Wenn Ameisen ein Decision-Model fragen

English version

Queeny und ihre Arbeiterinnen.

Spielerisch den Umgang mit einem Decision-Model mit Python austesten

Ein Decision-Model ist eine neue Art von KI-Modell: Es trifft schnelle Bewertungen und Entscheidungen, die Programme in ihren Ablauf einbauen können.

Das Beispiel in diesem Tutorial ist eine Ameisen-Kolonie, die im Browser zu sehen ist. Das Decision-Model steuert jede einzelne Ameise nach den Anweisungen der Königin, die Sie sind. Die Ameisen sollen Früchte in den Bau bringen oder Hindernisse überwinden.

So sieht es am Ende von Schritt 7 aus. Über jeder Ameise steht, wofür das Modell sich entschieden hat und wie sicher es sich war — und die grünen Felder sind die Duftspur, die die Kolonie beim Suchen hinterlässt. Sie ist am Bau am stärksten, und bergauf ist heimwärts.

Kein Klicken, keine Tasten, kein Joystick. Sie tippen ein „Holt die Früchte aus dem Norden", und jede Ameise entscheidet für sich, was das für sie bedeutet. Die Entscheidung trifft ein Decision-Model, in diesem Tutorial TypeSafe Jev.

Ein Decision-Model ist kein Chat-Modell. Es beantwortet keine Fragen in Prosa, sondern trifft typisierte Entscheidungen mit kalibrierter Zuversicht — genau das, was ein Programm in seinen Ablauf einbauen kann. Für TypeSafe Jev brauchen Sie drei Adressen:

Die Website	typesafe.ai
Die Dokumentation	docs.typesafe.ai
Der Schlüssel	console.typesafe.ai/keys

Die Konsole unter console.typesafe.ai. Den Schlüssel, den Sie ab Schritt 2 brauchen, holen Sie sich links unter API Keys; unter Usage sehen Sie später, was das Tutorial gekostet hat. Oben rechts im Bild stehen schon die beiden Fragetypen, um die es gehen wird: noul für ein Ja/Nein mit Wahrscheinlichkeit und choice für eine Auswahl — die zweite ist die, die jede Ameise stellt.

Jede Ameise stellt dem Decision-Model einmal pro Runde eine Frage, und die Antwort ist genau eine der Möglichkeiten, die diese eine Ameise in diesem Moment wirklich zur Auswahl hat.

Das Programm baut die Auswahlmöglichkeiten zur Laufzeit aus dem, was die Ameise sieht. Ist keine Frucht in Sichtweite, gibt es die Antwort-Möglichkeit „hol die Frucht" nicht.

Lokale Alternative Ollama mit Decision-Models. Seit Version 0.35 bietet Ollama den Endpunkt /v1/systemone an, mit denselben Fragen, Auswahlen, Wahrscheinlichkeiten und derselben Konfidenz wie Jev. Das Modell läuft dann auf Ihrem eigenen Rechner, ohne Schlüssel und ohne Kosten pro Anfrage. Die Bibliothek aus diesem Tutorial spricht unverändert mit Ollama, es reichen drei Einträge in der .env. Wie das geht und wie schnell es ist, steht in Anhang B.

Der Markt bewegt sich schnell. Für das Tutorial gilt: Was ein Decision-Model ist und wie man es fragt, bleibt gleich, egal von wem es kommt.

Was Sie brauchen

• Python 3.12 oder neuer.
• uv als Paketverwaltung. Es geht auch mit pip; an den Stellen, an denen es einen Unterschied macht, steht beides da.
• Einen TypeSafe-Schlüssel von console.typesafe.ai/keys. Gebraucht wird er ab Schritt 2: Das Modell ist das Thema, also kommt es früh und bleibt. Nur Schritt 1 läuft ohne.
• Einen Texteditor und einen Browser.

Kosten: Eine Anfrage sind rund 350 bis 600 Eingabe-Tokens, und eine Million davon kostet 0,042 Dollar. Ein komplettes Spiel — acht Ameisen, zwanzig bis sechzig Runden — liegt bei einem halben bis einem ganzen Cent. Zum Durcharbeiten des ganzen Tutorials reichen wahrscheinlich ein paar Cent.

Die acht Schritte des Tutorials

Nach jedem Schritt haben Sie ein Programm, das läuft. Sie sehen immer etwas Neues auf dem Bildschirm.

Schritt	Was danach läuft
1	Das Brett — ein Gitter im Browser
2	Eine Ameise, die das Modell fragt — ein Klick, eine Anfrage, ein Schritt
3	Die Kolonie — acht Ameisen mit acht parallelen Anfragen
4	Tragen und abliefern — Früchte heimbringen, gewinnen
5	Augen — Sichtfeld, bessere Optionen, eine Schwelle
6	Die Königin — Ihr Satz
7	Einblicke — was jede Ameise gewählt hat, und was es kostet
8	Was bringt das Decision-Model? — der Vergleich mit einem Würfel

Ab Schritt 2 entscheidet das Modell, und alles danach handelt davon, was es dabei zu sehen bekommt.

Erst ist die Ameise blind und allein; dann sind es acht; dann haben sie eine Aufgabe; dann können sie sehen; dann eine Königin, die ihnen etwas sagt.

Wie Sie den Code bekommen

Jeder Schritt ist im Repository ein eigener Stand:

git clone https://github.com/gkvoelkl/python-streamlit-jev-ant
cd python-streamlit-jev-ant
git checkout step-1        # der Stand nach Schritt 1
uv run streamlit run app.py

Dieselben acht Stände liegen auch als einzelne Dateien unter steps/, falls das für Sie einfacher ist:

uv run streamlit run steps/01_board.py

Starten Sie sie vom Wurzelverzeichnis aus — level1.json und .env werden dort gesucht, wo Sie das Programm aufrufen.

Sie können aber genauso gut mit einer leeren Datei anfangen und die Programme selbst mittippen. Dafür ist das Tutorial geschrieben.

---

Dieses Tutorial wurde von Gerhard Völkl unter Verwendung von Claude Code (Anthropic) erstellt. Es soll helfen, mehr über das Thema „Wenn Ameisen ein Decision-Model fragen“ zu lernen. Verbesserungsvorschläge gerne an gkvoelkl@nelson-games.de.