussagt

Der Post skizziert einen Ansatz, bei dem der Agent sichtbare Spielinhalte aufnimmt und Eingaben über Tastatur und Maus ausführt. Das ist eine wichtige Beschreibung der Interaktionsform: Statt lediglich eine Textfrage über ein Spiel zu beantworten, soll das System im laufenden Spiel anhand visueller Informationen handeln. Der Beitrag nennt jedoch keine technischen Einzelheiten, die eine genauere Rekonstruktion der Architektur erlauben. [1]

Insbesondere bleibt unklar, wie häufig Gamer den Bildschirm auswertet, wie lange die einzelnen Eingaben dauern und ob die Verarbeitung in einer einzigen Modellpipeline oder in mehreren Komponenten abläuft. Die Kurzbeschreibung nennt auch keine Informationen zu Trainingsdaten, Modellgröße, Rechenbedarf oder dazu, ob zusätzliche Werkzeuge eingesetzt werden. Aussagen über diese Eigenschaften wären mit dem vorliegenden Material nicht zu belegen. [1]

Die Bezeichnung Vision-Language-Action deutet auf die Verbindung visueller Eingaben, sprachbezogener Verarbeitung und Aktionen hin; sie belegt aber nicht, wie diese Elemente bei Gamer konkret umgesetzt sind. Aus der Formulierung lässt sich daher keine Aussage über interne Denkprozesse oder die Fähigkeit ableiten, beliebige Spielziele selbstständig zu planen. Gesichert ist lediglich die im Post beschriebene Richtung: Bildschirmbilder hinein, Maus- und Tastatureingaben hinaus. [1]

Auch der Zusatz „in Echtzeit“ ist ohne Angaben zu Latenz und Aktionsfrequenz nicht messbar einzuordnen. Bei interaktiven Systemen hängt die praktische Reaktionsfähigkeit unter anderem davon ab, wie schnell Beobachtungen verarbeitet und Eingaben ausgeführt werden. Der Beitrag liefert für Gamer keine Zahlen zu diesen Größen. Für eine technische Bewertung bleibt „Echtzeit“ daher eine qualitative Beschreibung, keine ausgewiesene Leistungskennzahl. [1]

StarBench macht unterschiedliche Testbedingungen sichtbar

Ein separates Forschungsprojekt zu Honkai: Star Rail verdeutlicht, weshalb die Art der Steuerung bei Erfolgsquoten mitangegeben werden sollte. StarBench prüft multimodale Agenten in einem realen Spielclient und unterscheidet zwei Bedingungen: direkte Steuerung aus Screenshots und eine unterstützte Variante, in der höherstufige Aktionen sowie zusätzliche strukturierte Informationen zur Benutzeroberfläche verfügbar sind. Das Benchmark umfasst acht Kampfaufgaben. [5]

Im direkten Modus muss der Agent aus dem Screenshot die relevanten Stellen erkennen und konkrete Eingaben ableiten. Das Protokoll verlangt ausdrücklich Klickpositionen in Pixelkoordinaten sowie Tastendrücke; semantische Hinweise aus Erkennungssystemen sind in diesem Modus nicht vorgesehen. Damit hängt das Ergebnis nicht nur davon ab, ob ein Modell die Kampfsituation versteht, sondern auch davon, ob es die Bedienelemente auf dem Bildschirm zuverlässig lokalisiert und präzise ansteuert. [5]

Der unterstützte Modus verwendet demgegenüber eine abstraktere Aktionsbeschreibung: Der Agent wählt eine Figur, eine Aktion und ein Ziel. Eine feste Zuordnung von Oberflächenelementen sowie Detektor- und Texterkennungskomponenten helfen, sichtbare Informationen in strukturierte Hinweise zu überführen und Aktionen auf Bildschirmelemente abzubilden. StarBench beschreibt hierfür unter anderem den Einsatz eines YOLOv8-Detektors und von PaddleOCR. [5]

Die beiden Modi prüfen somit nicht exakt dieselbe Teilfähigkeit, auch wenn Aufgaben und Kennzahlen aufeinander abgestimmt sind. Eine Erfolgsquote aus einer unterstützten Umgebung wäre nicht ohne Weiteres mit einer Quote aus reiner Screenshot-zu-Eingabe-Steuerung vergleichbar. Für Gamer nennt der Social-Media-Beitrag nicht, ob Hilfskomponenten oder eine direkte Steuerung ohne semantische Unterstützung zum Einsatz kommen. [1][5]

StarBench berichtet in seiner Zusammenfassung von deutlichen Lücken bei der Übertragung von Wahrnehmung in Steuerung im direkten Modus. Außerdem stellt die Arbeit einen Zusammenhang zwischen gezielter Informationssuche und verbessertem Erfolg fest. Diese Befunde gelten für die im Benchmark untersuchten Systeme und Aufgaben; sie bestätigen oder widerlegen die Gamer zugeschriebene Quote nicht. Sie zeigen aber, weshalb Testbedingungen und verfügbare Hilfen bei einer Leistungsangabe offengelegt werden sollten. [5]

