GOAP-Strategien: KI-Design mit Kontrolle in Unity und Flexibilität in Unreal Engine

Grundlagen der GOAP-Architektur und ihre strategische Rolle im Spieldesign

Goal-Oriented Action Planning (GOAP) ist ein leistungsfähiger Planungsalgorithmus, der aus der KI-Forschung adaptiert und für die Spieleentwicklung spezialisiert wurde, um Spielcharakteren (NPCs) die Fähigkeit zu verleihen, ihre eigenen Strategien zu entwickeln. Diese Architektur unterscheidet sich von traditionellen KI-Ansätzen wie endlichen Zustandsautomaten (FSM) oder Verhaltensbäumen (BT) mit ihren starren Ablaufdiagrammen und ermöglicht die Erschaffung von Spielwelten, in denen NPCs dynamisch basierend auf Umweltveränderungen und persönlichen Zielen Entscheidungen treffen sowie ein intuitives und komplexes Verhalten an den Tag legen. Die Grundphilosophie von GOAP besteht darin, dass ein Agent (NPC) nicht angibt, wie er sich bewegt, sondern was er erreichen möchte. Wenn der Agent typischerweise ein einfaches Ziel festlegt (wie „Essen“ oder „Holz besitzen“), findet das GOAP-System automatisch die Abfolge von Schritten, die zum Erreichen dieses Ziels erforderlich sind. Dieser Prozess beginnt mit einer Information über den „Weltzustand“, die die aktuelle Welt des Agenten beschreibt, und erzeugt einen „Plan“, der die Aktionen enthält, die schließlich zum Zielzustand führen. In diesem Abschnitt werden die Kernkomponenten, das Funktionsprinzip und die strategischen Auswirkungen der GOAP-Architektur auf das Spieldesign eingehend untersucht.

Das GOAP-System basiert auf drei Hauptkonzepten: Ziele, Aktionen und Weltzustand. Der „Weltzustand“ ist eine Datenstruktur, die den aktuellen Zustand der Spielwelt darstellt; er kann typischerweise als ein Dictionary aus Schlüssel-Wert-Paaren betrachtet werden. Beispielsweise beschreibt eine Struktur wie {"hasFood": false, "isHungry": true, "hasAxe": true} den aktuellen Zustand des NPCs. Das „Ziel“ ist der ideale Zustand, den der Agent erreichen möchte. Dieses Ziel wird auf ähnliche Weise mit einer Weltzustandsstruktur definiert; das Ziel {"hasFood": true, "isHungry": false} zielt beispielsweise darauf ab, dass der NPC einen Zustand erreicht, in dem er satt ist und Nahrung besitzt. „Aktionen“ sind Operationen, die Änderungen am Weltzustand bewirken können. Jede Aktion hat zwei wichtige Eigenschaften: „Voraussetzungen“ und „Ergebnisse“. Voraussetzungen listen die Bedingungen auf, die im Weltzustand erfüllt sein müssen, damit eine Aktion ausgeführt werden kann. Beispielsweise könnte die Voraussetzung der Aktion collectWood {"hasAxe": true, "inForest": true} lauten.

Ergebnisse hingegen definieren die Änderungen, die im Weltzustand eintreten, wenn die Aktion erfolgreich abgeschlossen wird; das Ergebnis der Aktion collectWood könnte {"hasWood": true} sein. Der GOAP-Algorithmus führt diese drei Komponenten zusammen, um ein Graphmodell zu erstellen. Die Wurzel des Graphen repräsentiert den Zielzustand. Der Algorithmus analysiert rückwärts die Aktionen, die zum Erreichen des Ziels erforderlich sind. Wenn die Ergebnisse einer Aktion einige Bedingungen des Ziels erfüllen und die Voraussetzungen der Aktion mit dem aktuellen Zustand kompatibel sind, wird diese Aktion in den Graphen aufgenommen. Dieser Prozess wird fortgesetzt, bis vom aktuellen Zustand aus der Zielzustand erreicht wird. Wenn der gefundene Pfad umgekehrt wird, offenbart er den vollständigen Plan der Aktionen, die der NPC der Reihe nach ausführen muss. Dieser Plan wird gewöhnlich mit einer erweiterten Breitensuche (BFS) oder einem A*-Algorithmus ermittelt.

Die strategischen Auswirkungen von GOAP auf das Spieldesign sind äußerst umfangreich und können das Spielererlebnis tiefgreifend beeinflussen. Der deutlichste Effekt ist die Dynamik und Intuitivität im Verhalten der NPCs. In traditionellen Systemen entspricht die Aufgabe eines NPCs, „zu essen“, lediglich einem bestimmten Funktionsaufruf oder einem statischen Flussdiagramm. Wenn jedoch GOAP verwendet wird, kann es mehrere gültige Pfade zum selben Ziel geben. Beispielsweise sind eine Aktion zum Sammeln von Himbeeren (gatherRaspberry) und eine Aktion zum Einkaufen auf dem Markt (buyFood) zwei verschiedene Aktionen, die gleichzeitig sowohl die Voraussetzungen ({...}) erfüllen als auch das Ergebnis ({hasFood: true}) liefern. Das GOAP-System bewertet diese Aktionen und wählt abhängig vom aktuellen Zustand des Agenten (z. B. ob Geld vorhanden ist oder ob der Weg zum Markt frei ist) die am besten geeignete aus. Dadurch sieht der Spieler, wie ein NPC in jedem Level unterschiedliche Strategien verfolgt, um das Ziel zu erreichen, was der Welt ein lebendigeres und glaubwürdigeres Gefühl verleiht. Anstatt passiv nur Befehlen zu folgen, können NPCs ihre eigenen Bedürfnisse basierend auf Veränderungen in ihrer Umgebung priorisieren und Lösungen generieren. Wenn beispielsweise das Ziel eines NPCs darin besteht, „an einen sicheren Ort zu gelangen“, entscheidet das GOAP-System unter Berücksichtigung des aktuellen Weltzustands (Position der Feinde, Reisezeit usw.), ob ihm ein nächstgelegenes sicheres Haus oder eine Höhle hinter dem Wald vorgeschlagen wird.

Ein weiterer wichtiger strategischer Effekt ist die Flexibilität und Iterationsgeschwindigkeit im Designprozess. Anstatt Aktionen und Ziele fest im Code zu verankern, fördert GOAP die Nutzung einer datenbasierten Struktur. Werkzeuge wie GOAP-Plugins in Unreal Engine ermöglichen es Designern, Aktionen, Voraussetzungen und Ergebnisse visuell über den Blueprint-Editor zu definieren. Auf ähnliche Weise erlauben Strukturen wie Datenobjekte oder Scriptable Objects in Unity die Speicherung dieser Informationen als externe Datendateien oder Transferobjekte. Dieser datengetriebene Ansatz macht den Entwicklungsprozess modular und kollaborativ. Designer können NPC-Verhaltensweisen testen, ausprobieren und bearbeiten, ohne darauf warten zu müssen, dass Programmierer den Code ändern. Beispielsweise kann eine mehere Voraussetzungen umfassende Bedingung wie „ein NPC, der eine Waffe trägt, um im Kampf effektiv zu sein“ als Ausdruck definiert werden, den der Designer in ein Dateneingabefeld eingibt, anstatt dass der Programmierer eine Zeile Code schreiben muss. Dies erhöht nicht nur die Prototyping-Geschwindigkeit, sondern ermöglicht auch die dynamische Aktualisierung von NPC-Verhaltensweisen während In-Game-Events (Live-Operations). Nach der Veröffentlichung eines Spiels kann durch das Ändern eines einzelnen Werts in einer Konfigurationsdatei ein NPC eine neue Aktion erhalten oder die Fehlschlagsrate einer Aktion gesenkt werden. Diese Flexibilität ist ein großer Vorteil für die Wartung und Weiterentwicklung des Spiels während seines gesamten Lebenszyklus.

Diese von GOAP gebotenen Vorteile müssen jedoch mit den Performance-Kosten abgewogen werden. Der Planungsprozess kann rechnerisch aufwendig sein, insbesondere in Situationen mit einer großen Anzahl von Aktionen, komplexen Voraussetzungen und einem großen Weltzustandsraum. Wenn die Planung eines GOAP-Agenten bei jeder kleinen Bewegung oder in jedem Frame erneuert wird, kann dieser Ressourcenverbrauch die Performance des Spiels ernsthaft beeinträchtigen. Daher besteht die richtige Anwendungspraxis von GOAP darin, das System nur bei Bedarf auszulösen. In der Regel reicht es aus, wenn der Agent die Planung neu bewertet, wenn sich sein Ziel ändert, er seinen aktuellen Plan abgeschlossen hat oder nach Ablauf eines bestimmten Zeitintervalls (z. B. alle 5 Sekunden). Dies hält die Entscheidungen des Agenten aktuell und vermeidet gleichzeitig unnötige Berechnungen. Darüber hinaus spielen optimierte Versionen von GOAP-Algorithmen und die korrekte Nutzung von Datenstrukturen (z. B. CPU-cachefreundliche Speicherverteilung) eine entscheidende Rolle bei der Verbesserung der Performance. DOTS-basierte Frameworks wie Utility Intelligence (ECS) in Unity sind Beispiele, die darauf abzielen, eine direkte Lösung für diese Performance-Probleme zu bieten.

Zusammenfassend ist GOAP ein strategisches Werkzeug, das NPC-Verhaltensweisen bereichert und Designflexibilität bietet. Um es jedoch erfolgreich zu integrieren, muss man sich der Performance-Kosten bewusst sein und die Planungsfrequenz sowie die Komplexität sorgfältig verwalten. GOAP stellt einen bedeutenden Fortschritt im Bereich des Spieldesigns dar, indem es dem Spieler ein intelligenteres, anpassungsfähigeres und glaubwürdigeres Erlebnis in der Spielwelt bietet.

GOAP in Unity-Umgebung: Technische Implementierung und Entwickler-Ökosystem

Unity bietet eine vielseitige und flexible Plattform zur Implementierung der GOAP-Architektur (Goal-Oriented Action Planning). Der Ansatz der Plattform gibt Entwicklern sowohl die Flexibilität, ein maßgeschneidertes System aufzubauen, als auch die Möglichkeit, von einem reichhaltigen Ökosystem von Drittanbieter-Paketen zu profitieren. Dies erfordert die Verfolgung unterschiedlicher Strategien in Abhängigkeit vom Projektumfang, den Fähigkeiten des Entwicklerteams und den Performance-Anforderungen. GOAP-Implementierungen in Unity decken ein breites Spektrum ab, von grundlegenden Eigenentwicklungen bis hin zu standardisierten und benutzerfreundlichen Paketen. In diesem Abschnitt werden die technischen Details der Implementierung von GOAP in der Unity-Umgebung, Entwickler-Toolkits und das bestehende Ökosystem untersucht.

Die Implementierung von GOAP von Grund auf in einem Unity-Projekt ist eine ideale Option für fortgeschrittene Entwickler, die die grundlegende Logik der Architektur unter vollständiger Kontrolle halten möchten. Dieser Ansatz wird gewöhnlich in C# umgesetzt und besteht aus mehreren Kernkomponenten. Erstens wird der "Weltzustand" typischerweise als ein Dictionary, das Schlüssel/Wert-Paare speichert, oder als eine spezielle Datenstruktur definiert. Zweitens werden Basisklassen für "Ziel" und "Aktion" erstellt. Während eine Goal-Klasse den Zielzustand definiert, hat eine Action-Klasse eine komplexere Struktur. Die Action-Klasse enthält eine Liste von Weltzustandsmustern, die als Preconditions (Vorbedingungen) bezeichnet werden, und eine Liste von Weltzustandsmustern, die als Effects (Effekte) bezeichnet werden. Vorbedingungen müssen im aktuellen Weltzustand erfüllt sein, damit die Aktion ausgeführt werden kann; Effekte geben an, wie die Aktion den Weltzustand bei erfolgreichem Abschluss verändert. Der GOAP-Planer erstellt unter Verwendung dieser Informationen einen Graphen. Der Algorithmus findet den kürzesten Pfad (d. h. den Plan mit den wenigsten Aktionen) vom aktuellen Zustand zum Zielzustand, normalerweise unter Verwendung einer Breitensuche (BFS) oder des optimierten A*-Algorithmus. Dieser Prozess erzeugt eine Liste von Schritten, die der Agent ausführen muss, um das Ziel zu erreichen. Dieser Plan wird dann verwendet, damit der Agent seine Aktionen nacheinander ausführt. Dieser maßgeschneiderte Implementierungsansatz ermöglicht es dem Entwickler, das GOAP-System vollständig an die Anforderungen des Projekts anzupassen, kann jedoch auch die Entwicklungszeit verlängern und erfordert das Management einer komplexen Architektur, die zu potenziellen Fehlern führen kann.

Die größte Stärke von Unity ist das reichhaltige und vielfältige Ökosystem an GOAP-Lösungen, das Entwicklern über den Unity Asset Store zur Verfügung steht. Diese Pakete bieten vorgefertigte, getestete und oft hochperformante Lösungen, die die Strukturierung der GOAP-Logik in Objekten erleichtern. Dank dieser Pakete können Entwickler GOAP schnell in ihre Projekte integrieren und sich auf höherwertige Spielmechaniken konzentrieren. Eine der beliebtesten und am häufigsten genannten Lösungen in diesem Ökosystem ist das von CrashKonijn entwickelte Behavior Package. Dieses Paket bietet mehrere AI-Techniken wie GOAP, Utility AI und State Machines in einem einzigen Framework. Das Goap-Paket, das GOAP-Modul des Pakets, ermöglicht es Entwicklern, die GOAP-Logik visuell im Unity Editor zu konfigurieren. Designer können Ziele, Aktionen sowie deren Vorbedingungen und Effekte als Objekte definieren und in einer Hierarchie anordnen. Weitere wichtige Lösungen sind XGOAP, CAP'N und das Ultimate AI System. Jedes dieser Pakete bietet einzigartige Funktionen, die unterschiedlichen Anforderungen gerecht werden. Beispielsweise bietet XGOAP eine flexible, mit C#7 kompatible und lizenzfrei zugängliche

Alternative, während sich CAP'N auf die Integration von GOAP-Logik mit Pathfinding-Systemen konzentriert. Punkte, auf die Entwickler bei der Auswahl dieser Pakete achten sollten, sind, dass das Paket mit der neuesten Version kompatibel ist, der Support des Entwicklers aktiv ist und seine Auswirkungen auf die Performance bekannt sind. Beispielsweise gibt es in einigen Forum-Diskussionen Meinungen zur Performance von Paketen, da bestimmte Knoten im Fall einer zyklischen Ausführung zu unnötigen Speicherallokationen führen. Daher ist es bei der Paketauswahl wichtig, Beta-Versionen (z. B. Versionen, die an zukünftigen Daten wie "Dec 12, 2025" veröffentlicht werden) sorgfältig zu testen.

Die Integration von GOAP mit einer datenorientierten Architektur (DOTS) für performanceorientierte und groß angelegte Projekte ist ein wichtiges Thema, das parallel zu Unitys zukünftiger Ausrichtung, dem Data-Oriented Technology Stack (DOTS), behandelt werden muss. DOTS ist eine Gesamarchitektur, die darauf abzielt, Daten effizienter im Speicher zu speichern und zu verarbeiten, und besteht typischerweise aus Komponenten wie dem Entity Component System (ECS) und dem Job System. Traditionelle Implementierungen von GOAP verwenden jedoch typischerweise ein Schlüssel/Wert-Dictionary-basiertes Weltzustandsmodell. Dieser Ansatz kann verhindern, dass Daten in aufeinanderfolgenden Speicherblöcken gespeichert werden, was das Ziel von ECS ist, und zu CPU-Cache-Misses führen, was einen Performance-Abfall verursacht. Diese Herausforderung verdeutlicht die Schwierigkeit, GOAP integriert mit ECS betreiben zu lassen. In diesem Zusammenhang wird das Management der Performance-Kosten der GOAP-Logik kritisch. Das von Unity selbst entwickelte Framework namens Utility Intelligence (ECS) kann als direkte Antwort auf dieses Problem gesehen werden. Dieses Framework ist ein hochperformantes KI-Framework, das auf GOAP-Prinzipien basiert, jedoch vollständig auf DOTS-Komponenten wie ECS, Job System und Burst Compiler aufbaut. Dies zeigt, dass GOAP nicht nur eine KI-Technik ist, sondern auch mit modernen, datenorientierten Spielentwicklungspraktiken in Einklang gebracht werden kann. In Diskussionen in Unity-Foren sind die Probleme, auf die Entwickler bei ihren Erfahrungen mit der GOAP-Implementierung in ECS stoßen, ebenfalls ein Beweis für diese Herausforderung. Wenn die Performance-Anforderungen des Projekts hoch sind (z. B. bei einem Strategiespiel, bei dem sich hunderte NPCs gleichzeitig bewegen), kann es daher eine bessere Strategie sein, ECS-optimierte Lösungen wie Utility Intelligence zu nutzen oder eine von Grund auf effiziente ECS-basierte GOAP-Architektur zu entwerfen.

Die Toolkits, die Entwickler zur Integration und Entwicklung eines GOAP-Systems in ein Unity-Projekt verwenden, variieren je nach Art der GOAP-Lösung. Wenn ein maßgeschneidertes GOAP-System entwickelt werden soll, schreiben, debuggen und optimieren Entwickler C#-Code in professionellen Entwicklungsumgebungen wie Visual Studio oder JetBrains Rider. In diesem Prozess muss auf Code-Lesbarkeit, Wartbarkeit und Performance geachtet werden. Bei der Verwendung standardisierter Pakete konzentriert sich der Entwicklungsprozess mehr auf die visuelle Benutzeroberfläche des Unity Editors. Pakete wie das CrashKonijn Behavior Package erleichtern die Konfiguration der GOAP-Logik, indem sie spezielle Fenster und Objekte im Unity Editor erstellen. Über diese Schnittstelle definieren Entwickler Ziele, Aktionen und Vorbedingungen und verknüpfen diese mit dem Verhaltensbaum eines Agenten. Dies bietet die Möglichkeit, KI-Verhalten mit wenig oder ohne Code-Schreiben auszuprobieren und zu bearbeiten. Darüber hinaus können Unitys integrierte Debugging-Tools (Debug.Log, Profiler) verwendet werden, um den Betrieb des GOAP-Systems zu überwachen und potenzielle Performance-Flaschenhälse zu identifizieren. Informationen darüber, wie oft die GOAP-Planung ausgeführt wird oder wie viel Zeit beim Erstellen eines Plans aufgewendet wird, sind beispielsweise entscheidend, um die Effizienz des Systems zu verstehen. Zusammenfassend bietet Unity einen flexiblen und vielschichtigen Ansatz zur Implementierung von GOAP. Entwickler können je nach den Anforderungen und Fähigkeiten ihres Projekts in einem breiten Spektrum entscheiden, von der Erstellung eines eigenen Systems bis hin zur Nutzung eines reichhaltigen Paket-Ökosystems. Insbesondere bei groß angelegten Projekten wird jedoch das sorgfältige Management der Performance-Kosten von GOAP und die Integration mit modernen Architekturen wie DOTS der Schlüssel zum Erreichen eines erfolgreichen Ergebnisses sein.

GOAP in Unreal Engine 5-Umgebung: Technische Implementierung und Entwickler-Ökosystem

Unreal Engine 5 bietet eine Plattform, die die GOAP-Architektur (Goal-Oriented Action Planning) nativ unterstützt und tief mit einer leistungsstarken datenorientierten Architektur sowie dem visuellen Programmiersystem Blueprint integriert. Der Ansatz von UE5 präsentiert GOAP wie eine „Out-of-the-Box“-Lösung und ermöglicht es insbesondere Designern, KI-Verhalten schnell zu prototypisieren und auszuprobieren. Diese Philosophie ist ein Spiegelbild der „Game Design First“-Philosophie von Unreal Engine und erleichtert die Konzentration auf Spielmechaniken unabhängig von den technischen Details von GOAP. In diesem Abschnitt werden die technischen Implementierungsdetails von GOAP in der Unreal Engine 5-Umgebung, die Blueprint- und C++-Integration, die datenorientierte Konfiguration und das bestehende Ökosystem untersucht.

Die in Unreal Engine 5 am häufigsten verwendete Methode zur Implementierung von GOAP beruht auf Plugins von Drittanbietern, die zwar keine offizielle Unterstützung von Epic Games haben, aber intensiv genutzt werden. Das bekannteste davon ist das Goal Oriented Action Planning Plugin for Unreal Engine. Dieses Plugin ermöglicht es, die Kernkomponenten des GOAP-Systems (Ziele, Aktionen, Weltzustand) als Datenstrukturen in Blueprint zu definieren. Nachdem Entwickler das Plugin zu ihren Projekten hinzugefügt haben, können sie die GOAP-Logik aufbauen, indem sie neue Blueprint-Klassen im Unreal Editor erstellen. Dieser Ansatz macht es möglich, das GOAP-System ohne das Schreiben von Code zu initialisieren und zu konfigurieren. Dennoch ist die grundlegende Logik des GOAP-Systems in C++ geschrieben, und das Plugin bietet eine Schnittstelle, um diese Grundlogik für Blueprint-Entwickler zugänglich zu machen.

Dekonstruktion des Benutzerbedarfs:

Was ist die GOAP-Architektur?

• Was ist die grundlegende Logik von GOAP?

• Was sind die Kernkomponenten (Ziel, Agent, Weltzustand, Aktion) und wie funktionieren sie?

• Wie wird die GOAP-Planung durchgeführt (z. B. erweiterte BFS oder A*-Algorithmus)?

Technische GOAP-Implementierung in Unity

• Welche Optionen hat ein Entwickler zur Implementierung von GOAP in Unity (Eigenentwicklung vs. vorgefertigte Bibliotheken)?

• Welche GOAP-Bibliotheken (Asset Store) sind verfügbar und was sind ihre Eigenschaften (z. B. CrashKonijns Behavior Package)?

• Wie funktioniert die GOAP-Integration mit Unitys DOTS/ECS-Architektur und stellt dies eine Herausforderung dar?

• Wie sehen typische C#-Codierungsstrukturen und architektonische Ansätze für GOAP in Unity aus?

Technische GOAP-Implementierung in Unreal Engine 5

• Wie steht es um das Vorhandensein oder Fehlen einer nativen GOAP-Unterstützung in Unreal Engine 5?

• Welche Plugins werden am häufigsten verwendet, um GOAP in Unreal Engine zu implementieren?

• Wie werden GOAP-Implementierungen in Unreal Engine mit Blueprint und C++ integriert?

• Wie wichtig ist eine datenorientierte Struktur (Data Tables, USTRUCTs) für GOAP in Unreal Engine und wie wird sie verwendet?

Strategische Auswirkungen auf das Spieldesign (für beide Plattformen)

• Welchen Einfluss hat GOAP auf die Dynamik und Intuitivität von NPC-Verhalten?

• Welche Rolle spielt GOAP bei der Erhöhung der Iterationsgeschwindigkeit und Flexibilität von Designern im Spieldesignprozess?

• Was sind die Performance-Kosten von GOAP-Systemen und sind diese Kosten verwaltbar?

• In welcher Beziehung kann GOAP zu anderen KI-Techniken (Behavior Trees, FSMs, Utility AI) stehen?

Vergleichende Analyse und Schlussfolgerungen

• Was sind die grundlegenden philosophischen und praktischen Unterschiede im GOAP-Ansatz zwischen Unity und Unreal Engine?

• Welche Plattform eignet sich besser für bestimmte Arten von Projekten oder Eigenschaften des Entwicklerteams?

• Worauf weist das zukünftige Potenzial der GOAP-Architektur hin (z. B. On-Device-KI-Trends)?

GOAP-Architektur: Die Reise zwischen Kontrolle in Unity und Datenorientierung in Unreal Engine 5

GOAP-Architektur: Grundlegende Konzepte und logische Struktur

Goal-Oriented Action Planning (GOAP) ist ein mächtiges KI-Planungsmodell, das es der künstlichen Intelligenz ermöglicht, ihre eigene Strategie durch Bewertung ihres aktuellen Zustands zu bestimmen, anstatt nur vordefinierten Regeln zu folgen . Dieser Ansatz bietet die Möglichkeit, Charaktere zu erschaffen, die intelligenter, intuitiver und dynamischer auf Spieler reagieren, insbesondere in komplexen und dynamischen Spielwelten. GOAP konzentriert sich nicht darauf zu bestimmen, „warum“ ein Agent (NPC) handelt, sondern „wie“ er handelt. Die grundlegende Logik basiert auf einem System, das automatisch die Schritte berechnet, die erforderlich sind, um ein Ziel zu erreichen. Wenn beispielsweise das Ziel eines Spielcharakters „Essen“ ist, erstellt das GOAP-System einen Plan, indem es die Reihenfolge der Aktionen analysiert, die zum Erreichen dieses Ziels erforderlich sind („Zuhause sein“, „Nahrung finden“, „Nahrung kochen“) . Wenn auf dem Markt keine Nahrung zu finden ist, muss das System die Ergebnisse (Effekte) jeder Aktion und die für ihre Ausführung erforderlichen Vorbedingungen kennen, um einen alternativen Weg zu finden.

Um die Funktionsweise der GOAP-Architektur zu verstehen, müssen ihre grundlegenden Komponenten eingehend untersucht werden. Diese Komponenten sind die Atome, die die Seele eines GOAP-Systems bilden. Diese sind: Ziel, Agent, Weltzustand und Aktion. Jedes davon ist ein untrennbarer Bestandteil der Problemlösungsfähigkeit von GOAP.- 1 1108

Der Agent ist die Entität im Spiel, die die GOAP-Logik nutzt und Aktionen ausführt. Dies kann alles sein, von einem vom Spieler gesteuerten Charakter über eine feindliche Einheit bis hin zu einem Begleiter-Charakter, der Umweltobjekte beeinflusst. Die Aufgabe des Agenten besteht darin, darauf zu warten, dass dem System ein Ziel vorgegeben wird, und dann zu bewerten, ob dieses Ziel erreicht werden kann oder nicht .

Der Weltzustand ist eine Datenstruktur, die den Zustand der Spielwelt zu einem bestimmten Zeitpunkt beschreibt. Er kann im Allgemeinen als ein Dictionary aus Schlüssel/Wert-Paaren betrachtet werden . Beispielsweise kann ein einfacher Zustand wie {"hasWood": false, "isHungry": true, "health": 80} den aktuellen Zustand eines Charakters in einem Waldgebiet darstellen. Dieser Zustand wird kontinuierlich aktualisiert; wenn der Charakter ein Stück Holz sammelt, ändert sich der Wert von hasWood auf true. Wenn der GOAP-Planer erkennt, dass ein Unterschied zwischen dem aktuellen Weltzustand und dem zum Erreichen des Ziels erforderlichen Zustand besteht, beginnt er nach Aktionen zu suchen, die diesen Unterschied schließen.

Aktionen sind Handlungen, mit denen der Agent Änderungen am Weltzustand herbeiführen kann. Jede Aktion hat zwei grundlegende Eigenschaften: Vorbedingungen und Effekte. Vorbedingungen definieren, in welchen Zuständen sich die Welt derzeit befinden muss, damit eine Aktion ausgeführt werden kann. Beispielsweise kann die Vorbedingung für die Aktion NahrungKochen {"hasFood": true, "hasFire": true} sein. Effekte zeigen hingegen, was sich im Weltzustand ändert, wenn die Aktion erfolgreich abgeschlossen wird. Der Effekt derselben Aktion NahrungKochen kann {"cookedFood": true, "hasFood": false} sein. Diese beiden Eigenschaften stellen sicher, dass Aktionen eine logische Integrität besitzen, und garantieren, dass der Planer nur gültige und sinnvolle Aktionen auswählt. Jede Aktion kann bestimmte Kosten (in der Regel Zeit oder Energie) verursachen, sodass der Planer den Weg mit den geringsten Kosten oder dem schnellsten Ergebnis bevorzugen kann.

Ziele sind der ideale Zustand, den der Agent zu erreichen versucht. Ein Ziel wird ebenfalls wie ein Weltzustand definiert, enthält jedoch nur die Zustände, die von Bedeutung sind. Beispielsweise kann für das Ziel „Essen“ das Ziel {"isHungry": false} definiert werden. Der Planer reiht die am besten geeigneten Aktionen aneinander, um vom aktuellen Weltzustand ({... "isHungry": true, ...}) zu diesem Ziel ({"isHungry": false}) zu gelangen. Ziele können oft komplex sein und mehrere Aktionen erfordern. Die Stärke von GOAP liegt in der Fähigkeit, einen Plan zu erstellen, indem es die zum Erreichen eines einzelnen Ziels erforderlichen Aktionen verkettet.

Im Kern des GOAP-Planungsalgorithmus liegt ein Graphsuchalgorithmus. In der Regel wird entweder die Breitensuche (BFS) oder einer der A*-Algorithmen verwendet . Der Prozess beginnt wie folgt: Der Planer arbeitet vom Ziel-Weltzustand rückwärts und findet die Aktionen, die das Ziel erfüllen. Anschließend untersucht er die Vorbedingungen dieser Aktionen, um die vorherigen Aktionen zu finden, die diese erfüllen. Dieser Prozess setzt sich fort, bis der Anfangszustand

73 24 8285

(der aktuelle Weltzustand des Agenten) erreicht ist. Als Ergebnis wird ein Aktionsgraph erstellt. Die Wurzel dieses Graphen ist die Aktion, die den Zielzustand erfüllt, und seine Zweige folgen den Aktionen, die diese Aktion ermöglichen. Der kürzeste oder günstigste Weg ist der beste Plan, um das Ziel zu erreichen. Dieser Plan wird vom Agenten als Liste gespeichert, um die Aktionen nacheinander auszuführen. Während die Aktionen ausgeführt werden, wird der Weltzustand aktualisiert, und der Planer kann neu planen, wenn ein neues Ziel festgelegt wird oder sich die Umgebung ändert. Diese dynamische Natur macht GOAP deutlich flexibler als eine statische Finite State Machine (FSM) oder einen einfachen Behavior Tree (BT). Während BTs meist nach einem vordefinierten Entscheidungsbaum agieren, ist es das Ziel von GOAP, jedes Mal den optimalsten Weg zu finden . Indem GOAP die Umgebung und die Bedürfnisse des Agenten kontinuierlich überwacht, kann es seinen Plan aktualisieren und einen alternativen Weg finden, wenn sich das Ziel ändert oder eine Aktion blockiert wird (z. B. wenn eine Tür verschlossen ist). Dies erzeugt ein „übermenschliches“ Gefühl, das das Erlebnis des Spielers greifbarer und konsistenter macht. Der Preis für diese Flexibilität sind jedoch die Rechenkosten für den Planungsprozess. GOAP kontinuierlich in jedem Frame auszuführen, kann insbesondere bei Spielen mit einer großen Anzahl von Agenten zu Performance-Problemen führen. Aus diesem Grund wird GOAP normalerweise ausgelöst, wenn sich das Ziel ändert, nach einem bestimmten Zeitintervall oder nach Abschluss einer Aktion. Diese Strategie ermöglicht es, die Vorteile von GOAP maximal zu nutzen und gleichzeitig den Performance-Verlust zu minimieren. Diese strukturelle Flexibilität von GOAP macht es zu einem unverzichtbaren Werkzeug für Strategiesimulationen, Open-World-RPGs und Spielgenres, die mehere/komplexe NPC-Interaktionen erfordern .

GOAP in der Unity-Umgebung: Flexibilität, Ökosystem und performance-orientierte Ansätze

Unity bietet Entwicklern eine einzigartige Flexibilität, da es sowohl ein grundlegendes Framework für die Entwicklung einer eigenen Lösung für GOAP-Anwendungen (Goal-Oriented Action Planning) bereitstellt als auch über ein sehr reichhaltiges Ökosystem an Drittanbieter-Paketen verfügt. Dieser Ansatz spiegelt das Prinzip „für jeden etwas dabei“ wider: Während einige Entwickler versuchen, eine vollständige Anpassung zu erreichen, indem sie alle Details von GOAP unter ihrer eigenen Kontrolle behalten, können andere die Entwicklungsgeschwindigkeit mit vorgefertigten und getesteten Lösungen aus dem Asset Store steigern. Dieser Abschnitt untersucht die GOAP-Anwendungen in der Unity-Umgebung eingehend unter zwei Hauptkategorien: „Do-It-Yourself“ und auf vorgefertigten Bibliotheken basierende Ansätze.

Eigene Implementierung: GOAP von Grund auf aufbauen

3186 1866

GOAP von Grund auf in C# zu implementieren, ist der wertvollste Weg für Entwickler, die genau verstehen wollen, wie jeder Teil der Architektur funktioniert. Dieser Ansatz erfordert die Umwandlung der Kernkomponenten von GOAP (Agent, Weltzustand, Aktion, Ziel) in Objekte. Die Beispiele in den Quellen behandeln diesen Prozess Schritt für Schritt . Erstens repräsentiert die Klasse WorldState den Zustand der Spielwelt unter Verwendung von Schlüssel/Wert-Paaren (in der Regel Dictionary<string, bool> oder Dictionary<string, float>). Anschließend definiert die Klasse Action die Aktionen. Diese Klasse enthält Eigenschaften wie preconditions (Vorbedingungen), effects (Effekte) und cost (Kosten). Schließlich definiert die Klasse Goal den Zielzustand, den der Agent zu erreichen versucht.

Die Planungslogik befindet sich gewöhnlich in einer Planner-Klasse. Diese Klasse wird mit einer Funktion wie Plan(Goal targetGoal) aufgerufen. Diese Funktion führt einen Graphsuchalgorithmus (in der Regel Breitensuche oder A*) aus, der nach Aktionen sucht, um den Zielzustand zu erreichen . Der Algorithmus beginnt bei einer Aktion, die den Zielzustand erfüllt, geht zu einer anderen Aktion über, die die Vorbedingungen dieser Aktion erfüllt, und setzt diesen Zyklus fort, bis der Unterschied zwischen dem Anfangszustand (dem aktuellen Weltzustand des Agenten) und dem Zielzustand geschlossen ist. Wenn ein Weg gefunden wird, wird die Reihenfolge dieser Aktionen in ein Plan-Objekt übertragen. Dieser Plan kann vom Agenten verwendet werden, um die Aktionen der Reihe nach auszuführen. Eine eigene Implementierung ermöglicht die vollständige Kontrolle über die Architektur und die Anpassung an spezielle Anforderungen (z. B. eine komplexe Kostenfunktion oder eine spezielle Suchstrategie). Diese Flexibilität bringt jedoch Kosten mit sich, wie z. B. längere Entwicklungszeiten und einen erhöhten Aufwand zur Behebung potenzieller Fehler (Fehler im Planungsalgorithmus, Zustandssynchronisationsprobleme usw.).

Vorgefertigte Bibliotheken und Pakete: Entwicklungsgeschwindigkeit steigern

Der Unity Asset Store bietet verschiedene vorgefertigte Lösungen für GOAP-Anwendungen. Diese Pakete beschleunigen den Entwicklungsprozess erheblich, indem sie visuelle Editoren und standardisierte APIs bereitstellen, die die Strukturierung der GOAP-Logik in Objekten erleichtern. Eines der beliebtesten und am häufigsten erwähnten Pakete unter diesen ist das von CrashKonijn entwickelte Behavior Package . Dieses Paket ist auch als offizielles Behavior-Paket von Unity bekannt und unterstützt GOAP als Goap-Modul . Das Behavior Package ermöglicht es Entwicklern, GOAP-Aktionen, -Ziele und sogar Agenten direkt im Unity Editor visuell zu konfigurieren. Auf diese Weise können sie die Vorbedingungen und Effekte von Aktionen über einen WorldState einstellen, der in einem ScriptableObject definiert ist. Dieser Ansatz bietet die Möglichkeit, NPC-Verhaltensweisen schnell auszuprobieren und zu bearbeiten, ohne Code schreiben oder kompilieren zu müssen. Laut Nutzerbewertungen sind die Benutzeroberfläche, die Anordnungen und die Editor-Integration dieses Pakets sehr gut . Die aktuellen Versionen des Pakets sind mit Unity 2022.3 und höher

753 82 14112 6843 113

kompatibel und enthalten Quality-of-Life-Updates, die die Wartbarkeit verbessern . Im Asset Store gibt es außerdem weitere GOAP-Lösungen mit spezifischeren oder unterschiedlichen Funktionen wie XGOAP, CAP'N - 3D Pathfinding using GOAP und Rabbit. Während XGOAP als GOAP-Bibliothek jenseits des Standards vermarktet wird, ist CAP'N eine Lösung, die GOAP mit 3D-Pfadfindung kombiniert. Diese Vielfalt bedient unterschiedliche Spielgenres und Entwicklungsbedürfnisse. Ein Nachteil bei der Verwendung dieser Pakete besteht jedoch darin, dass geprüft werden muss, ob das Paket selbst und sein Entwickler aktiv unterstützt werden. Beispielsweise zeigen einige Pakete kritische Updates zur Behebung von Serialisierungsproblemen in älteren Versionen . Ebenso ist es ein wichtiger Faktor, ob manche Pakete hinsichtlich der Performance optimiert sind; beispielsweise haben Pakete wie Ultimate AI System Updates durchgeführt, um Probleme zu beheben, die zu unnötigen Speicherallokationen in zirkulären Knoten führen könnten .

DOTS/ECS-Integration: Die Spitze der Performance

Die Data-Oriented Technology Stack (DOTS) und Entity Component System (ECS) Architektur von Unity ist für großflächige und hochperformante Spiele konzipiert. Das klassische Key/Value-Schilderungs- bzw. Dictionary-basierte Weltzustandsmodell von GOAP lässt sich jedoch nicht natürlich mit den Prinzipien von ECS zur Manipulation von Datenblöcken (mit Burst optimierte Datenblöcke) vereinen . Dies zeigt, dass die Integration von GOAP in ECS-basierte Projekte erhebliche Herausforderungen mit sich bringt. Unity war sich dieser Herausforderung bewusst und entwickelte ein eigenes GOAP-ähnliches Framework, um eine Lösung für dieses Problem zu bieten: Utility Intelligence. Dieses Framework nutzt den datenorientierten Technologie-Stack (DOTS), um ein hochperformantes nutzwertbasiertes KI-System bereitzustellen . Utility Intelligence basiert auf der GOAP-Logik, ist jedoch mit ECS-kompatiblen Datenstrukturen und Arbeitsabläufen geschrieben. Dies ist für Szenarien wie die gleichzeitige KI-Planung von Tausenden von NPCs von entscheidender Bedeutung. Diese Situation verdeutlicht, wie kritisch die Handhabung von GOAP unter Performance-Gesichtspunkten ist und wie hoch im Unity-Ökosystem – insbesondere für Projekte, die DOTS verwenden – die Nachfrage nach einer Neustrukturierung von GOAP im Interesse der Optimierung ist. Das Paket Utility Intelligence (ECS) ist mit Unity Version Control Version 6000.0 und höher kompatibel und akzeptiert die Standard-Lizenzvereinbarung des Unity Asset Store .

Gesamtbewertung

Die Implementierung von GOAP in Unity ist ein vielseitiger Entscheidungsprozess, der von den Projektanforderungen, den technischen Fähigkeiten und den Performance-Erwartungen des Entwicklers abhängt. Der „Do It Yourself“-Ansatz 44 61 134745 111 62 24 1152 4952

bietet maximale Flexibilität und Kontrolle, erhöht jedoch die Entwicklungszeit und den Wartungsaufwand. Vorgefertigte Bibliotheken, insbesondere solide und gut dokumentierte Lösungen wie das Behavior Package von CrashKonijn, steigern die Entwicklungsgeschwindigkeit dramatisch und bieten eine standardisierte Infrastruktur. Die Wartbarkeit und Kompatibilität dieser Pakete sollte jedoch immer berücksichtigt werden. In Fällen, in denen Projekte auf die DOTS/ECS-Architektur abzielen, ist es aus Performance-Sicht eine bessere Wahl, sich alternativen Frameworks wie Utility Intelligence zuzuwenden, die gemäß den ECS-Prinzipien entwickelt wurden, anstatt GOAP direkt zu verwenden. Zusammenfassend lässt sich sagen, dass Unity mehrere richtige Wege zur Nutzung von GOAP bietet, wobei jeder Weg seine eigenen Vor- und Nachteile hat.

GOAP in Unreal Engine 5: Von Datenorientierung zu hybrider Integration

Unreal Engine verfolgt, da sie zwar über keine native Unterstützung für die Implementierung von GOAP-Systemen (Zielorientierte Aktionsplanung) verfügt, durch eine starke datengetriebene Struktur und das visuelle Programmiersystem Blueprint einen im Vergleich zu Unity eher out-of-the-box-orientierten und datengetriebeneren Ansatz, der Entwicklern eine tiefe Integration bietet. Die Philosophie von UE betont die Fähigkeit von Designern und Entwicklern, Spielmechaniken ohne oder mit minimalem Code zu prototypisieren und zu konfigurieren, und GOAP ist ein Werkzeug im Zentrum dieser Philosophie. Dieser Abschnitt untersucht GOAP-Implementierungen in der Unreal Engine 5-Umgebung auf drei Hauptachsen: einen pluginbasierten Ansatz, datenorientierte Konfiguration und eine hybride Nutzung von C++/Blueprint.

Ein pluginbasierter Ansatz: Einbindung von GOAP in das Projekt

Unreal Engine bietet GOAP nicht als primäres KI-System an; stattdessen bietet sie leistungsstarke und erweiterbare Plugins, mit denen Entwickler die GOAP-Logik einfach integrieren können. In Ressourcen wie den Epic Games Developer Forums und dem Unreal Marketplace gibt es viele Diskussionen und Artikel über GOAP-Plugins. Diese Plugins ermöglichen es, die Kernkomponenten von GOAP (Ziele, Aktionen, Weltzustand) als Datenstrukturen in Blueprint zu definieren. Wenn ein Entwickler ein GOAP-Plugin zum Projekt hinzufügt, kann er visuell GOAP-Logik aufbauen, indem er Blueprint-Klassen erstellt und die Eigenschaften dieser Klassen nutzt. Beispielsweise kann er eine CollectWoodAction Blueprint-Klasse erstellen und mithilfe von Eigenschaften, die mit als Preconditions (Voraussetzungen) und Effects (Auswirkungen) bezeichneten Strukturen definiert sind, festlegen, wie die Aktion funktionieren wird. Dies vereinfacht den Prozess der Initialisierung und Konfiguration des GOAP-Systems ohne Code zu schreiben 40105

Prozess vereinfacht. Diese Plugins verwandeln GOAP in einen zugänglichen und verwaltbaren Teil der Projektstruktur.

Datenorientierte Konfiguration: Die Macht der Designer

Eine der stärksten Seiten von GOAP-Implementierungen in der Unreal Engine ist, wie tief die datenorientierte Konfiguration als Teil der Plattform integriert ist. In den Quellen wird angegeben, dass die Konfiguration unter Verwendung von Datenstrukturen wie Datentabellen oder speziellen Datenübertragungsobjekten, anstatt GOAP-Aktionen und -Ziele fest im Code zu verankern, als beste Praxis empfohlen wird. Dies ermöglicht es Designern, NPC-Verhalten über eine ingame Schnittstelle (beispielsweise eine .ini-Datei oder direkt ein In-Game-Konfigurationsfenster) anzupassen. Komplexe Bedingungen wie etwa, dass eine Aktion „für einen NPC, der eine Waffe trägt, im Kampf aktiv sein kann“, können vom Designer in einer Datendatei definiert werden, ohne den Code zu ändern. Dieser Ansatz bietet den Vorteil, den ähnliche Pakete in Unity bieten, auf einer tieferen Ebene und als Teil der grundlegenden Architektur der Plattform. Designer können den Entwicklungsprozess iterativ und vielschichtig gestalten, indem sie KI-Verhalten ohne Codierung schnell ausprobieren und bearbeiten. GOAP-Plugins sorgen dafür, dass dieser Prozess automatisierter abläuft und vollständig mit Blueprint integriert ist.

Hybrider Einsatz von C++ und Blueprint: Synergie aus Leistung und Flexibilität

Die GOAP-Unterstützung von Unreal Engine funktioniert am besten mit einem nahtlosen Übergang zwischen C++ und Blueprint. Während Designer mit Blueprint GOAP-Verhaltensweisen schnell prototypisieren können, können Programmierer komplexe Aktionen oder spezielle Planungslogiken in C++ schreiben und diese aus Blueprint aufrufen. Dieser hybride Ansatz kombiniert sowohl Geschwindigkeit als auch Leistung. Beispielsweise kann eine einfache „Patrouille“-Aktion visuell mit Blueprint erstellt werden, während eine komplexe „Waffenherstellungs“-Aktion einen in C++ optimierten Herstellungsalgorithmus enthalten kann. Diese Aktion kann durch einen Funktionsaufruf aus Blueprint ausgeführt werden. In ähnlicher Weise kann der GOAP-Planer selbst in C++ geschrieben werden und eine Arbeitsfunktion bereitstellen, die aus Blueprint aufgerufen werden kann. Dies ermöglicht es GOAP, dort, wo die Leistung kritisch ist, die Leistung von C++ zu nutzen, und in weniger kritischen Teilen von der Geschwindigkeit und Effizienz von Blueprint zu profitieren. