EA Play FIFA 23 F1™ 22 Madden NFL 23 Apex Legends Battlefield™ 2042 Die Sims 4 Electronic Arts-Startseite Electronics Arts Home Aktuelle Spiele Bald erhältlich Free-to-Play EA SPORTS EA Originals Spielebibliothek EA app-Angebote PC PlayStation Xbox Nintendo Switch Mobile Pogo EA app EA Play Spieletests Das Unternehmen Jobs News Technology EA Studios EA Partner Unsere Verpflichtungen Positives Spielen Inklusive Firmenkultur & Mitarbeiter:innen Sozialer Einfluss Umwelt Hilfe EA-Community-Foren Tools für Spieler:innen und Eltern Barrierefreiheit Presse Investoren Aktuelle Spiele Bald erhältlich Free-to-Play EA SPORTS EA Originals Spielebibliothek EA app-Angebote PC PlayStation Xbox Nintendo Switch Mobile Pogo EA app EA Play Spieletests Das Unternehmen Jobs News Technology EA Studios EA Partner Unsere Verpflichtungen Positives Spielen Inklusive Firmenkultur & Mitarbeiter:innen Sozialer Einfluss Umwelt Hilfe EA-Community-Foren Tools für Spieler:innen und Eltern Barrierefreiheit Presse Investoren

Wie die FC-Entwickler:innen die menschenähnlichsten TW-Profis erschaffen haben

Neue Technologien treffen bei EA auf innovative Teams

26. März 2026

Ein Hechtsprung in letzter Sekunde. Eine Fingerspitzenparade, die das Spiel verändert. Ein TW-Profi, der den Winkel liest, sich im Bruchteil einer Sekunde anpasst und mit instinktiver Präzision reagiert.

In EA SPORTS FC 26 bewegen sich TW-Profis mit menschenähnlicherem Verhalten, reagieren dynamisch, passen sich schneller an und liefern Momente, die sich authentisch und lebensecht anfühlen.

Dieser Fortschritt wird durch eine innovative und kreative Lösung ermöglicht, die von Teammitgliedern bei EA SPORTS und der Search for Extraordinary Experiences Division (SEED), einer wegweisenden Gruppe innerhalb von Electronic Arts, entwickelt wurde und Kreativität mit angewandter Forschung verbindet.

Legen wir los.

Fußball-TW-Profi im gelben Trikot im Hechtsprung, versucht einen grün-weißen Ball nahe des Tornetzes zu halten.

„Die Ergebnisse sind die lebensechtesten TW-Profis in der Geschichte von FC, die vollständig auf einer innovativen und kreativen Lösung basieren, die intern von Expert:innenteams bei EA entwickelt wurde.“

Ein designerzentrierter Ansatz für maschinelles Lernen

Durch den Einsatz von Deep Reinforcement Learning erreichte das Team ein schnelleres Training und menschenähnlicheres Verhalten im Vergleich zu traditionellen Methoden, wodurch der Realismus verbessert und die Trainingszeit reduziert wird.

„Wir haben maschinelles Lernen eingesetzt, um sie in Hunderttausenden von Spielsituationen zu trainieren und so das beste Positionsspiel zu finden, einschließlich der kleinen Mikroschritte, die Weltklasse-Torhüter:innen nutzen, um den Winkel zu verkürzen“, sagt Mike Jones, Sr. Software Engineer bei Electronic Arts. 

„Die Methode nutzt einen Reinforcement-Training-Agenten, der lernt, das Spiel selbstständig zu spielen, und zwar durch ein neues Trainings-Framework, das entwickelt wurde, um dateneffizient zu sein“, erklärt Alessandro Sestini, Research Scientist bei SEED. „Und schließlich ein Framework zur Bewertung und Feinabstimmung, das Designer:innen Feedback zum TW-Verhalten ermöglicht.“

Im Vergleich zum traditionell programmierten TW-Profi liefert das neue System deutliche Verbesserungen.

Der durch Reinforcement Learning gesteuerte TW-Profi erzielt eine 10-prozentige Verbesserung der Ballhaltequote, trainiert 50 % schneller als Standard-Reinforcement-Learning-Methoden und kann über Nacht trainiert werden. Ein robustes Validierungssystem mit über 300 „Unit-Test“-Szenarien gewährleistet kontinuierliche Bewertung und Abstimmung.

Der Reinforcement-Learning-Ansatz führt zu einem adaptiveren Positionsspiel, verbesserter Winkelabdeckung und einem Verhalten, das sich dem echten Sport natürlicher anfühlt.

Die Ergebnisse sind die lebensechtesten TW-Profis in der Geschichte von FC, die vollständig auf einer innovativen und kreativen Lösung basieren, die intern von Expert:innenteams bei EA entwickelt wurde.

Fußball-TW-Profi in grünem Trikot hechtet nach einem Ball nahe des Tors, umringt von Profis roter und schwarz-weißer Teams in einem Stadion.

„Wir haben maschinelles Lernen eingesetzt, um sie in Hunderttausenden von Spielsituationen zu trainieren und so das beste Positionsspiel zu finden, einschließlich der kleinen Mikroschritte, die Weltklasse-Torhüter:innen nutzen, um den Winkel zu verkürzen.“

Da geht noch was

Die Einführung von durch Reinforcement Learning gesteuertem TW-Positionsspiel in EA SPORTS FC 26 ist mehr als ein einzelnes System-Upgrade; sie spiegelt eine Evolution wider, wie Gameplay in der Produktion entwickelt, trainiert und verfeinert werden kann.

Durch die Kombination von maschinellem Lernen mit einem designerzentrierten Framework können Teams schneller iterieren, kontinuierlich validieren und menschenähnlicheres Verhalten direkt in die Spielerlebnisse einbringen.

Für Spieler:innen bedeutet das intelligentere Reaktionen, besseres Stellungsspiel und Momente, die sich näher am echten Sport anfühlen. Für Entwickler:innen signalisiert es einen skalierbaren Ansatz für die Anwendung von maschinellem Lernen auf Weisen, die praktisch, messbar und für die Live-Produktion geeignet sind.

Und für EA SPORTS FC bedeutet es einen weiteren Schritt nach vorn bei der Bereitstellung authentischerer und fesselnderer Fußballerlebnisse.


Weitere erstaunliche EA-Geschichten findest du unter ea.com/de-de/news.

Ähnliche Artikel

EA beim GDC Festival of Gaming 2026

Electronic Arts Inc.
12.03.2026
Electronic Arts kehrt zum GDC Festival of Gaming 2026 zurück, um Einblicke in KI, Spielentwicklung und die Zukunft der interaktiven Unterhaltung zu teilen.

Wir schaffen positive Videospielumgebungen, in denen sich alle willkommen f…

Electronic Arts Inc.
27.02.2026
EA hat heute seinen Transparenzbericht 2025 veröffentlicht, der unsere Arbeit hervorhebt, positive Videospielumgebungen zu schaffen, in denen sich alle willkommen fühlen.

Drini gewinnt den Madden Bowl 2026 in San Francisco.

Electronic Arts Inc.
11.02.2026
Die Madden Championship Series endete im EA-Hauptquartier, wo Drini den Madden Bowl-Titel und einen Preis von 250.000 $ gewann.