# Turing-CAPTCHAs: Wenn KI Geometrie versteht – und trotzdem den falschen Körper erzeugt
Manchmal entsteht ein interessanter KI-Test nicht dadurch, dass man gezielt nach einer Schwachstelle sucht. Man möchte eigentlich nur ein Problem lösen – und stellt irgendwann fest, dass das wiederholte Scheitern selbst interessanter geworden ist als die ursprüngliche Aufgabe.
Genau das ist mir bei einer zunächst unscheinbaren geometrischen Beschreibung passiert.
Ausgangspunkt war ein einfacher dreidimensionaler Körper. Nichts, was nach einer besonderen Herausforderung für ein modernes multimodales KI-System aussieht. Doch mehrere Versuche führten zu einem bemerkenswert stabilen Muster: Die KI konnte die zugrunde liegende Geometrie irgendwann mathematisch korrekt beschreiben – erzeugte visuell aber weiterhin einen anderen Körper.
Das brachte mich auf eine Frage:
**Habe ich hier möglicherweise eine Klasse von „Turing-CAPTCHAs“ gefunden – Aufgaben, die für Menschen geometrisch unmittelbar verständlich sind, bei generativen KI-Systemen aber eine grundlegende Grenze zwischen symbolischem Verständnis und konsistenter räumlicher Konstruktion sichtbar machen?**
## Alles begann mit einem geometrischen Missverständnis
Der gesuchte Körper lässt sich aus zwei sehr vertrauten geometrischen Objekten konstruieren: einem massiven Zylinder und einem massiven dreieckigen Prisma.
Entscheidend ist die Operation zwischen ihnen:
**Gesucht ist ausschließlich das Volumen, das beiden Körpern gemeinsam ist.**
Formal also eine Boolesche Schnittmenge:
K = Z ∩ P
Für einen passend normierten Körper lässt sich dieselbe Geometrie außerdem als Punktmenge formulieren:
K = {(x,y,z): x²+y²≤1, 0≤z≤2−2|x|}
Die Grundfläche ist kreisförmig. Nach oben wird der Körper durch zwei gegeneinander geneigte Ebenen begrenzt, die sich entlang eines geraden horizontalen Firstes treffen. An den Enden in x-Richtung laufen diese Ebenen bis zur Grundfläche herunter.
Das klingt zunächst vielleicht abstrakt. In einem CAD-Programm ist die Konstruktion jedoch ausgesprochen elementar: Zylinder, dreieckiges Prisma, Schnittmenge.
Und genau hier begann das eigentliche Experiment.
## Der erste Verdacht: Vielleicht war meine Beschreibung einfach schlecht
Wenn ein KI-System eine geometrische Beschreibung falsch visualisiert, ist die naheliegendste Erklärung zunächst der Prompt.
Vielleicht war „halbieren“ missverständlich. Vielleicht wurde die Orientierung der Schnittebenen nicht deutlich genug. Vielleicht erzeugte eine sprachliche Analogie eine falsche Assoziation.
Das wäre nicht besonders überraschend. Natürliche Sprache ist mehrdeutig.
Deshalb wurde die Beschreibung schrittweise präzisiert. Doch das Problem blieb bestehen.
Besonders interessant wurde es, als derselbe Versuch in einem temporären Chat ohne den vorherigen Gesprächskontext wiederholt wurde. Auch dort entstanden falsche Visualisierungen. Damit wurde die Erklärung schwieriger, dass lediglich ein früher semantischer Fehlstart den weiteren Dialog in die falsche Richtung gelenkt hatte.
## Die Mathematik stimmt – das Bild trotzdem nicht
Der entscheidende Moment kam, als das System die Geometrie mathematisch korrekt formulierte.
Es konnte die Begrenzung 0≤z≤2R−2|x| angeben und daraus die beiden Ebenen sowie ihre gemeinsame Firstlinie ableiten.
Damit war zumindest auf der symbolischen Ebene etwas Bemerkenswertes passiert: **Die Geometrie war korrekt repräsentiert.**
Trotzdem erzeugte die Bilddarstellung weiterhin einen anderen Körper.
Anstelle des gewünschten Körpers erschien beispielsweise etwas, das eher wie ein zylindrischer Sockel mit einem dachartigen Aufbau wirkte. Die im Prompt enthaltenen geometrischen Konzepte waren erkennbar – Zylinder, geneigte Flächen, First –, aber sie wurden zu einem vertrauteren, geometrisch falschen Objekt zusammengesetzt.
Das Problem schien damit nicht mehr einfach bei der Übersetzung von Sprache in Mathematik zu liegen. Es entstand vielmehr der Verdacht auf eine Trennung zwischen zwei Fähigkeiten: **symbolisch korrekte Geometrie** und **bildgenerative räumliche Konstruktion**.
## Drei Repräsentationen desselben Körpers
Um die Erklärung „schlechter Prompt“ weiter zu testen, lässt sich dieselbe Form auf unterschiedliche Arten spezifizieren: verbal-geometrisch, mathematisch als Punktmenge und konstruktiv als Boolesche CAD-Operation.
Gerade die dritte Variante sollte eigentlich besonders eindeutig sein.
Die Anweisung wurde auf eine elementare Operation reduziert: Nimm einen massiven Zylinder und ein massives dreieckiges Prisma. Behalte ausschließlich das Volumen, das beiden Körpern gemeinsam ist.
Also: K = Z ∩ P.
Zusätzlich wurde ausdrücklich klargestellt, was nicht geschehen sollte: keine Subtraktion, kein Hohlraum, keine Darstellung der ursprünglichen Einzelkörper, sondern ausschließlich das gemeinsame Volumen.
Und wieder entstand nicht der erwartete Körper.
## Die KI scheint „Intersection“ zu kennen, ohne sie auszuführen
Gerade dieser Versuch war aufschlussreich.
Das generierte Bild deutete darauf hin, dass sowohl der Zylinder als auch das Dreiecksprisma als Konzepte erkannt worden waren. Aber die Boolesche Operation wurde offenbar nicht wie in einem CAD-System geometrisch ausgeführt.
Stattdessen entstand eine visuelle Synthese der genannten Formen.
Das System scheint nicht einfach völlig zufällig zu zeichnen. Es verarbeitet relevante Bestandteile der Aufgabe. Aber es erzwingt ihre **globale geometrische Konsistenz** offenbar nicht zuverlässig.
## Lokale Plausibilität ist nicht globale Konsistenz
Das System kann lokale Konzepte offenbar sinnvoll verarbeiten: „Zylinder“ wird verstanden. „Dreiecksprisma“ wird verstanden. „Zwei geneigte Ebenen“ wird verstanden. Selbst „Intersection“ wird sprachlich verstanden.
Das Problem entsteht bei der Forderung, **alle diese Bedingungen gleichzeitig in einem einzigen konsistenten dreidimensionalen Objekt zu erfüllen**.
Ein generatives Modell kann ein Bild erzeugen, das auf den ersten Blick hervorragend zu den einzelnen Begriffen eines Prompts passt – und dennoch ein Objekt darstellen, das die gemeinsam definierten Bedingungen nicht erfüllt.
**Visuelle Plausibilität ist nicht dasselbe wie geometrische Wahrheit.**
## Von der Fehlersuche zum Fähigkeitstest
Im Verlauf des Experiments entstand eine kleine Fehler-Taxonomie:
**Sprache → Geometrie:** zunächst fehlerhaft, später erfolgreich.
**Gleichungen → Geometrie:** symbolisch offenbar korrekt, visuelle Darstellung falsch.
**CSG → Geometrie:** Boolesche Operation sprachlich korrekt beschrieben, visuelles Ergebnis falsch.
**Projektionen → Geometrie:** einzelne Ansichten beziehungsweise Anforderungen können erfasst werden, ohne dass daraus zuverlässig derselbe globale Körper entsteht.
Der gemeinsame Nenner könnte deshalb weniger ein allgemeines „schlechtes räumliches Vorstellungsvermögen“ sein. Interessanter ist eine andere Hypothese:
**Das System hat Schwierigkeiten, Constraints über verschiedene Repräsentationsebenen hinweg global zu erhalten.**
## Ist das ein Turing-CAPTCHA?
Ein klassisches CAPTCHA soll eine Aufgabe bereitstellen, die Menschen lösen können, Maschinen aber nicht zuverlässig.
Der hier beobachtete Effekt wäre etwas anders. Deshalb ist „Turing-CAPTCHA“ zunächst eher ein Arbeitstitel für eine mögliche Klasse von Fähigkeitstests als die Behauptung, bereits ein neues CAPTCHA-Verfahren entwickelt zu haben.
Die zentrale Frage wäre:
**Kann ein KI-System eine intern konsistente räumliche Welt konstruieren, anstatt lediglich eine statistisch plausible Darstellung ihrer Bestandteile zu erzeugen?**
## Der eigentliche Test wäre viel größer als dieser eine Körper
Besonders spannend wird die Idee, wenn man sie nicht als einzelnen Prompt betrachtet, sondern als automatisch erzeugbare Aufgabenklasse.
Aus geometrischen Grundkörpern könnten immer neue Kombinationen konstruiert werden: A∩B, A−B, A∩(B−C), (A∪B)−C und viele weitere.
Daraus ließen sich beispielsweise mehrere orthogonale Ansichten erzeugen und anschließend verschiedene perspektivische Darstellungen zur Auswahl stellen.
Die Aufgabe wäre dann nicht mehr: **„Kannst du dieses konkrete Objekt erkennen?“**
Sondern: **„Kannst du mehrere exakt definierte räumliche Bedingungen zu demselben konsistenten Objekt zusammensetzen?“**
## Und vielleicht ist Geometrie nur der Anfang
Die grundlegende Idee muss nicht auf dreidimensionale Körper beschränkt bleiben.
Ähnliche Tests wären überall dort denkbar, wo viele einfache lokale Bedingungen nur dann zur richtigen Lösung führen, wenn sie gleichzeitig in einem gemeinsamen Modell gelten: Mechanismen, Knoten, Faltungen, elektrische Schaltungen oder einfache Kinematik.
Das gemeinsame Prinzip wäre immer dasselbe: Die Einzelbedingungen sind nicht besonders schwierig. Schwierig ist ihre **gleichzeitige Erhaltung**.
Damit würde nicht primär Faktenwissen getestet. Auch sprachliche Eloquenz wäre zweitrangig. Entscheidend wäre die Fähigkeit, aus mehreren Constraints ein konsistentes internes Modell zu bilden und dessen Konsequenzen korrekt abzuleiten.
## Warum mich dieser Fehlschlag mehr interessiert als eine erfolgreiche Antwort
Der besondere Reiz dieses Experiments liegt für mich darin, dass der Test ursprünglich gar nicht als KI-Falle gedacht war.
Ich wollte einen Körper beschreiben.
Erst das wiederholte und strukturell ähnliche Scheitern machte die zugrunde liegende Frage sichtbar. Die verschiedenen Darstellungen wurden immer eindeutiger, während die generierten Ergebnisse weiterhin auf vertrautere, aber falsche Formen zurückfielen.
Das ist noch kein Beweis für eine allgemeine Grenze multimodaler KI. Dafür wären systematische Tests mit unterschiedlichen Modellen, vielen automatisch erzeugten Körpern und klar definierten Bewertungskriterien nötig.
Aber genau darin könnte der nächste Schritt liegen.
Aus einem missglückten Versuch zur Beschreibung eines geometrischen Körpers ist eine wesentlich interessantere Forschungsfrage entstanden:
**Wie testen wir, ob eine KI die Bedingungen einer Welt tatsächlich gemeinsam erfüllt – und nicht nur ein überzeugendes Bild davon erzeugt?**
Vielleicht sind „Turing-CAPTCHAs“ dafür nicht die endgültige Bezeichnung. Aber als Idee für eine neue Klasse adversarialer Fähigkeitstests scheint mir die Frage ausgesprochen spannend.
Ergänzung: Der Artikel wurde mit KI (Chatgpt, Custom-GPT) erstellt. Der Dialog kann hier gelesen werden.
Und der Körper, an dem das LLM scheiterte.
