Rätsel und Spiele begleiten die KI-Forschung seit ihren Anfängen: Der Begriff „Machine Learning" wurde bereits 1959 durch den IBM-Informatiker Arthur Samuel geprägt, der seine Algorithmen am Damespiel erprobte. MIT Technology Review greift diese Tradition auf und präsentiert eine Sammlung von Puzzles und Tests, an denen aktuelle Sprachmodelle trotz beeindruckender Allgemeinleistung noch regelmäßig scheitern. Der Artikel nutzt diese Schwachstellen als Spiegel für die Grenzen heutiger KI-Architekturen – etwa bei räumlichem Denken, logischer Tiefensuche oder kontraintuitiven Alltagsaufgaben. Gleichzeitig lädt die Redaktion Leserinnen und Leser ein, dieselben Tests selbst auszuprobieren und ihre Ergebnisse mit denen der Modelle zu vergleichen. Die ausgewählten Rätsel funktionieren damit als informelle Benchmarks, die ohne aufwendige Evaluierungsinfrastruktur blinde Flecken von Modellen aufdecken können. Der historische Bogen von Samuel bis zu modernen Large Language Models verdeutlicht, dass das Messen maschineller Intelligenz an Spielen ein Dauerthema der Disziplin ist – und dass trotz aller Fortschritte weiterhin klare Lücken bestehen.