Zeytuncu: Die Schwierigkeit eines Rätsels bestimmt sich durch „die Anzahl der verwendeten Zahlen” — gelesen von Fukai

Zusammenfassung in einem Absatz

„Numbers-Rätsel” — eine Zielzahl aus mehreren positiven Ganzzahlen durch ausschließliche Anwendung der vier Grundrechenarten zu bilden (bekannt durch die Zahlenrunde im britischen TV-Spiel Countdown und das französische Pendant Le compte est bon). Dieser Artikel versucht zu erklären, woher die „Schwierigkeit” solcher Rätsel kommt — nicht aus Spielerdaten, sondern aus der Struktur der Rätsel selbst. Der Autor erstellt einen dedizierten Solver, der per dynamischer Programmierung exakt löst, ob die Zielzahl erreichbar ist, generiert rund 3,47 Millionen Instanzen und definiert die Schwierigkeit als „minimale Schrittanzahl (die Mindestanzahl an Operationen, um die Zielzahl zu erreichen)”.

Die zentrale Entdeckung ist klar: Allein eine einzige strukturelle Größe — die Anzahl der in der minimalen Lösung tatsächlich verwendeten Eingabezahlen (wie viele der verfügbaren Zahlen genutzt werden) — bestimmt die Schwierigkeit unter dieser Definition vollständig. Maschinelles Lernen mit oberflächlichen Statistiken (Größe der Zahlen, Zielwert) verfehlt die „leichten Rätsel”, aber sobald die „Anzahl der verwendeten Zahlen” hinzugefügt wird, wird die Klassifikation perfekt. Der Autor nennt dies die „minimale hinreichende Statistik der Schwierigkeit (den Hinweis, der zur Vorhersage notwendig und hinreichend ist und nicht weiter reduziert werden kann)”. Dieser Artikel soll es ermöglichen, die Kernpunkte zu erfassen, ohne das Original öffnen zu müssen.

Einleitung

Der Autor ist Yunus E. Zeytuncu (University of Michigan-Dearborn). Dieser Artikel wurde als Preprint (unveröffentlichtes Manuskript vor der Peer-Review) auf arXiv veröffentlicht (eingereicht März 2026), im Text wird jedoch explizit vermerkt, dass er für die internationale Konferenz AIED 2026 (Artificial Intelligence in Education) im Bildungsbereich akzeptiert wurde — es handelt sich also um begutachtete Forschung. Es sei jedoch darauf hingewiesen, dass für diesen Artikel die arXiv-Preprint-Version herangezogen wurde.

Warum habe ich diesen Artikel heute ausgewählt? Ich durchsuche jeden Morgen die neuen arXiv-Einreichungen, und das Thema „Schwierigkeit messen” ist für Rätselmacher ein ewiges Thema — wird aber meistens aus „Ergebnisdaten” wie Lösungsquote oder Abbruchrate nachträglich geschätzt. Dieser Artikel geht den umgekehrten Weg und versucht, die Schwierigkeit aus dem Inhalt der Probleme selbst zu erklären. Zudem dreht es sich um Rätsel des Typs „Zahlen zu einer Zielzahl kombinieren”, die jeder schon einmal berührt hat. Da es sich greifbar und sofort anwendbar anfühlte, habe ich es gewählt.

Hintergrund

In adaptiven Lernsystemen (Mechanismen, die Aufgaben an den Lernstand des Lernenden anpassen) ist die Frage, wie man die Schwierigkeit von Aufgaben bestimmt, zentral. Zu einfache Aufgaben bringen wenig Lerneffekt, zu schwere dämpfen die Motivation. Das ist exakt dasselbe Problem wie beim Schwierigkeitsdesign von Rätselspielen: Wie schätzt man im Voraus die genau richtige Herausforderung ein?

Viele bisherige Methoden behandelten Schwierigkeit jedoch als „ein Label, das nachträglich aus Leistungsdaten wie Lösungsquote und Lösungszeit geschätzt wird”. Das heißt, man musste warten, bis viele Leute gespielt hatten, bevor man die Schwierigkeit kannte, und „warum diese Aufgabe schwer ist” blieb stets unerklärbar. Was der Autor hinterfragt, ist: Lässt sich Schwierigkeit aus der Struktur des Problems selbst definieren, bevor man sich die Leistungsdaten ansieht? Wenn das möglich ist, kann man auch bei neuen Problemen vor dem Spielen eine Einschätzung der Schwierigkeit treffen.

Ansatz / Methode

Das vom Autor behandelte Rätsel trägt den Namen „4OPS” (four operations, Grundrechenarten). Mehrere positive Ganzzahlen und eine Zielzahl sind gegeben, und es wird gefragt, ob die Zielzahl ausschließlich durch Addition, Subtraktion, Multiplikation und Division erreichbar ist. Die Einschränkungen: Nur Ganzzahlen sind erlaubt; jede Zahl darf nur einmal verwendet werden; Zwischenergebnisse müssen stets positive Ganzzahlen sein, Subtraktion darf nicht negativ ergeben, Division ist nur bei ganzzahligem Ergebnis erlaubt. Außerdem müssen nicht alle verfügbaren Zahlen verwendet werden (es kann auch nur eine Teilmenge genutzt werden). Der Autor erklärt, dass dieses Format mit partieller Nutzung feinere strukturelle Unterschiede extrahierbar macht.

Zunächst erstellt der Autor einen dedizierten Solver, der per dynamischer Programmierung (Methode, die Antworten auf bereits berechnete Teilprobleme speichert und sie kombiniert, um das Gesamtproblem zu lösen) exakt löst, ob die Zielzahl erreichbar ist, und die erreichbaren Werte samt ihrer „minimalen Schrittanzahl” aufzeichnet. Darüber hinaus wird der Inhalt der „Formel, die die Zielzahl mit minimalem Aufwand bildet” rekonstruiert — das heißt, welche Zahlen tatsächlich verwendet wurden, den „Zeugen (witness, die Konstruktion der minimalen Lösung selbst)”. Das ist der Schlüssel zu den späteren Entdeckungen.

Dann wird der Datensatz erstellt. Die verfügbaren Zahlen sind sechs: fünf einstellige Zahlen von 1–9 (mit Wiederholung) und eine aus 25, 50, 75 — eine Zusammensetzung, die fast identisch mit der Zahlenrunde bei Countdown ist. Nach Deduplizierung ergeben sich 3.861 Kombinationen, und die Zielzahl umfasst alle dreistelligen Zahlen von 100–999. Kombiniert ergibt das 3.474.900 Probleminstanzen. Jede Instanz wird vom Solver mit einem genauen Label versehen (lösbar oder nicht / minimale Schrittanzahl / strukturelle Merkmale). Die Schwierigkeit wird nach minimaler Schrittanzahl in vier Stufen unterteilt: leicht (0–2 Schritte), mittel (3–4 Schritte), schwer (5 Schritte), unlösbar.

Erkenntnisse

Zunächst das Gesamtbild. Etwa 87 % der Probleme sind lösbar. Die Schwierigkeitsverteilung ist unausgewogen: Leichte Probleme (0–2 Schritte) sind relativ selten, und mittlere (3–4 Schritte) sowie schwere (5 Schritte) machen den Großteil aus. Kombinationen, die die Zielzahl in wenigen Schritten erreichen, sind tatsächlich selten.

Wie sieht es dann mit maschinellem Lernen aus, das ausschließlich oberflächliche Merkmale (Statistiken aus den verfügbaren Zahlen und dem Zielwert) verwendet? Bei der Vorhersage, ob ein Problem lösbar ist, erreicht die logistische Regression (einfache lineare Klassifizierungsmethode) etwa 90 % Genauigkeit. Aber die Klassifizierung nach Schwierigkeit ist erheblich schwieriger, und selbst Gradient Boosting (Methode, die schwache Prädiktoren schrittweise stärkt) kommt nur auf etwa 73 % und verfehlt durchgängig die „leichten Probleme”. Der Autor schlussfolgert, dass Leichtigkeit durch oberflächliche Statistiken nicht erfasst werden kann und von den Details der Lösungskonstruktion abhängt.

Daher werden strukturelle Merkmale aus dem „Zeugen” der minimalen Lösung extrahiert: die Anzahl der verwendeten Zahlen, die verwendeten Operationstypen, die Größenordnung der Zwischenzahlen, die Anzahl der minimalen Lösungen, usw. Die Addition dieser Merkmale verbessert die Schwierigkeitsklassifizierung dramatisch, und der Autor berichtet von perfekter Genauigkeit gegenüber den vom Solver definierten Schwierigkeitslabels.

Und der entscheidende Durchbruch. Die Ergebnisse einer Ablationsanalyse (Experiment, das überprüft, welcher Teil des Designs wirkt, indem Elemente einzeln entfernt werden) zeigen, dass allein das Hinzufügen der Anzahl der in der minimalen Lösung verwendeten Zahlen (vom Autor als minimal input usage bezeichnet) alle Schwierigkeitsklassen perfekt vorhersagt. Das Hinzufügen weiterer Merkmale verbessert das Ergebnis nicht mehr. Der Autor nennt dies die „minimale hinreichende Statistik der Schwierigkeit unter dieser Definition”. Strukturell ausgedrückt: Leichte Probleme lassen sich mit wenigen Zahlen lösen, schwere erfordern die Kombination nahezu aller Zahlen.

Anwendungsfälle

Für Rätselmacher ist die erste Verwendung die automatische Zuweisung von Schwierigkeitslabels. Wenn ich Numbers-Rätsel (Rätsel, bei denen eine Zielzahl aus gegebenen Zahlen gebildet wird) in großem Umfang generiere, muss ich nur einmal den Solver für jedes generierte Problem ausführen und „wie viele Zahlen die minimale Lösung verwendet” aufzeichnen. Das allein reicht, um vor dem Spielen durch Spieler Labels für leicht / mittel / schwer zu vergeben. Man muss nicht warten, bis sich Daten zur Lösungsquote angesammelt haben.

Die zweite Verwendung ist die „Anordnung” der Schwierigkeit. Der Autor erklärt, dass die Anordnung der Probleme in aufsteigender Reihenfolge der Anzahl verwendeter Zahlen eine erklärbare und logisch konsistente Schwierigkeitsprogression ergibt. Das ist ein Indikator, der direkt für den Übergang vom Tutorial zum Hauptspiel oder für ein Design verwendet werden kann, das das tägliche Puzzle von Tag zu Tag etwas schwerer macht. Dass der Macher selbst erklären kann, „warum diese Reihenfolge”, hat echten Wert.

Die dritte Verwendung ist die Kontrolle auf der Generierungsseite. Wenn ich für Hypercasual-Puzzles PCG (Procedural Content Generation) betreibe, kann ich gezielt „Probleme, die mit 2 Zahlen lösbar sind” für einfache Level und „Probleme, die alle 5 Zahlen erfordern” für anspruchsvolle Level generieren — Schwierigkeit nicht im Nachhinein messen, sondern von Anfang an anvisieren.

Darüber hinaus schätze ich, dass der Anwendungsbereich nicht auf Numbers-Rätsel beschränkt ist. Die Idee „wie viele Elemente muss die minimale Lösung gleichzeitig kombinieren” lässt sich in strukturelle Größen wie „wie viele unabhängige Einsichten erfordert die richtige Schrittfolge” bei Sokoban-ähnlichen Rätseln oder „wie viele Pfade muss die Lösung gleichzeitig etablieren” bei Verdrahtungs- und Routing-Rätseln übersetzen. Eine Perspektive, die Schwierigkeit nicht durch Länge der Schritte, sondern durch die Anzahl der gleichzeitig zu koordinierenden Elemente misst.

Grenzen

Zunächst die Schwäche, die der Autor selbst einräumt. Die Schwierigkeit hier basiert auf der „vom Solver definierten minimalen Schrittanzahl”, und ob das mit der von Menschen tatsächlich empfundenen Schwierigkeit übereinstimmt, ist explizit als zukünftige Aufgabe vermerkt. Die Anzahl der verwendeten Zahlen erfasst den strukturellen Bedarf, erklärt aber keine Faktoren, die die menschliche Leistung beeinflussen, wie Rechenflüssigkeit, Strategieerfahrung oder Tagesverfassung. Die Ergebnisse sind auch explizit auf das Rahmenwerk dieses Ganzzahl-Rechenrätsels beschränkt.

Was Fukai hier anspricht, ist die Art, die starken Formulierungen „perfekte Genauigkeit” und „minimale hinreichende Statistik” aufzufassen. Die Schwierigkeit ist durch die minimale Schrittanzahl definiert, und die Anzahl der verwendeten Zahlen ist ebenfalls eine aus derselben minimalen Lösung (Zeugen) extrahierte Größe. Beide sind daher nahezu unterschiedliche Sichtweisen derselben Struktur, und dass eine die andere fast vollständig vorhersagt, ist bis zu einem gewissen Grad eine definitorische Notwendigkeit. Das ist kein Defekt, aber die genaue Auffassung lautet: nicht „die von Menschen empfundene Schwierigkeit vorhergesagt zu haben”, sondern „die Schwierigkeitsdefinition auf dem Solver lässt sich auf eine einzige strukturelle Größe kondensieren”.

Noch ein Punkt: Die Anzahl der Zitierungen ist noch fast null, es handelt sich um ein neues Preprint, das noch nicht breit diskutiert wurde. Die Situation der Veröffentlichung von Datensatz und Code konnte allein aus dem Text nicht im Detail überprüft werden (der Autor gibt an, das Basisrätsel als kostenlose mobile App veröffentlicht zu haben). Einschließlich des Umstands, dass es auf das spezifische Format der Numbers-Rätsel beschränkt ist, müssen bei der Übertragung auf andere Rätsel eigene Materialien erneut überprüft werden.

Fukais Lektüre

Was folgt, ist meine persönliche Interpretation. Ich möchte diese Forschung als einen kleinen, aber symbolischen Schritt nach vorne einordnen — von der Ära, in der „Schwierigkeit aus Ergebnissen gemessen wird”, zur Ära, in der „Schwierigkeit aus der Struktur heraus gestaltet wird”. Im Vokabular der Designkritik ist das ein Versuch, die Diskussion über „Schwierigkeit” im Level-Design von Playtest-Statistiken zurück zur Struktur der Lösung selbst zu verlagern. Wir haben Schwierigkeit lange daran gemessen, „wie sehr Spieler feststeckten”. Aber dieser Artikel beweist rechnerisch, dass sich Schwierigkeit — zumindest bei bestimmten Rätseltypen — auf die kognitive Last von „wie viele Elemente müssen gleichzeitig in der Hand jongliert werden” reduzieren lässt (die Menge an Informationen, die gleichzeitig gehalten und verarbeitet werden müssen). Das ist meine Interpretation, aber ich nehme es als potenzielle Brücke: das alte psychologische Konzept der Arbeitsgedächtnislast (die Gedächtnisfunktion, die Informationen kurzzeitig hält und dabei verarbeitet) von der Struktur des Rätsels her zu quantifizieren.

Zum Abschluss

Für diejenigen, die tiefer eintauchen möchten. Wer die orthodoxe Methode zur Schätzung von Schwierigkeit „aus Spielerdaten” sehen möchte, findet in der empirischen Studie zur Schwierigkeitsmodellierung mobiler Puzzlespiele (Difficulty Modelling in Mobile Puzzle Games, 2024) eine komplementäre Karte. Während dieser Artikel „von der Struktur” aus angreift, greift jener „von den Ergebnissen” aus an. Stellt man beide nebeneinander, zeichnet sich eine Zangenbewegung ab, die das schwer greifbare Ziel der Schwierigkeit von zwei Richtungen einschließt.

Außerdem: Wer die Idee der minimalen Schrittanzahl der Lösung interessant findet, sollte auch den eher theoretischen Artikel zur Berechnungskomplexität arithmetischer Ausdrücke (wie das Vorhandensein oder Fehlen von Klammern die erreichbaren Zahlen verändert, 2021) lesen — als Grundlage, die dieses Fachgebiet voraussetzt. Da dieser Artikel eher zu „Implementierung und Bildungsanwendung” neigt, ergibt das Zusammenspiel mit der theoretischen Karte eine dreidimensionale Perspektive.

Literaturhinweise

In diesem Artikel referenzierte Artikel und verwandte Quellen:

・4OPS: Structural Difficulty Modeling in Integer Arithmetic Puzzles (Yunus E. Zeytuncu, 2026, arXiv:2603.25356 Preprint / akzeptiert bei AIED 2026)

・Verwandte Forschung: Difficulty Modelling in Mobile Puzzle Games (2024, arXiv:2401.17436)

・Verwandte Forschung: The Computational Complexity of Finding Arithmetic Expressions With and Without Parentheses (2021, arXiv:2110.14045)