Warum eine KI-native Engine entwickeln?
Die meisten Game-Engine-APIs sind für Menschen geschrieben. Wenn die KI den Code schreibt, sollte die Engine anders aussehen.
Die Kernidee von ForgeaX ist einfach: Der Benutzer beschreibt ein Spiel und die KI schreibt den Engine-Code. Das klingt nach „nur ein anderer Autor“, aber in der Praxis sind bestehende Engines nicht KI-freundlich – sie gehen von einem Leser aus, der Dokumente liest, Vermutungen anstellt und Kontexte ausfüllt, wie es ein Mensch tut.
Unsere Haltung ist klar: KI ist der erste Benutzer der Engine. Wenn „freundlich gegenüber KI“ und „freundlich gegenüber Menschen“ im Widerspruch stehen, gewinnt die KI. Hier sind einige konkrete Konsequenzen.
1 · Eine Quelle der Wahrheit, leiten Sie den Rest ab
Eine Tatsache wird an genau einer Stelle definiert; alles andere ergibt sich daraus. Komponentenfelder zum Beispiel sind in einem Schema integriert – Inspektoren, Debugger und Tools lesen das Schema, anstatt die Quelle zu durchsuchen und zu raten. KI muss sich nicht an überall verstreute Konventionen „merken“, denn es gibt nur einen Ort, an dem man suchen kann.
2 · Fehler, die die KI verstehen und beheben kann
Ein Fehler ist nicht nur ein menschlicher Satz, den man „wirft“. Wir verwenden einen geschlossenen Satz von Fehlercodes, von denen jeder strukturierte Informationen zum „Was/Warum/Wie wird wiederhergestellt“ enthält. Wenn die KI auf einen Fehler stößt, weiß sie, was als Nächstes geändert werden muss – anstatt den Ausnahmetext als Mystik zu behandeln.
3 · Strukturierte Daten statt „auf den Bildschirm schauen“
Das Schlimmste an einem Rendering-Fehler ist, dass „es auf dem Bildschirm falsch aussieht“. Ein Mensch kann auf den Monitor starren; KI kann nicht. So kann die Engine einen Frame von Render-Aufrufen erfassen – Draw-Aufrufe, Bindungen, Render-Ziele, Pipeline-Status –, um den vollständigen Status beim N-ten Draw offline zu lesen, wiederzugeben und zu überprüfen. Ein visuelles Problem wird zu Daten, die die KI „lesen“ kann.
4 · Zwei Implementierungen, die sich gegenseitig überprüfen
Die Renderebene verfügt über zwei Backend-Implementierungen (WebGPU und eine WASM-Implementierung) hinter einer einzigen Schnittstelle. Sie rendern nebeneinander: Sobald die KI eine Engine-API missbraucht, weicht das andere Backend sofort davon ab und bringt das Problem zum Vorschein – viel schneller, als auf eine menschliche Überprüfung zu warten.
Diese Designs haben einen gemeinsamen Maßstab: Je weniger Konzepte ein Leser (Mensch oder KI) im Kopf haben muss, desto besser. Je selbstkonsistenter und lokal indizierbarer die API, desto häufiger macht die KI alles richtig – und desto einfacher ist es für einen Menschen, die Kontrolle zu übernehmen.
„KI-nativ“ ist kein Slogan – es ist eine lange Reihe von „Wiederholen Sie es aus Sicht der KI“-Entscheidungen. Wir werden mehr davon in den Dokumenten und zukünftigen Beiträgen entpacken.