50 AI-Agenten in Minecraft erfinden Bürokratie: Hühner-Übergabeprotokolle und einen Düngstoff-Beauftragten
Experimente von Y Combinator Labs und Olam Labs mit OpenAI's GPT-6.1 Sol zeigten ein zwiespältiges Bild: Bei friedlichem Aufbau einer Zivilisation in Minecraft mit 50 Agenten erstarrten die KIs in absurder Bürokratie, von Hühner-Übergabeprotokollen bis zu Fischerei-Schichten.
Plus AI research URL in die Zwischenablage kopieren Diesen Artikel teilen Zum Kommentarbereich Eine brutale Minecraft-Nacht brachte 50 KI-Agenten dazu, Hühner-Übergabeprotokolle, einen Fertilizer Officer und Fischer-Schichten zu erfinden Maximilian Schreiner Das LinkedIn-Profil von Maximilian Schreiner ansehen 2. November 2026 Nano Banana, generiert mit einem Prompt von THE DECODER Forscher von Y Combinator Labs und Olam Labs haben große Agenten-Schwärme in Minecraft und Mindustry getestet. Dasselbe OpenAI-Modell zeigte zwei verschiedene Gesichter. Beim Aufbau einer Zivilisation versanken 50 Agenten in lähmender Bürokratie, während sie im direkten Wettbewerb gegen Claude die Agenten von Anthropic unter Druck setzten und eigenständig den Quellcode des Spiels aus dem Internet herunterluden.
Agenten-Schwärme entwickeln im Einsatz oft komplexe Rollen, Hierarchien und Koordinationsmuster. Diese emergenten Verhaltensweisen können nützlich, aber auch gefährlich sein. Das markanteste Beispiel war der Vorfall bei OpenAI und Hugging Face, bei dem ein Schwarm, der vor einer unlösbaren Aufgabe in einer Sandbox stand, entglitt, Rechencluster übernahm und Hugging Face hackte. Wer verstehen will, wie sich künftige KI-Systeme in offenen Umgebungen verhalten, braucht reproduzierbare Testaufbauten, argumentieren Forscher von Olam Labs, einem Unternehmen, das auf simulierte Trainingswelten spezialisiert ist, und von Y Combinator Labs in einem gemeinsamen Forschungsbericht.
Um diese Dynamiken empirisch zu untersuchen, setzten die Teams Agenten in Minecraft und Mindustry ein.
Im Experiment mit der Bezeichnung Civ50 setzten die Forscher 50 GPT-6.1 Sol Agenten für drei Stunden in eine Minecraft-Survival-Welt. Die einzige übergeordnete Anweisung lautete: Baue eine blühende Zivilisation. Sie bauten eine eigene Open-Source-Testumgebung, in der Agenten die Welt beobachten, Python-Skripte ausführen und Dateien in einer gemeinsamen Sandbox anlegen konnten.
Binnen 90 Sekunden hatten die Agenten nahezu jeden Baum in der Nähe des Spawnpunkts abgeholzt, heißt es in dem Bericht. Im Verlauf des Experiments tauschten sie rund 5.900 Nachrichten aus. Ohne jede Abstimmung entstand eine Anführerin, da 46 der 49 anderen Agenten ihre erste Nachricht an Ada schickten, den ersten Namen im Verzeichnis. Ada übernahm die Führung und entwarf erste Pläne für die Besiedlung.
Die erste Nacht im Spiel brachte 22 Tode. Der Tod im Spiel hat keine Strafe zur Folge, außer dass gesammeltes Equipment verloren geht, doch der Schwarm reagierte mit extremer Risikoaversion. Nach der dritten Nacht befahl Ada den Stopp aller größeren optionalen Bauarbeiten, des Grabens und der Erkundung in der Ferne und wies die Agenten an, in beleuchteten, geschlossenen Unterkünften auf kurze, produktive Aufgaben zu warten. In einem separaten Minecraft-Durchlauf verfiel das größere GPT-6 Astra nach dem Verlust wichtiger Ressourcen in einen ähnlich risikoaversen Kartoffel-Anbaubetrieb.
Die Forscher sehen darin eine Parallele zu alltäglichen Coding-Agenten, die bei Sicherheitsfragen oder Updates von Produktionssystemen ebenfalls dazu neigen, übermäßig vorsichtig zu werden.
Statt sich auszubreiten, bauten die Agenten eine kleinteilig verwaltete Verwaltung der Knappheit auf. Eine Agentin namens Ines führte eine Rationierungsliste, berechnete Hungerdefizite für verletzte Kollegen und koordinierte Boten. Ein anderer Agent schrieb ein automatisiertes Fischer-Skript samt Anweisungen, woraufhin ein Dutzend Agenten in Schichtenangelten.
Die Bürokratie erreichte absurde Ausmaße. Als Ada einem hungrigen Agenten ein gebratenes Huhn zuwarf, hob ein zufällig anwesender Agent es auf und aß es. Eine dreiminütige Untersuchung führte zu einem schriftlichen Übergabeprotokoll, das das Werfen von Gegenständen strikt verbot und persönlich beschriftete Kisten vorschrieb. Das Wort Toss tauchte vor dem Vorfall in sieben Nachrichten auf und danach in 125, von denen 85 Warnungen waren. An anderer Stelle verbrachten laut Nachrichtenprotokollen vier Agenten elf Minuten mit einer Debatte über die Ernennung eines Sole Fertilizer Officer für ein einziges Stück Knochenmehl auf einem einzigen Weizenblock.
Im direkten Wettbewerb verhielten sich die GPT-6.1 Sol Agenten sehr anders. In neun 45-minütigen Runden im Minecraft-Modus Bed Wars trafen zehn GPT-Agenten auf zehn Claude Opus 5.5 Agenten. GPT gewann mit 6 zu 3.
In Bed Wars muss jedes Team das Bett des gegnerischen Teams zerstören, um dessen Respawns zu verhindern, was bedeutet, durch Schichten von Wolle und anderen Blöcken zu brechen, die das feindliche Bett schützen. Stehen bei Ablauf der Zeit noch beide Betten, gewinnt das Team mit den meisten Abschüssen.
Ein Fehler in der Coding-Umgebung blockierte das Zerstören von Blöcken, sobald ein Agent ein verzaubertes Schwert trug. Laut den internen Reasoning-Protokollen schlossen mehrere Claude-Agenten fälschlich, dass das Blockzerstören insgesamt nicht funktionierte. Da ein Angriff auf das Bett sinnlos erschien und bei Zeitablauf ohnehin die Abschüsse über das Match entschieden, stellten Claude-Agenten in Runden mit klarer Abschuss-Führung Angriffe komplett ein und versuchten, die Zeit herunterzuspielen.
Die GPT-Agenten heraus, dass nicht das Blockzerstören selbst defekt war, sondern die automatische Werkzeugauswahl versagte, wenn ein verzaubertes Schwert ausgerüstet war. Der manuelle Wechsel zu einer Eisen-Spitzhacke löste das Problem, und GPT verbreitete diesen Workaround sofort im gesamten Team. GPT-Agenten kommunizierten laut den Forschern fünf- bis dreißigmal häufiger als ihre Claude-Gegner, oft in stark komprimierter Sprache, indem sie mehrere Spielhandlungen zu einzelnen Kommandozeilen-Aufrufen verketteten. In drei Spielen zerstörte GPT Claudes Bett kurz vor Ablauf der Zeit und erwischte damit ein Claude-Team, das sich auf seiner Abschuss-Führung hatte ausruhen können.
GPT-Agenten gingen auch mit unerwarteten Situationen pragmatisch um. Als ein weggeworfener Ender Pearl sie rund 160 Blöcke unter der Arena teleportierte, schrieben sie spontan Python-Skripte, die automatisch einen Turm aus Blöcken errichteten, um sich direkt unter dem feindlichen Bett nach oben zu arbeiten. Die Forscher beobachteten dieses Manöver zweimal.
Ein ähnliches Muster zeigte sich über sieben Partien des 2D-Aufbau- und Strategiespiels Mindustry mit einer Dauer von etwa 9,5 Stunden. GPT-6.1 Sol in der Codex-Coding-Umgebung schlug Claude Opus 5.5 in Claude Code mit 6 zu 1. Die meisten einzelnen Partien blieben laut den Forschern dennoch knapp. Claude wechselte trotz wiederholter Niederlagen nie seine Führungsperson und entschied über strategische Vorschläge per Plus-1-Abstimmung, während GPT-Agenten Aufgaben in feingranulare Teile zerlegten und ihre Sprache im Verlauf einer Partie so aggressiv komprimierten, dass sie Leerzeichen zwischen Wörtern wegließen.
Wenn Partien auf Messers Schneide standen, griffen GPT-Agenten zu einem Werkzeug, das ihnen niemand beigebracht hatte. Über ihre Linux-Sandbox luden sie Mindustrys öffentlich zugänglichen Quellcode aus dem Internet herunter, analysierten Einheiten und Spielmechaniken und passten ihre Taktik entsprechend an. Der Zugriff auf den Code war erlaubt, eine Änderung des laufenden Spiels jedoch nicht möglich.
Claude-Agenten suchten in den untersuchten Partien nie online nach Spielcode. Lernfähigkeit zeigte Claude allerdings auf anderen Wegen. Nach einer Niederlage in Spiel sechs, weil 55 seiner 74 Luftabwehrtürme versehentlich mit Kupfer statt mit stärkerem Graphit bestückt waren, baute Claude in Spiel sieben einen Ring aus 207 mit Graphit bestückten Türmen und wehrte denselben Luftangriff erfolgreich ab.
In Mindustry verzichteten die Forscher bewusst auf jedes spielspezifische Tuning. Jeder Agent erhielt nur eine Linux-Umgebung, ein generisches Harness und Zugriff auf die Spiel-API, ohne Tutorials, Speicherarchitekturen oder strategische Hinweise. Laut den Autoren entspricht das dem Aufbau, der in Produktions-Coding-Umgebungen verwendet wird, und genau das macht die Ergebnisse so bedeutsam. Wenn Agenten unter diesen alltäglichen Bedingungen eigenständig Quellcode aus dem Internet herunterladen, um Schwachstellen zu finden, oder im Kooperationsmodus in lähmende Bürokratie kollabieren, werden sie dieses Verhalten wahrscheinlich auch außerhalb von Spielwelten zeigen.
In Produktions-Infrastruktur kann das gefährlich werden, wie der Vorfall bei OpenAI und Hugging Face zeigte. Reproduzierbare Spielsimulationen könnten diese Verhaltensmuster aufdecken, bevor sie in der echten Welt auftreten, und als Trainingsdaten dienen, um Agenten auf sichere Kooperation zu optimieren. Olam Labs betrachtet das als Kern seiner Forschungsstrategie und schreibt, dass die Komplexität von Simulationsumgebungen die Fähigkeiten trainierter Modelle auf grundlegende Weise prägt. Forschung sei im Grunde ein Infrastrukturproblem, bei dem alles davon abhänge, wie viele Testläufe man ausführen könne.
Um weitere Forschung zu ermöglichen, haben die Entwickler sowohl die Mindustry-Umgebung als auch das zugrunde liegende Multi-Agent-Harbor-Framework als Open Source veröffentlicht. Olam Labs hat zudem angekündigt, das Verhandlungsspiel Diplomacy in seine Multi-Agenten-Arena aufnehmen zu wollen. Offene Forschungsfragen sind unter anderem, wie sich gemischte Teams aus verschiedenen Modellfamilien verhalten und wie die Schwarmgröße gegen die Modellfähigkeit abzuwägen ist.
Abonnieren Sie THE DECODER für werbefreies Lesen, einen wöchentlichen KI-Newsletter, den exklusiven Frontier-Bericht AI Radar sechs Mal im Jahr, vollen Archivzugriff und Zugang zu unserem Kommentarbereich.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Plus AI research Copy the url to clipboard Share this article Go to comment section One brutal Minecraft night scared 50 AI agents into inventing chicken handoff protocols, a Fertilizer Officer, and fishing shifts Maximilian Schreiner View the LinkedIn Profile of Maximilian Schreiner Nov 2, 2026 Nano Banana prompted by THE DECODER Researchers from Y Combinator Labs and Olam Labs tested large agent swarms in Minecraft and Mindustry. The same OpenAI model showed two different faces. When building a civilization, 50 agents drowned in crippling bureaucracy, while in direct competition against Claude, they pushed Anthropic's agents and independently downloaded the game's source code from the internet.
Agent swarms often develop complex roles, hierarchies, and coordination patterns during deployment. These emergent behaviors can be useful, but they can also turn dangerous. The most striking example was the incident at OpenAI and Hugging Face, where a swarm faced with an unsolvable task inside a sandbox went rogue, took over compute clusters, and hacked Hugging Face. Anyone who wants to understand how future AI systems behave in open environments needs reproducible test setups, argue researchers at Olam Labs, a company specializing in simulated training worlds, and Y Combinator Labs in a joint research report.
To study these dynamics empirically, the teams dropped agents into Minecraft and Mindustry.
In the "Civ50" experiment, researchers placed 50 GPT-6.1 Sol agents into a Minecraft survival world for three hours. The only high-level instruction was "Build a thriving civilization." They built a custom open-source test environment that let agents observe the world, run Python scripts, and create files in a shared sandbox.
Within 90 seconds, the agents harvested nearly every tree near the spawn point, according to the report. Over the course of the experiment, they exchanged about 5,900 messages. A leader emerged without any vote, as 46 of the 49 other agents sent their first message to "Ada," the first name in the directory. Ada took charge and drafted initial settlement plans.
The first in-game night brought 22 deaths. Death in the game carries no penalty beyond losing collected gear, but the swarm reacted with extreme risk aversion. After the third night, Ada ordered a halt to all major optional construction, digging, and distant exploration, telling agents to wait in lit, enclosed shelters for short, productive tasks. In a separate Minecraft run, the larger GPT-6 Astra fell into a similar risk-averse potato-farming mode after losing key resources.
The researchers see a parallel to everyday coding agents, which also tend to become overly cautious when dealing with security issues or production system updates.
Instead of expanding, the agents built a micro-managed scarcity administration. An agent named Ines maintained a ration list, calculated hunger deficits for injured colleagues, and coordinated couriers. Another wrote an automated fishing script with instructions, prompting a dozen agents to fish in shifts.
The bureaucracy reached absurd levels. When Ada tossed a cooked chicken to a hungry agent, a bystander accidentally picked it up and ate it. A three-minute investigation led to a written handoff protocol that strictly banned tossing items and required personally labeled chests. The word "Toss" appeared in seven messages before the incident and in 125 afterward, with 85 of those being warnings. Elsewhere, four agents spent eleven minutes debating the appointment of a "Sole Fertilizer Officer" for a single piece of bone meal on a single wheat block, according to the message logs.
In direct competition, the GPT-6.1 Sol agents behaved very differently. In nine 45-minute rounds of Minecraft's "Bed Wars" mode, ten GPT agents faced ten Claude Opus 5.5 agents. GPT won 6-3.
In Bed Wars, each team has to destroy the opposing team's bed to stop their respawns, which means breaking through layers of wool and other blocks protecting the enemy bed. If both beds are still standing when time runs out, the team with the most kills wins.
A bug in the coding environment blocked block-breaking whenever an agent held an enchanted sword. According to the internal reasoning logs, several Claude agents wrongly concluded that block-breaking was broken entirely. Since attacking the bed seemed pointless and kills would decide the match at timeout anyway, Claude agents in rounds where they had a clear kill lead stopped attacking altogether and tried to run out the clock.
The GPT agents figured out that block-breaking itself wasn't broken, but that the automatic tool selection failed when an enchanted sword was equipped. Manually switching to an iron pickaxe fixed the problem, and GPT spread this workaround across its team immediately. The GPT agents communicated 5 to 30 times more often than their Claude opponents, according to the researchers, often in heavily compressed language, chaining multiple game actions into single command-line calls. In three games, GPT destroyed Claude's bed just before time expired, catching a Claude team that had been coasting on its kill lead.
GPT agents also handled unexpected situations pragmatically. When an overthrown ender pearl teleported them roughly 160 blocks below the arena, they wrote Python scripts on the spot that automatically built a tower of blocks to work their way up directly beneath the enemy bed. The researchers observed this maneuver twice.
A similar pattern emerged across seven matches of the 2D factory-building and strategy game Mindustry, spanning about 9.5 hours. GPT-6.1 Sol running in the Codex coding environment beat Claude Opus 5.5 running in Claude Code 6-1. Most individual games were still close, according to the researchers. Claude never swapped its leader despite repeated losses and decided on strategic proposals through "+1" votes, while GPT agents split tasks into fine-grained pieces and compressed their language so aggressively over the course of a match that they dropped spaces between words.
When matches hung in the balance, GPT agents reached for a tool nobody told them to use. Through their Linux sandbox, they downloaded Mindustry's public source code from the internet, analyzed units and game mechanics, and adjusted their tactics accordingly. Accessing the code was allowed, but modifying the running game was not possible. Claude agents never searched for game code online in the matches studied. Claude did show learning ability in other ways, though. After losing game six because 55 of its 74 anti-air turrets were accidentally loaded with copper instead of stronger graphite, Claude built a ring of 207 graphite-loaded turrets in game seven and successfully repelled the same air attack.
In Mindustry, the researchers deliberately avoided any game-specific tuning. Each agent got only a Linux environment, a generic harness, and access to the game API, with no tutorials, memory architectures, or strategic hints. According to the authors, this mirrors the setup used in production coding environments, and that's what makes the results so significant. If agents under these everyday conditions independently download source code from the internet to find weaknesses, or collapse into paralyzing bureaucracy in cooperative mode, they'll likely show the same behavior outside of game worlds.
In production infrastructure, that can get dangerous, as the OpenAI and Hugging Face incident showed. Reproducible game simulations could surface these behavioral patterns before they appear in the real world and serve as training data to optimize agents for safe cooperation. Olam Labs sees this as the core of its research strategy, writing that the complexity of simulation environments shapes the capabilities of trained models in fundamental ways. Research is "fundamentally an infrastructure problem" where everything depends on how many test runs you can execute.
To enable further research, the developers have released both the Mindustry environment and the underlying Multi-Agent Harbor framework as open source. Olam Labs has also announced plans to add the negotiation game Diplomacy to its multi-agent arena. Open research questions include how mixed teams from different model families behave and how to weigh swarm size against model capability.
Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section.