Wie Wolf Games mit der Gemini API täglich immersive Krimis erstellt

Die Nachfrage nach neuen, ansprechenden Gaming-Inhalten ist ungebrochen. Für Wolf Games, ein innovatives Startup, bedeutet das, dass die Spieler täglich neue, interaktive Krimis erhalten. Sie erreichen dieses ehrgeizige Ziel, indem sie die Leistungsfähigkeit der Gemini API nutzen, insbesondere Gemini 2.0 Flash und Gemini 2.0 Flash Thinking, um komplexe Erzählungen in einem noch nie dagewesenen Umfang zu generieren.

Wolf Games richtet sich an mobile Gamer und Mystery-Fans, die sich täglich neuen Herausforderungen stellen möchten. Die App bietet jeden Tag realistische Tatorte mit Polizeiberichten, Fotos, Interviews und dynamischen Charakteren, sodass die Spieler regelmäßig in neue ungelöste Fälle eintauchen können.

Um diese tägliche Kadenz aufrechtzuerhalten, sind Geschwindigkeit und Genauigkeit bei der Inhaltserstellung erforderlich. Vor der Integration der Gemini API hatte Wolf Games mit früheren Modellen zu kämpfen, die Schwierigkeiten mit einer konsistenten strukturierten Ausgabe hatten (nur 80% Erfolg) und langsame Ausführungszeiten für Prompts aufwiesen (bis zu sechs Minuten).

„Wir nutzen die Gemini API in unserem DAG für die Ausführung von Prompts, um neuartige und fesselnde Krimis zu generieren“, erklärt Noah Rosenberg, Mitbegründer und CTO. „Unser Prozess orchestriert zahlreiche fein abgestimmte Prompts, um strukturierte Inhalte aus einem von Natur aus unstrukturierten Prozess zu generieren – der Erstellung von Narrativen.“

Das Herzstück der Lösung von Wolf Games ist das interne Tool „Prompt Composer“, mit dem der DAG für die Ausführung von Prompts verwaltet wird. Dieses Framework ermöglicht es ihnen, Funktionsaufrufe zu integrieren, benutzerdefinierte Python-Skripts für Logik wie das Sicherstellen eindeutiger Namen auszuführen und den Status während des gesamten Generierungsprozesses zu verwalten. Dadurch können sie Folgendes tun:

• Sie können ganz einfach zwischen verschiedenen Modellen wechseln, darunter Gemini 2.5 Pro, Gemini 2.0 Flash und Gemini 2.0 Flash Thinking.
• Verwenden Sie Retrieval-Augmented Generation (RAG), indem Sie alle generierten Inhalte wie Hintergrundgeschichten von Charakteren und Fallereignisse in einer persistenten Datenbank speichern, um die narrative Kohäsion zu gewährleisten. So kann beispielsweise beim Generieren eines digitalen Kontoauszugs auf ein bayessches kausales Diagramm von Ereignissen verwiesen werden, in dem logische Abhängigkeiten im Narrativ abgebildet sind, um Genauigkeit und Konsistenz zu gewährleisten.
• Erzwingen Sie eine strukturierte Ausgabe, insbesondere JSON, die dann mit Tools wie Pydantic validiert wird, um die Zuverlässigkeit nachgelagerter Prozesse zu gewährleisten.

Wolf Games nutzt Gemini 2.0 Flash Thinking für die komplexe Textgenerierung mit großen Kontextfenstern (über 100.000 Tokens) und Ausgaben. So werden Arbeitsabläufe konsolidiert, für die zuvor zahlreiche Schritte erforderlich waren. Sie finden Gemini 2.0 Flash „unglaublich leistungsstark und zuverlässig“ für schnellere Aufgaben und verwenden häufig Gemini 2.5 Pro, um Few-Shot-Beispiele zu generieren, die die Leistung von Gemini 2.0 Flash verbessern.

Ein wichtiges Tool in ihrem Workflow ist Google AI Studio. „Google AI Studio ist zu meinem am häufigsten verwendeten Google-Produkt geworden und hat in der täglichen Nutzung sogar Gmail, Google Kalender und die Google Suche übertroffen“, sagt Noah und unterstreicht damit den Wert des Tools für das Testen von Prompts.

Die Migration zu den Gemini-Modellen hat zu bemerkenswerten Verbesserungen geführt:

• Höhere Genauigkeit: Die Erfolgsraten bei der Ausführung von Prompts stiegen von 80% auf 96%, was für hochwertige, strukturierte Inhalte sorgt.
• Geringere Latenz: Die Zeit, die für die Vervollständigung von Prompts benötigt wird, ist für die meisten Prompts von mehreren Minuten auf unter 20 Sekunden gesunken.
• Optimierte Inhaltsproduktion: Die Geschwindigkeit und Zuverlässigkeit der Gemini-Modelle, insbesondere von Gemini 2.0 Flash, haben die Fähigkeit, täglich detaillierte Kriminalgeschichten zu produzieren, erheblich verbessert.

„Die Gemini-Modelle erfüllen direkt unseren Bedarf an einer schnellen und zuverlässigen Generierung strukturierter narrativer Inhalte“, betont Noah. Ein wichtiger Schwellenwert für Wolf Games ist, dass Text schneller generiert wird, als die Autoren ihn lesen können, damit ihr kreativer Flow erhalten bleibt. Das haben die Gemini-Modelle immer wieder ermöglicht.

Wolf Games plant, die Gemini API noch stärker zu nutzen und insbesondere das kreative Potenzial kommender Modelle zu erforschen, um noch realistischere Spielbeweise zu generieren. Noah hat folgende Tipps für Entwickler:

„Nehmen Sie sich die Zeit, um wirklich zu verstehen, wie Sie Prompts für die Gemini-Modelle strukturieren müssen. Verwenden Sie leistungsstärkere Modelle, um die Prompts für die schnelleren Modelle zu erstellen.“ Er betont die Bedeutung von gut strukturierten Schemas und Few-Shot-Beispielen und empfiehlt Entwicklern, „Tests durchzuführen, um ein Gefühl dafür zu bekommen, wie die Gemini-Modelle die im latenten Raum codierten Daten nutzen“.

Für Noah ist KI ein leistungsstarker kreativer Katalysator: „Ich war schon immer ein ‚Inhalts-Tölpel‘… Dank KI kann ich jetzt alles erstellen, was ich mir nur vorstellen kann, ohne mich dabei abzumühen.“

Die innovative Nutzung der Gemini API durch Wolf Games zeigt das Potenzial, die Spieleentwicklung zu revolutionieren und Entwicklern zu ermöglichen, immersive Erlebnisse in einem noch nie dagewesenen Tempo zu schaffen.

In Google AI Studio können Sie loslegen und in der Gemini API-Dokumentation finden Sie alles, was Sie für die Entwicklung der Zukunft der KI benötigen.