Jewgenij Tolstych hat eine KI nicht einfach gebeten, eine höfliche E-Mail zu verfassen oder ein Meeting in seinem zusammenzufassen aktuelle Forschung. Er forderte es heraus, von Grund auf eine AAA-Spieleproduktionsabteilung aufzubauen. In einem Kopf-an-Kopf-Experiment beauftragte Tolstykh ein Large Language Model (LLM) mit der Erstellung von Kunst-Roadmaps, Jira-Strukturen und Produktionsschätzungen und verglich die Ergebnisse dann mit der Leistung seines menschlichen Teams.
Die Ergebnisse waren krass.
Die KI reduzierte die Planungszeitpläne von Wochen auf Stunden, kam jedoch mit einer Einschränkung: einer gefährlichen Tendenz zu „halluziniertem“ Optimismus. Tolstykhs Experiment bietet einen detaillierten Einblick in die Reibung zwischen algorithmischer Geschwindigkeit und der chaotischen Realität der Spieleentwicklung.
Dieser Wandel findet nicht im luftleeren Raum statt. Aktuelle Branchendaten bestätigen, dass Tolstykh an der Spitze einer massiven strukturellen Kehrtwende steht. Laut a Google Cloud-Umfrage 202590 % der Spieleentwickler integrieren mittlerweile generative KI in ihre Arbeitsabläufe und 95 % berichten, dass die Technologie repetitive Aufgaben aktiv reduziert.
Was für Produzenten vielleicht am bemerkenswertesten ist: 44 % der Entwickler nutzen mittlerweile KI, um Informationen autonom zu verarbeiten, was eine schnellere Entscheidungsfindung in der gesamten Pipeline ermöglicht. Diese schnelle Einführung ist darauf zurückzuführen, dass 94 % der Befragten glauben, dass KI letztendlich der Schlüssel zur Senkung der steigenden Produktionskosten sein wird.
Die mathematische Grundlage für Kreativität
Eines der auffälligsten Ergebnisse des Experiments war der Vorschlag der KI für eine „BTSU“ (BT-Level-Shell-Einheit) zur Standardisierung der Kunstkomplexität. Während Tolstykh das ursprüngliche Konzept einer „goldenen Einheit“ für die Schätzung lieferte, formalisierte die KI die Mathematik unabhängig.
„Der entscheidende Beitrag des Modells war nicht die Entstehung der Idee selbst, sondern ihre Formalisierung“, sagt Tolstykh. „Die KI leitete selbstständig die Struktur der Formel ab, begründete die Wahl der Parameter und erläuterte deren Logik ohne weitere Erläuterungen.“
Entscheidend ist, dass Tolstykh alle projektspezifischen Daten und internen Schätzungen zurückhielt, um die „out of the box“-Fähigkeiten des Modells zu testen und strenge NDA-Einschränkungen einzuhalten. Die KI stützte sich auf ihre internen statistischen Darstellungen darüber, wie komplexe Objekte in verschiedene Domänen zerlegt werden, um eine funktionale Basislinie zu erstellen.
„Ich habe die BTSU-Formel nicht als entdeckte objektive Wahrheit betrachtet, sondern als eine vom Modell generierte Hypothese, die einer Validierung und Kalibrierung anhand realer Produktionsdaten unterliegt“, erklärt er.
Navigieren in der „Optimismusfalle“
Die anfänglichen KI-Schätzungen waren 1,5-mal niedriger als die des menschlichen Teams. Selbst nach der Verfeinerung der Eingabeaufforderungen mit Referenzdaten behielt Tolstykh einen Notfallpuffer von 15 % bei, ein Grundpfeiler seiner Produktionspraxis. Er betrachtet dies nicht als Lösung für „KI-Optimismus“, sondern als notwendige Absicherung gegen das inhärente Chaos der Live-Entwicklung.
