AI wargaming vs handmatig Kriegsspiel: wanneer wat gebruiken

Elke defensieorganisatie die wargames uitvoert, staat uiteindelijk voor dezelfde beslissing: voeren we een gefaciliteerde, door mensen geleide tafelsessie uit, of laten we het scenario door een softwareplatform verwerken dat uitkomsten automatisch beoordeelt? Het framen van deze keuze als binair — oud versus nieuw, handmatig versus digitaal — miskent waar beide formats daadwerkelijk op zijn geoptimaliseerd. Kriegsspiel en AI-ondersteunde wargaming zijn geen concurrerende producten. Het zijn instrumenten voor verschillende problemen, en het kiezen van het verkeerde instrument voor het verkeerde probleem verspilt de meest schaarse bron die een militaire organisatie heeft: de tijd van de mensen in de zaal.

Dit artikel onderzoekt beide formats met voldoende technische specificiteit om een echte aanbestedings- of programmabeslissing te ondersteunen. Het behandelt wat elke aanpak goed doet, waar elke aanpak tekortschiet, hoe hybride architecturen de kloof overbruggen en hoe het format op de toepassing wordt afgestemd. Het put uit de bredere literatuur over wargaming in doctrineontw ikkeling en uit de huidige praktijk van AI-ondersteunde militaire simulatie.

Een beknopte geschiedenis van Kriegsspiel

Het woord Kriegsspiel — Duits voor oorlogsspel — verwijst sinds 1811 naar een specifieke methode, toen Georg von Reisswitz en zijn zoon een op bordspel gebaseerd simulatiesysteem voor het Pruisische leger ontwikkelden. De jongere Reisswitz presenteerde een verfijnde versie aan de Pruisische Generale Staf in 1824. De gerapporteerde reactie van Stafchef Karl von Müffling — "dit is geen spel, dit is training voor de oorlog" — legt precies uit waarom het format zich snel verspreidde door Europese en uiteindelijk mondiale militaire instellingen.

De kernarchitectuur van het originele Kriegsspiel is nog steeds herkenbaar in moderne tabletop-wargaming. Een kaart stelt het operatiegebied voor, doorgaans op een schaal die zinvolle tactische besluitvorming mogelijk maakt. Fysieke stukken vertegenwoordigen militaire eenheden. Spelers geven orders schriftelijk door, waarbij de wrijving en vertraging van een echt commando worden gehandhaafd. Een menselijke scheidsrechter — de Schiedsrichter — beoordeelt de uitkomsten van gevecht en beweging, met gebruik van dobbelstenen en referentietabellen maar met behoud van autoriteit om resultaten te overstijgen die het gezond verstand of operationele realiteiten die de tabellen niet kunnen vastleggen, geweld aandoen.

De scheidsrechter is het mechanisme dat Kriegsspiel als trainingsinstrument laat werken. Omdat de scheidsrechter een vakexpert is die oordeel kan vellen, kan het spel situaties aan die geen regelset voorziet. Een speler die een onverwachte route door terrein vindt, een nieuwe toepassing van een ondersteunend middel improviseert, of de scheidsrechter ervan overtuigt dat hun misleidingsoperatie de tegenstander daadwerkelijk zou misleiden — dit alles kan worden gehonoreerd, beloond en vervolgens besproken in de nabespreking. De scheidsrechter is in wezen een menselijke beoordelingsengine die vanuit eerste principes kan redeneren.

Wat handmatig Kriegsspiel goed doet

De sterke punten van handmatig Kriegsspiel hangen direct samen met wat de scheidsrechter mogelijk maakt. Het belangrijkste is de omgang met echte ambiguïteit. Militaire besluitvorming wordt gekenmerkt door onvolledige informatie, tegenstrijdige rapporten en de noodzaak om te handelen voordat alle feiten bekend zijn. Een ervaren scheidsrechter kan deze oorlogsmist simuleren op manieren die authentiek aanvoelen — informatie achterhouden, valse rapporten introduceren, spelers toestaan inlichtingenproducten op te vragen met wisselende betrouwbaarheid. Het resultaat is een trainingsomgeving waarin deelnemers beslissingen moeten nemen onder omstandigheden die de operationele werkelijkheid dicht benaderen.

