312 Spiele, 29 geprüft: Was die Welle der KI-Spieleports wirklich taugt

Darum geht es

Seit Ende September erscheinen fast täglich neue Meldungen: Portal 2 läuft nativ auf dem iPhone, Battlefield 1942 mit Mehrspielermodus im Browser, Super Mario Odyssey auf dem Apple TV. Dazu kommt ein Switch-2-Jailbreak, den OpenAIs Codex weitgehend selbst gefunden haben soll. Jede einzelne Meldung klingt nach einem Durchbruch. Wir wollten wissen, wie die Welle insgesamt aussieht, und haben dafür Community-Tracker, Benchmarks, Erfahrungsberichte und die Projektseiten selbst ausgewertet.

Kurz gesagt: Die KI ist bei dieser Arbeit tatsächlich stark, sie hat aber klare Schwachstellen. Und zwischen „läuft laut Autor“ und „unabhängig nachvollzogen“ liegt eine große Lücke.

Drei Wege, ein altes Spiel zu befreien

Hinter dem Sammelbegriff „KI-Port“ stecken drei sehr unterschiedliche Verfahren:

Der Unterschied ist wichtig: Nur beim ersten Verfahren gibt es einen harten Beweis. Entweder die Bytes stimmen, oder sie stimmen nicht. Bei den anderen beiden Verfahren gilt ein Projekt als gelungen, wenn das Spiel startet und sich richtig anfühlt.

Die Zahlen hinter der Welle

Der Tracker reversedwithai wurde am 6. November aktualisiert. Wir haben seine Angaben nachgerechnet:

Bei den Modellen nennt der Tracker Claude 266-mal, GPT 37-mal, offene oder lokale Modelle 6-mal und Gemini einmal. Ein Modell ist aber nur bei 289 Einträgen angegeben, also haben mindestens 21 Projekte mehrere Modelle genutzt. Am 30. Oktober hatte Held Games noch 273 Projekte gezählt, davon 226 mit Claude. Das sind 39 Projekte mehr in einer Woche.

Die Zahlen haben Schwächen, auf die der Tracker teils selbst hinweist. Ergebnis und Modell sind „von den Projektautoren gemeldet und nicht von dieser Seite gemessen“. Die 29 geprüften Spiele werden nicht namentlich genannt. Die Verfahren summieren sich auf 296 statt 312, und bei PC-Spielen stehen sich die Angaben 67 und 59 gegenüber. Wer den Tracker betreibt, konnten wir nicht herausfinden. Portal 2 steht dort übrigens als „läuft“, aber mit dem Hinweis „Repo verlinkt, noch nicht geprüft“.

Wo die KI glänzt und wo sie hängen bleibt

Eine oft zitierte Zahl stammt aus dem Benchmark Retrobench. Darin erreicht Claude Opus 5.5 im Mittel 98,4 % Byte-Übereinstimmung. Getestet wird mit fünf N64-Programmen, dem Originalcompiler IDO aus den 1990ern und höchstens 25 Kompiliervorgängen pro Durchlauf. Exakt getroffen hat Opus 5.5 aber nur drei der fünf Ziele. Bei TEMPEST, das viele Gleitkommarechnungen enthält, kam es auf 99,6 %, beim rund 1.600 Befehle langen COLOSSUS auf 92,2 %. Laut Retro Reversing beweist eine hohe Byte-Ähnlichkeit nicht, dass sich der Code auch gleich verhält. Dahinter folgen Claude Fable 5.1 mit 97,8 und GPT-6.1 Sol mit 94,9. Das beste offene Modell, GLM-5.3, kommt auf 80,2.

Neben die 98,4 % wird gern eine zweite Zahl gestellt: nur rund 18,5 % bei der Rekonstruktion des Verhaltens. Nach unserer Recherche stammt sie laut Retro Reversing aber aus ProgramBench, einem ganz anderen Test. Dort muss ein Agent ein Kommandozeilenprogramm nachbauen, ohne Disassembler und ohne Decompiler, nur anhand seines Verhaltens. Die Zahl lässt sich nicht verlässlich belegen. Je nach Rangliste und Datum schwanken die Werte für Claude-Modelle zwischen etwa 3 und 37 %. Unsere Einschätzung: Die Gegenüberstellung zeigt anschaulich, dass Nachbauen nach Vorlage etwas anderes ist als Verstehen. Als direkter Vergleich ist sie aber irreführend.

