GeoGuessr KI: Kann eine Maschine die Besten schlagen?

Am 11. Mai 2023 veröffentlichte Trevor Rainbolt, einer der bekanntesten professionellen GeoGuessr-Spieler der Welt, ein Video mit dem Titel world's best ai vs geoguessr pro. Er verlor alle sechs Partien. Sein Gegner war PIGEON, ein Forschungsmodell aus Stanford, das das Spiel allein aus Street-View-Bildern gelernt hatte.

„Wir waren nicht die erste KI, die gegen Rainbolt gespielt hat“, sagte einer der Entwickler, Silas Alberti, gegenüber NPR. „Wir sind nur die erste KI, die gegen Rainbolt gewonnen hat.“ Drei Jahre später ist die Frage, ob KI GeoGuessr schlagen kann, entschieden. Nützlich sind andere Fragen: wie eine GeoGuessr-KI eine Szene liest, wo ein Mensch noch im Vorteil ist, was die Regeln erlauben und wie sich dieselbe Technik zum Üben nutzen lässt, statt eine Sperre zu riskieren.

PIGEON wurde von Lukas Haas, Michal Skreta, Silas Alberti und Chelsea Finn entwickelt. Es begann als Kursprojekt im Stanford-Kurs CS 330, erschien im Juli 2023 auf arXiv und wurde auf der CVPR 2024 vorgestellt, einer der führenden Konferenzen für Computer Vision.

Der Live-Test machte es zu mehr als einem Benchmark-Wert. Eine Chrome-Erweiterung machte in jeder der vier Himmelsrichtungen einen Screenshot, schickte die Bilder an das Modell und setzte dessen Tipp. In 458 Partien in den Competitive Duels schlug es Spieler jeder Spielstärke. Die Autoren bauten sogar eine optionale zufällige Verzögerung vor jedem Tipp ein, damit sein Verhalten „menschlicher wirkt“.

Lesen Sie Median und Durchschnitt zusammen. Die Hälfte seiner Tipps landete innerhalb von etwa 44 km, doch der durchschnittliche Fehler betrug 252 km: Mehr als jeder 20. Tipp lag über 750 km daneben, und diese Ausreißer ziehen den Durchschnitt nach oben. Auch zur Obergrenze äußern sich die Autoren offen: Heutige Systeme, ihres eingeschlossen, können auf Straßenebene nicht zuverlässig vorhersagen.

Inzwischen haben sich auch Allzweck-KIs beteiligt. Im April 2025 spielte Sam Patterson, ein Spieler im Rang Master I, fünf No-Move-Runden gegen o3 von OpenAI, wobei er dem Modell pro Runde nur zwei Screenshots im Abstand von 90 Grad gab. o3 gewann mit 23.179 zu 22.054 Punkten und nannte alle fünf Länder richtig. Im selben Monat wurde ein 1.100 Wörter langer „GeoGuessr-Prompt“ für o3 viral, doch ein Test mit 200 Fotos von 2026 ergab, dass er nicht besser abschnitt als ein kurzer.

Das veröffentlichte Modell wurde mit 400.000 Bildern trainiert: je vier Ansichten von 100.000 zufälligen GeoGuessr-Orten. Hier ist die gesamte Pipeline, Schritt für Schritt und ohne Mathematik.

1. Step 1Die Ansicht in Zahlen verwandelnPIGEON nimmt vier Bilder im Abstand von 90 Grad, die die gesamte 360-Grad-Ansicht abdecken. CLIP von OpenAI, ein Modell, das zunächst darauf trainiert wurde, Bilder mit Text zu verbinden, macht aus jedem Bild ein Embedding, und die vier werden zu einer Zusammenfassung des Ortes gemittelt.
2. Step 2Geografie aus Bildunterschriften lernenVor dem eigentlichen Training studierte das Modell Bilder mit erzeugten Bildunterschriften wie „An diesem Ort fährt man auf der linken Straßenseite“ und „Dieser Ort hat ein gemäßigtes ozeanisches Klima“. Die Bildunterschriften lenken es auf Merkmale, die für den Standort zählen.
3. Step 3Eine Geocell wählen, keine KoordinateStatt Breiten- und Längengrad direkt vorherzusagen, ordnet PIGEON die Szene einer von 2.203 Geocells zu. Sie folgen echten Verwaltungsgrenzen und wurden zusammengelegt, bis jede genug Trainingsbeispiele enthält; übergroße Zellen wurden per Clustering aufgeteilt.
4. Step 4Weite Fehlschüsse härter bestrafenIm Training erhält eine Zelle neben der richtigen Teilpunkte, nach Entfernung gewichtet. Das Modell lernt, dass ein knapper Fehlschuss besser ist als ein weiter, dieselbe Logik wie in der Punktewertung von GeoGuessr.
5. Step 5Innerhalb der besten Kandidaten verfeinernSchließlich nimmt es seine fünf wahrscheinlichsten Geocells, vergleicht die Szene mit Gruppen von Trainingsorten darin und verschiebt den Pin auf den ähnlichsten Treffer. Die Autoren beschreiben diesen Abrufschritt als Premiere für das Fachgebiet.

Niemand hat dem Modell gesagt, was ein Poller ist. Die Autoren stellten fest, dass es trotzdem „Strategien lernte, die in Online-Ratgebern für GeoGuessr vermittelt werden“, und auf Vegetation, Fahrbahnmarkierungen, Masten und Beschilderung achtete. Das sind dieselben Hinweisfamilien wie in einer menschlichen Checkliste für Länderhinweise. Für gewöhnliche Fotos statt Panoramen gilt die Logik aus unserer Erklärung zur KI-Geolokalisierung.