Allerdings argumentiert Tolstykh, dass die „Reinraum“-Perspektive der KI ihren eigenen Wert hat. „Eine saubere, laborähnliche Perspektive aus dem Vakuum kann eine interessante Linse sein, um Ihre Prozesse von außen zu betrachten“, sagt er. Es zwingt Produzenten dazu, sich zu fragen, wie ein Projekt aussehen könnte, wenn unvermeidliche Reibungspunkte in der realen Welt beseitigt würden.
Das menschliche Element in einer Agentenzukunft
Während Tolstykh sich darauf vorbereitet, „Agentische KI“ zu erforschen – Systeme, die darauf ausgelegt sind, mit mehr Autonomie zu agieren – erkennt er die existenzielle Angst, die viele Projektmanager empfinden. Dennoch besteht er darauf, dass der Kern der Produzentenrolle vor Automatisierung geschützt bleibt.
„KI ist nicht in der Lage, den Menschen in dem zu ersetzen, was am wichtigsten ist: Entscheidungen zu treffen und Verantwortung unter Unsicherheit zu übernehmen“, sagt Tolstykh. „Konfliktmanagement, Stakeholder-Kommunikation und das Ausbalancieren von Qualität, Fristen und Teammoral erfordern nicht nur Analyse, sondern auch Vertrauen, Kontext und persönliche Beziehungen, die im Laufe der Zeit aufgebaut werden.“
Er vergleicht die Zukunft der Produktion mit der Luftfahrt. Autopiloten gibt es schon seit Jahrzehnten, doch der Kapitän befehligt das Flugzeug noch immer. „Agentische KI kann ein starker Assistent bei der Planung und Prognose sein, aber die letzte Entscheidung, insbesondere wenn viel auf dem Spiel steht und es keine einzige richtige Antwort gibt, liegt immer noch bei einem Menschen“, fügt er hinzu.
Wenn Halluzination zur Innovation wird
Die KI produzierte gelegentlich unaufgefordert Vorschläge, wie zum Beispiel eine „Titan Armor Production Template“, die Tolstykhs Team schließlich als solide Strategie bestätigte. Dies wirft eine schwierige Frage auf: Wie unterscheidet man eine „schlechte Vermutung“ von einer „genialen Hypothese“?
„Wenn ein KI-Vorschlag nicht in eine echte Pipeline passt, sich in der Praxis nicht bewährt oder keine klare interne Logik hat, dann ist das eine Fehleinschätzung“, erklärt Tolstykh. Er unterstützt Nachwuchsproduzenten dabei, sich auf die Verifizierung statt auf blindes Vertrauen zu konzentrieren. „Unsere wichtigste Supermacht ist die Überprüfung von Fakten; wir müssen alles überprüfen, was gesagt wird.“
Damit eine „Halluzination“ zu einem Merkmal wird, muss sie verständlich und überprüfbar sein. Nach Ansicht von Tolstykh ist KI am nützlichsten, wenn sie regelmäßig Hypothesen aufstellt, die sicher getestet und verworfen werden können, ohne das System zu zerstören.
Die psychologische Sicherheit einfacher Werkzeuge
Während die Branche oft auf der Suche nach teuren KI-Suiten der Enterprise-Klasse ist, plädiert Tolstykh für die Verwendung der einfachsten LLMs der Verbraucherklasse. Er findet, dass diese zugänglichen Tools die Eintrittsbarriere für skeptische Veteranen senken.
„Mit einfachen, zugänglichen Werkzeugen können Menschen experimentieren, ohne ein Risiko einzugehen oder die Kontrolle zu verlieren“, sagt Tolstykh. „Der Fokus verlagert sich von ‚Sollten wir das umsetzen?‘ zu „Wie kann mir das bei meiner spezifischen Aufgabe helfen?“
Durch die Beseitigung des „Top-down“-Drucks komplexer Integrationen fühlen sich diese Tools psychologisch sicherer an. Für den erfahrenen Entwickler ist ein Tool, das in aller Stille bei konkreten Aufgaben hilft, viel leichter zu akzeptieren als eines, das eine Revolution verspricht.