Handmatig Kriegsspiel blinkt ook uit in vrij spel. Spelers zijn niet beperkt tot een menu van beschikbare acties of een vooraf gedefinieerde actieruimte. Een commandant kan elke actie voorstellen die hij in het formaat van militaire orders kan beschrijven; de scheidsrechter beslist wat er gebeurt. Deze vrijheid is trainingsessentieel voor de ontwikkeling van senior leiders. Het punt van de oefening is niet om een software-interface in te vullen — het is om het mentale proces van operationele besluitvorming, commandoteaminteractie en kalibratie van risicotolerantie te oefenen. Elk format dat de actieruimte beperkt, beperkt de trainingswaarde.

De kwaliteit van de beraadslaging in een goed geleide Kriegsspiel-sessie is ook onderscheidend. Omdat het spel langzaam verloopt — de scheidsrechterbeoordeling van een enkel gevecht kan enkele minuten duren — is er tijd voor discussie, onenigheid en herziening van beoordelingen. Dit is geen fout; het is het kernmechanisme waardoor senior leiders lessen internaliseren. De beraadslaging is de training, niet het obstakel voor de training.

De knelpunten zijn even duidelijk. Handmatig Kriegsspiel is traag, waarbij uren of dagen nodig zijn om scenario's te doorlopen die AI-systemen in seconden oplossen. Het is scheidsrechterafhankelijk op een manier die inconsistentie tussen evenementen veroorzaakt — hetzelfde scenario dat door twee verschillende scheidsrechterteams wordt geleid, levert verschillende ervaringen op, soms onvergelijkbaar verschillende. En het schaalt niet: het uitvoeren van een dozijn gelijktijdige Kriegsspiel-sessies vereist een dozijn ervaren scheidsrechterteams, wat geen bron is die de meeste organisaties kunnen volhouden.

Wat AI wargaming toevoegt

AI-ondersteunde wargaming pakt precies de knelpunten aan die Kriegsspiel beperken. De meest fundamentele bijdrage is consistente beoordeling op snelheid. Een softwarebeoordelingsengine past hetzelfde gevechtsmodel elke keer toe, bij elk gevecht, zonder vermoeidheid, inconsistentie of de interpersoonlijke dynamiek die scheidsrechters soms ertoe brengt uitkomsten af te zwakken die ongemakkelijk zijn voor senior deelnemers. Als het model zegt dat een strijdmacht onder gevechtsdoeltreffendheid is geattriteerd, is deze geattriteerd — ongeacht de rang in de zaal.

Snelheid maakt een mogelijkheid mogelijk die handmatige wargaming niet kan bieden: statistische analyse over vele runs. Een enkele Kriegsspiel-sessie levert één datapunt op — één verhaal over hoe het gevecht verliep onder één reeks beslissingen. Een AI-wargamingplatform kan hetzelfde scenario honderden of duizenden keren 's nachts uitvoeren, met variatie in vijandelijke handelwijzen, beginomstandigheden en willekeurige zaden, en een kansverdeling over uitkomsten produceren. Dit is geen marginale verbetering; het is een kwalitatief andere analytische mogelijkheid.

Voor grootschalige strijdkrachtsimulatie — brigade, divisie en daarboven — wordt handmatige wargaming steeds omslachtiger. Het aantal eenheden, de gelijktijdigheid van gevechten over het operatiegebied en de logistieke complexiteit gaan eenvoudigweg voorbij wat een menselijk scheidsrechterteam in realtime kan bijhouden. AI-ondersteunde platforms gaan met deze schalen vanzelfsprekend om, met beoordelingsengines die tegelijkertijd honderden gevechten over de kaart oplossen en logistieke modellen die voorraadbeheer en -verdeling parallel aan het gevecht bijhouden.

Staftraining op schaal is een andere AI-wargamingsterkte die Kriegsspiel niet kan evenaren. Wanneer het trainingspubliek een bataljonsstaf is die de strijdritme van plannen, briefen en besluitvorming moet oefenen, hebt u een engine nodig die realistisch problemen continu en in een tempo produceert dat overeenkomt met de trainingsdoelen. Een menselijk scheidsrechterteam dat een staftraining op bataljonsniveau beheert, beheert een veel hogere cognitieve belasting dan een Kriegsspiel-sessie op compagniesniveau — AI-beoordeling vermindert die belasting en stelt het scheidsrechterteam in staat zich te concentreren op observatie en coaching in plaats van mechanismen.

Waar AI wargaming nog steeds tekortschiet

De beperkingen van AI wargaming zijn reëel en zijn niet eenvoudig technische problemen die wachten op een software-update. De diepste beperking is de omgang met echte nieuwheid. Een AI-beoordelingsengine is een model van gevecht op basis van historische gegevens, doctrine en technische oordelen over wapeneffecten en eenheidsmogelijkheden. Het beoordeelt correct binnen de envelop van wat het was getraind of geconfigureerd om te behandelen. Een nieuw operationeel concept — een nieuwe toepassing van een onbemand systeem, een ongeteste elektronische oorlogstechniek, een gecombineerde-wapensbenadering zonder historisch analogon — valt buiten die envelop, en de engine zal ofwel stilzwijgend falen (een resultaat produceren op basis van het verkeerde sjabloon) of de actie als niet-beoordeelbaar markeren.

Menselijke creativiteit en onverwacht gedrag vormen een verwante uitdaging. Ervaren spelers vinden snel de randen van het model van een simulatie en benutten deze — niet om het systeem kwaadwillig te manipuleren, maar omdat slim militair denken van nature op zoek gaat naar onconventionele benaderingen. Als de simulatie een nieuwe misleidingsoperatie op dezelfde manier beoordeelt als een conventionele frontale aanpak, heeft zij nagelaten een kernmilitaire mogelijkheid te modelleren, en ervaren spelers zullen het vertrouwen in de resultaten verliezen. Een menselijke scheidsrechter die geconfronteerd wordt met dezelfde misleidingsoperatie kan over de aannemelijkheid ervan redeneren en deze passend belonen of bestraffen.

Strategische ambiguïteit — de politieke, coalitie- en informatieomgeving die militaire operaties vormt — is consequent ondergemodelleerd in AI-wargamingplatforms. De meeste platforms richten zich op het operationele en tactische niveau waar gevechtstechnieken hanteerbaar zijn. De strategische context die bepaalt welke doelen haalbaar zijn, welke coalitiepartners zullen samenwerken en hoe politieke beperkingen militaire opties vormen, wordt doorgaans behandeld via scenarionts-ontwerp en menselijke facilitering, niet via AI-beoordeling. Een wargame die een tactisch succesvolle uitkomst oplevert binnen een strategisch onmogelijk scenario, heeft misleidende resultaten geproduceerd.

Hybride benaderingen: de praktische stand van zaken

De meest effectieve huidige praktijk voor complexe wargamingprogramma's is een hybride architectuur die werk toewijst aan het format dat er het meest geschikt voor is. De taakverdeling is ruwweg: AI behandelt strijdkrachtsresolutie, mensen behandelen wrijving.

Concreet betekent dit dat de AI-beoordelingsengine eigenaar is van gevechtstechnieken — attritie, bewegingssnelheden, logistiekverbruik, elektronische oorlogseffecten, sensordetectie — en continue updates van de simulatiestatus produceert. Menselijke scheidsrechters zijn eigenaar van de beslissingsknooppunten op hoog niveau: de beslissing van een commandant om de reserve in te zetten, een verrassend inlichtingenrapport dat het operationele beeld verandert, de onverwachte weigering van een coalitiepartner om vuursteun te leveren. Het scheidsrechterteam bewaakt de AI-output en grijpt in wanneer de situatie menselijk oordeel vereist, niet bij elke stap.

Deze architectuur behoudt de meest waardevolle functie van de menselijke scheidsrechter — het vermogen om wrijving, verrassing en oordeel te injecteren op de momenten die het meest tellen voor de training — terwijl de scheidsrechter wordt verwijderd als knelpunt voor routinematige mechanismen. Het stelt ook een kleinere, minder ervaren scheidsrechterteam in staat een complexere oefening te leiden, omdat de cognitieve middelen van het team zijn geconcentreerd op hoogwaardige interventies in plaats van verspreid over elke gevechtresolutieberekening.

Toepassingsmatching: een praktische gids

Besluitvormingsseminars voor senior leiders

Voor een tweedaags evenement met een brigade- of divisiecommandant en hun sleutelpersoneel is het trainingsdoel doorgaans de kwaliteit van het besluitvormingsproces — hoe de commandant commandogezag uitoefent, hoe de staf interageert onder druk, hoe risicotolerantie wordt gecommuniceerd en erop wordt gehandeld. Dit is het klassieke Kriegsspiel-terrein. De traagheid van het format is een voordeel, geen nadeel, omdat de beraadslaging de training is. Één zorgvuldig ontworpen Kriegsspiel-scenario, goed geleid door een scheidsrechter, zal meer blijvende gedragsverandering bij een senior leider teweegbrengen dan tien AI-wargamingruns.

Staftraining en herhalingen van oefeningen

Wanneer het trainingspubliek een bataljon- of brigadestaf is en het doel is procedurele competentie op te bouwen — de strijdritme van plannen-naar-orders, het vermogen van de staf om inlichtingen te verwerken en te presenteren, de snelheid en nauwkeurigheid van doelcycli — is AI wargaming het juiste format. De staf heeft volume nodig: veel problemen, veel beslissingen, snelle feedback over of het proces de juiste output heeft geproduceerd. AI-beoordeling biedt dit in een tempo dat handmatig leiden niet kan volhouden over een meerdaagse trainingscyclus.

Concepttesten en eisenanalyse

Wanneer de vraag analytisch is in plaats van educatief — overtreft concept X concept Y over een reeks vijandelijke acties? — is AI wargaming verplicht. Statistische zekerheid vereist meerdere runs, en meerdere runs vereisen geautomatiseerde beoordeling. Handmatig Kriegsspiel kan de steekproefomvang die nodig is om capaciteitsontwikkelingsbeslissingen te ondersteunen niet produceren, en elke poging om het daarvoor te gebruiken produceert de schijn van analytische strengheid zonder de substantie.

Nieuwe doctrine en opkomende capaciteiten

Wanneer het te testen concept nieuw genoeg is dat geen enkel bestaand AI-model het met vertrouwen kan beoordelen, is een door mensen geleide format de enige levensvatbare optie. Dit is geen kritiek op AI wargaming — het is een structurele realiteit van elk modelgebaseerd systeem. Proberen werkelijk nieuwe doctrine te testen in een AI-platform dat geen model heeft voor de relevante capaciteiten, levert resultaten op die de aannames van het model weerspiegelen, niet het potentieel van de doctrine. Voor wargaming van multi-domeinoperaties, waarbij cross-domeineffecten nog slecht worden begrepen, geldt deze beperking voor significante delen van de actieruimte.

WARG: gebouwd voor de hybride vereiste

De hierboven beschreven hybride architectuur — AI-beoordeling voor strijdkrachtsresolutie, menselijke controle voor hoogwaardige beslissingsknooppunten — is de ontwerpfilosofie achter WARG. Het platform biedt een AI-beoordelingsengine die gevecht, logistiek en sensormechanismen snel oplost, terwijl volledige scheidsrechtercontrole over scenario-injecties, triggers voor beslissingsknooppunten en beoordelingsoverstijgingen behouden blijft. Spelers interageren via een commandointerface die de actieruimte niet beperkt tot een vooraf gedefinieerd menu; het systeem accepteert orders in gestructureerde natuurlijke taal en stuurt ze naar het juiste resolutiemechanisme. Het resultaat is een platform dat schaalt naar grote strijdkrachten en hoge herhalingssnelheden zonder het menselijk oordeel op te offeren dat van wargaming een echt trainingsinstrument maakt in plaats van een gevechtsanimatiehulpmiddel.