• Entscheidungszeit. Patterson tippte meist innerhalb von ein bis zwei Minuten, oft innerhalb von 10 Sekunden. o3 brauchte fast immer mehr als 2 Minuten, einmal über 6. In Duels kann der Tipp eines Spielers dem anderen nur 15 Sekunden lassen, Minuten des Nachdenkens sind also ein echtes Handicap.
• Wissen, worauf es ankommt. Sein Urteil lautete, dass ein Mensch sehr gut einschätzen kann, worauf es ankommt, während das Modell viel unnötiges, wiederholtes Zuschneiden betrieb und sich „mehrfach von Werbung ablenken ließ“.
• Sich für einen besseren Hinweis bewegen. Der Bot von PIGEON beurteilte vier feste Bilder. Seine menschlichen Gegner konnten sich auch durch die Szene bewegen, was ihnen laut dem Paper selbst mehr Information zum Verfeinern eines Tipps gab.

Überbewerten Sie diese Liste nicht. Nach etwa 20 Testrunden schätzte Patterson o3 als vergleichbar mit Spielern von Master I oder besser ein. Die Vorteile der Menschen betreffen die Art, wie das Spiel gespielt wird, nicht, dass sie mehr wissen.

Patterson pflegt einen Karteikartenstapel mit Hunderten Einträgen zu Fahrbahnlinien, Strommasten, Pollern und Kennzeichen, und er benannte den Abstand unverblümt: „Diese Modelle wissen mehr, als sich ein einzelner Kopf überhaupt merken könnte.“ Das ist der eigentliche Vorteil. Ein Mensch muss sich spezialisieren, ein Modell nicht.

Die Schwachstellen sind vorhersehbar. PIGEON hat nur von GeoGuessr-Orten gelernt und kennt daher die Orte nie, die Street View nicht abdeckt. Die Autoren zählen außerdem Tunnel, Gewässer, dunkle Szenen und Wälder zu seinen schwierigsten Bildern, und seine Genauigkeit sinkt mit abnehmender Bevölkerungsdichte.

Diese Formulierung deckt beide Arten von KI ab. Ein Bot, der für Sie spielt, ist Drittanbieter-Software. Ein Chatbot, in den Sie einen Screenshot einfügen, ist eine externe Informationsquelle. Die Community-Regeln nennen drei Strafen, wenn es Belege für Betrug gibt:

• Bestenlisten-Sperre: Entfernung aus den offiziellen Einzelspieler-Bestenlisten und dauerhafter Ausschluss davon.
• Wettkampf-Suspendierung: Sperre für die offiziellen Bestenlisten in Wettkampf- und Einzelspieler-Spielen.
• Wettkampf-Bann: dauerhafte Sperre für das Wettkampfspiel und Entfernung aus den offiziellen Bestenlisten.

Möglicherweise verlieren Sie auch virtuelle Gegenstände, und Maßnahmen können sich auf jedes Konto erstrecken, das Sie besitzen. Die Nutzungsbedingungen verbieten außerdem gesondert automatische Programme und Skripte, nennen Bots ausdrücklich in der Aufzählung und erlauben eine vorübergehende Sperre oder einen dauerhaften Bann. Ein gesperrter oder gebannter Spieler hat keinen Anspruch auf Erstattung.

Und das PIGEON-Experiment selbst? Es lief mit Unterstützung aus dem Hause GeoGuessr: Das Paper dankt dem technischen Leiter des Unternehmens dafür, die Live-Partien gegen menschliche Spieler ermöglicht zu haben. Was das Experiment vom Betrug unterschied, war die Beteiligung von GeoGuessr, nicht die Software.

1. Step 1Die Runde sauber spielenKein zweiter Tab, kein Assistent, kein Screenshot an einen Chatbot. Die Runde prüft, was Sie allein lesen können, und nur das ist es wert, gemessen zu werden.
2. Step 2Den entscheidenden Hinweis benennenSagen Sie, bevor Sie den Pin setzen, welchem einzelnen Anhaltspunkt Sie am meisten trauen. So wird aus einer Ahnung eine Behauptung, die Sie hinterher prüfen können.
3. Step 3Den übersehenen Hinweis findenSuchen Sie nach der Auflösung das Detail, das die Runde hätte entscheiden müssen. Unsere Übungsroutine nennt die Reihenfolge, in der Sie prüfen.
4. Step 4Nach dem Hinweis fragen, nicht nach der RundeEine Frage wie „Wie unterscheiden sich tschechische und slowakische Leitpfosten am Straßenrand?“ lehrt etwas, das Sie wiederverwenden können. Behandeln Sie die Antwort als Hinweis, den Sie prüfen: Patterson fand die Beschreibungen von Schildern und Fahrbahnlinien bei o3 meist zutreffend, aber nicht immer.
5. Step 5Die Fähigkeit an echten Fotos testenRaten Sie, wo eines Ihrer eigenen Fotos aufgenommen wurde, und vergleichen Sie dann mit der KI-Schätzung von GeoSpy. GeoSpy liest GPS-Daten aus, wenn eine Datei sie noch enthält, entfernen Sie den Standort daher vorher, sonst beweist der Test nichts.

Der letzte Schritt ist wichtig, weil das Spiel und echte Fotos dasselbe Auge schulen. Was Sie an einem Panorama lernen, ist das, worauf das Finden des Aufnahmeorts eines Fotos ohne Metadaten beruht.