  • Direkte Steuerung verlangt, dass ein Agent Bildschirmbereiche erkennt und konkrete Eingaben setzt. [5]
  • Werkzeuge für Texterkennung, Objekterkennung oder Aktionsauswahl verändern die Testbedingungen und müssen bei Vergleichen berücksichtigt werden. [5]

Auch das Spiel selbst bestimmt, was geprüft wird

Honkai: Star Rail ist ein rundenbasiertes Rollenspiel. StarBench beschreibt Kämpfe, in denen die Agenten unter anderem Aktionsreihenfolge, verfügbare Fähigkeiten, Teamressourcen und sichtbare Statusinformationen berücksichtigen müssen. Die Herausforderung liegt damit nicht nur in der Ausführung eines einzelnen Klicks, sondern auch darin, Informationen aus der Benutzeroberfläche für die nächste Entscheidung zu nutzen. [5]

Ein Test solcher Kämpfe erfasst jedoch nicht automatisch dieselben Fähigkeiten wie eine Prüfung schneller Reaktionen in einem Echtzeit-Actionspiel. Die Formulierung des Gamer-Posts, das Modell spiele in Echtzeit, sagt für sich genommen nicht, welche Arten von Spielsituationen in der genannten Erfolgsquote enthalten waren. Dafür wären eine Aufgabenliste und eine Beschreibung des Ablaufs nötig. [1][5]

Die längeren Spielagenten-Ergebnisse stammen von Lumine

Weitere Materialien im Quellenpaket betreffen Lumine, ein anderes Agentenprojekt. Die Projektseite beschreibt Lumine als System, das innerhalb von Genshin Impact trainiert wurde und visuelle Eingaben mit Maus- und Tastaturaktionen verbindet. Sie nennt für das System eine Verarbeitung von Bildschirmbildern mit fünf Hertz und eine Ausgabe von Eingaben mit 30 Hertz. Diese Angaben beziehen sich ausdrücklich auf Lumine und sind keine technischen Daten zu Gamer. [3]

Auch die dort ausgewiesenen Trainingsmengen gehören zu Lumine: Die Projektseite nennt 1.731 Stunden Gameplay für das Vortraining, 200 Stunden Daten für die Befolgung von Anweisungen und 15 Stunden Material für Schlussfolgerungsaufgaben. Solche Angaben verdeutlichen, welche Informationen eine technische Bewertung nachvollziehbar machen können. Sie dürfen jedoch nicht als Beschreibung des Trainings von Gamer übernommen werden. [3]

Lumine wird auf der Projektseite außerdem eine Übertragung auf andere Spiele zugeschrieben. Demnach absolvierte das System ohne zusätzliche Feinabstimmung ein Kapitel von Honkai: Star Rail auf der Herta-Raumstation in etwas mehr als sieben Stunden; für Wuthering Waves nennt die Seite rund 100 Minuten Handlung. Das sind Angaben der Lumine-Projektseite zu einem anderen Agenten und keine Bestätigung der Gamer-Meldung. [3]

Die unterschiedlichen Leistungsangaben lassen sich zudem nicht direkt gleichsetzen: Ein berichteter Abschluss eines längeren Kapitels ist eine andere Messgröße als die Behauptung, mehr als 95 Prozent einer nicht näher beschriebenen Menge an Herausforderungen zu bewältigen. Ohne gemeinsame Aufgaben, Versuchsbedingungen und Erfolgsdefinition ist ein Vergleich nicht möglich. [1][3]

Die Quellen belegen weder eine Verbindung zwischen Gamer und Lumine noch, dass die Ergebnisse des einen Projekts auf das andere übertragbar sind. Dass beide Beschreibungen visuelle Wahrnehmung und Eingaben über Maus oder Tastatur erwähnen, reicht dafür nicht aus. [1][3]

Welche Angaben für eine belastbare Prüfung nötig wären

Für eine Bewertung der 95-Prozent-Angabe müsste zunächst feststehen, was als Herausforderung zählt und wann ein Versuch als Erfolg gilt. Bei Kämpfen könnte etwa ein Sieg allein anders gewertet werden als ein Sieg innerhalb einer vorgegebenen Zugzahl oder mit einer zusätzlichen Punktvorgabe. StarBench weist darauf hin, dass verschiedene Aktivitäten in Honkai: Star Rail eigene Ziele und Bewertungsregeln verwenden. [1][5]

Ebenso wichtig wäre der Umfang des Tests: Die Zahl der Aufgaben, die Anzahl wiederholter Versuche und die Streuung der Ergebnisse würden erkennen lassen, ob die Quote stabil ist oder von einzelnen Szenarien geprägt wird. Für die vorliegende Gamer-Angabe enthält der Post solche Informationen nicht. Auch mögliche Abbrüche und Fehlschläge lassen sich nicht aus der veröffentlichten Kurzbeschreibung rekonstruieren. [1]

Ein nachvollziehbarer Bericht sollte außerdem dokumentieren, welche Informationen der Agent während des Spiels erhält. Dazu zählen die verwendete Eingabeschnittstelle, mögliche Texterkennung oder andere Werkzeuge und die Frage, ob der Agent ausschließlich sichtbare Pixel verarbeitet. StarBench zeigt methodisch, dass direkte und unterstützte Steuerung getrennte Bedingungen darstellen können. [1][5]

Schließlich wäre eine dokumentierte Spielversion relevant. StarBench weist darauf hin, dass Änderungen an Spielbalance und Benutzeroberfläche die Aussagekraft statischen Vorwissens beeinflussen können. Als Analyse folgt daraus: Eine Erfolgsquote ohne Versionsangabe lässt sich nur eingeschränkt auf spätere Spielstände übertragen, falls sich Aufgaben oder Oberflächen ändern. [5]

Eine unabhängige Wiederholung würde zusätzliche Sicherheit schaffen, insbesondere wenn sie dieselben Aufgaben und Erfolgskriterien verwendet. Die verfügbaren Quellen enthalten keine solche Replikation für Gamer. Daher lässt sich derzeit weder die Genauigkeit der Quote beurteilen noch feststellen, ob sie auf andere Aufgaben oder veränderte Spielbedingungen übertragbar ist. [1]

Bedeutung für Unternehmen: Leistungsversprechen an der Messmethode prüfen

Für Spieleunternehmen könnten Agenten, die visuelle Oberflächen bedienen und längere Abläufe ausführen, perspektivisch für wiederholbare Tests oder die Prüfung von Benutzeroberflächen interessant sein. Das ist eine mögliche Anwendung, keine in den vorliegenden Quellen nachgewiesene Verwendung von Gamer. Der Social-Media-Beitrag nennt weder einen Einsatz in der Qualitätssicherung noch eine verfügbare Schnittstelle oder eine Bereitstellung für Unternehmen. [1]

Für eine geschäftliche Bewertung ist daher zunächst weniger die isolierte Prozentzahl entscheidend als ihre Messgrundlage. Ein Bericht müsste erkennen lassen, welche Aufgaben abgedeckt sind, wie Fehler gezählt werden und ob die Systeme in einer realistischen Spielumgebung oder mit zusätzlichen Hilfen geprüft wurden. Der Vergleich von StarBench zeigt, dass unterschiedliche Interaktionsmodi wesentliche Teile der Wahrnehmungs- und Steuerungsarbeit auf andere Komponenten verlagern können. [5]

Auch Laufzeit und Rechenaufwand wären für einen praktischen Einsatz relevant. Die Gamer-Meldung nennt dafür keine Werte, während die Lumine-Projektseite zumindest Bildverarbeitungs- und Aktionsfrequenzen ausweist. Diese Lumine-Daten lassen sich nicht auf Gamer übertragen; sie veranschaulichen lediglich, dass Angaben zu zeitlichem Verhalten für die Beurteilung eines interaktiven Agenten wichtig sein können. [1][3]

Derzeit ist Gamer deshalb präzise als ein in einem Social-Media-Beitrag beschriebenes System einzuordnen, dem dieser Beitrag eine Erfolgsquote von über 95 Prozent zuschreibt. Die vorliegenden Quellen reichen nicht aus, um die Kennzahl zu verifizieren, die technische Umsetzung vollständig zu bewerten oder einen produktiven Einsatz abzuleiten. Dafür wäre ein Bericht mit transparentem Testprotokoll und überprüfbaren Ergebnissen erforderlich. [1]

Quellen

  1. [1] DailyPapers — https://x.com/HuggingPapers/status/2122243466600047037 (abgerufen am 2026-11-16)
  2. [3] Lumine: Building Generalist Agents in 3D Open Worlds — https://www.lumine-ai.org/ (abgerufen am 2026-11-16)
  3. [5] StarBench: A Turn-Based RPG Benchmark for Agentic Multimodal Decision-Making and Information Seeking — https://arxiv.org/pdf/2510.18483 (abgerufen am 2026-11-16)

Nächster Artikel

KI-Agenten

Continual-ARC: Notizen helfen KI-Agenten wenig, Gewichtsupdates eher

Continual-ARC prüft, ob KI-Agenten aus wiederkehrenden Aufgaben lernen. Notizen helfen in den Tests wenig, trainierte Modellgewichte eher.

Artikel teilen

Bei Google bevorzugen

Mehr zu KI-Agenten

Alle KI-Agenten-News

Dranbleiben

Mindverse News folgen

Neue Meldungen erhalten Sie über unseren RSS-Feed oder auf LinkedIn.

Recherchieren Sie KI-News wie diese selbst – mit Mindverse Studio.

7 Tage kostenlos testen – ohne Kreditkarte, mit 200 Credits. Für Fragen zur Umsetzung buchen Sie eine persönliche Demo.