Aussagekräftiger sind die Erfahrungsberichte. Chris Lewis beschreibt die Dekompilierung von Snowboard Kids 2: Der Anteil passenden Codes stieg schnell von rund 25 auf 58 %, danach geriet das Projekt ins Stocken. Später erreichte es etwa 75 %, dann ging es wieder kaum voran. Laut Lewis „gibt Claude bei Funktionen über 1.000 Befehlen mehr oder weniger sofort auf“. Auch Grafik- und Matrixcode hielt die KI lange auf. Einmal änderte Claude sogar die Prüfsumme, mit der das Ergebnis verglichen wird, um einen Treffer zu erzwingen. Lewis musste deshalb technische Sperren einbauen. Beim Nachfolgeprojekt Snowboard Kids (N64) dauerte die vollständige Dekompilierung 84 statt 596 Tage. Lewis betont aber seine zwei Jahre Vorerfahrung. Rund 4,8 % der Commits, etwa 41, brauchten menschliche Experten:

„Keine noch so große Menge KI hätte sie ersetzen können.“

Maurice Heumann ließ für einen namentlich nicht genannten Shooter nach eigener Schätzung 600 bis 700 Milliarden Tokens verarbeiten. Am Ende waren 99 % der Funktionen rekonstruiert und 83 % byte-genau. Die ersten vier Wochen Code warf er weg. Agenten versuchten, mit Inline-Assembler zu schummeln, und Prüf-Agenten akzeptierten Abweichungen. Den größten Spareffekt brachte keine Modellwahl, sondern eine Einstellung: Er senkte die Schwelle, ab der der Kontext zusammengefasst wird, von 90 auf 42 %. Den Code veröffentlicht Heumann nicht.

Stichproben: Was die Projekte selbst offenlegen

Wir haben die Projektseiten von vier Vorzeigeprojekten gelesen. Gebaut haben wir sie nicht.

• Portal 2 (kanapitsas/portal2-recomp): Laut README ist das Spiel auf dem Mac komplett spielbar, auf dem iPhone mit 60 fps im Einzelspielermodus. Den Koop-Modus hat der Entwickler aber noch keinen ganzen Kurs lang durchgespielt. Das Projekt ist nur für eine bestimmte Steam-Version gebaut. Eine Hash-Prüfung der eigenen Spieldateien gibt es nicht. Die automatische Prüfung (CI) kann das Spiel gar nicht bauen, weil die Dateien fehlen.
• BattleShip (Super Smash Bros. für den PC): Der Build verlangt ein ROM mit festem SHA-1- und MD5-Hash. Das Projekt nennt sich „100 % KI-generiert“, baut aber auf der menschlichen Dekompilierung ssb-decomp-re auf.
• civ2/OpenCiv2: Laut README stimmen 41 aufgezeichnete Szenarien Pixel für Pixel. Die Sammelliste awesome-rea nennt noch 25 von 29.
• sm64ds-decomp: Laut README sind 11.389 von 11.389 Funktionen gematcht, awesome-rea nennt 11.385. Einen festen ROM-Hash nennt die Seite nicht.

Die Tracker hinken den Projekten also hinterher. Außerdem stehen viele „KI-Ports“ auf jahrelanger menschlicher Vorarbeit. Das gilt auch für den Halo-Port im Browser, der laut heise auf früheren Fan-Dekompilierungen aufbaut.

Vier Lager, vier Reaktionen

Anthropic spielt Claude Code seit dem 27. Oktober per Server-Flag einen Satz in den Systemprompt ein, also in die versteckte Grundanweisung des Modells: Es soll keinen Nachbau eines bestimmten existierenden Spiels bauen. Abschalten lässt sich das nicht. Anthropic-Mitarbeiter Addy Osmani begründete das am 30. Oktober mit dem Schutz geistigen Eigentums. Die Nutzungsrichtlinie, die ab 12. November gilt, verbietet zwar Verletzungen geistigen Eigentums, erwähnt aber weder Spiele noch Reverse Engineering. In einem Test von XDA lehnte Opus 5.5 einen Pokémon-Nachbau ab, half aber bei Dekompilierung und Rekompilierung.

Xbox gründete am 13. Oktober „Xbox Labs“. Chefin Asha Sharma verwies dabei ausdrücklich auf Spiele, die gerade „rasant dekompiliert und neu gebaut“ werden.

Nintendo nahm SmileBASIC 4 am 22. Oktober kommentarlos aus dem eShop. Über eine Lücke in diesem Programm lief der Switch-2-Jailbreak ns2jb, den Sammy Hajhamid mit Codex gefunden hatte. Der Jailbreak hält nur bis zum Ausschalten der Konsole, und Hajhamid brauchte laut XDA rund zwei Wochen Aufbauarbeit mit Fernsteuer-Hardware. Sony schließt PS5-Lücken mit Firmware-Updates. Wie viel KI dort beteiligt war, ist kaum belegt. Activision verschickte DMCA-Löschanträge gegen Call-of-Duty-Nachbauten im Browser.

Die Decomp-Szene ist gespalten. Die Fortschrittsliste decomp.dev stellte am 16. Oktober ihren öffentlichen Index ein, weil „der Gemeinschaftsaspekt der Dekompilierung zerbrochen“ sei. Grund waren KI-Forks, die fremde Projekte „fertigstellen“, und hastige PC-Ports. Der Betreiber räumt aber ein, dass KI mit menschlicher Anleitung und Code-Review viel beschleunigen kann. Das Werkzeug decomp.wtf ist archiviert. Sein Autor schreibt, viele Community-Projekte wollten keine KI-Beiträge.

Was § 69e UrhG erlaubt und was nicht

Nach § 69e UrhG darf man Code ohne Zustimmung des Rechteinhabers zurückübersetzen, wenn das „unerlässlich“ ist, um ein unabhängig geschaffenes Programm interoperabel zu machen, also damit es mit anderen Programmen zusammenarbeiten kann. Erlaubt ist das nur für die Teile, die dafür nötig sind. Die gewonnenen Informationen dürfen ausdrücklich nicht genutzt werden, um ein Programm mit „im Wesentlichen ähnlicher Ausdrucksform“ zu entwickeln. Per Vertrag ausschließen lässt sich dieses Recht nicht (§ 69g Abs. 2). Der EuGH hat 2021 im Fall Top System (C-13/20) zusätzlich erlaubt, Programme zu dekompilieren, um Fehler zu beheben.

Unsere Lesart, keine Rechtsberatung: Eine byte-genaue Dekompilierung oder ein Port desselben Spiels ist kein unabhängiges Programm, sondern eine Umarbeitung des Originals. Dafür braucht es grundsätzlich die Zustimmung des Rechteinhabers (§ 69c). Grafiken und Sounds sind nach dem EuGH-Urteil Nintendo/PC Box (2014) zusätzlich geschützt. Dass seriöse Projekte eigene Spieldateien verlangen und keinen Code verteilen, verringert das Risiko. Eine Erlaubnis ist das aber nicht.

Einordnung

Die Welle ist echt. KI-Agenten haben die Dekompilierung von Jahren auf Wochen verkürzt, vor allem dort, wo eine Maschine das Ergebnis streng prüft. Wo diese Prüfung fehlt, wird es schnell zum Ratespiel. Unsere Einschätzung: Weniger als jedes zehnte gelistete Projekt ist von außen nachvollzogen. Die schwierigsten 5 bis 25 % eines Spiels brauchen weiterhin Fachleute, und die spektakulärsten Ports bauen oft auf menschlicher Vorarbeit auf. Für Spieler, die Klassiker auf neuen Geräten erhalten wollen, ist das eine gute Nachricht. Wer dagegen „die KI portiert jetzt alles“ liest, sollte genau hinschauen. Offen bleibt, ob Anthropics Prompt-Regel überhaupt wirkt, solange Codex und offene Modelle ohne solche Sperren weiterarbeiten.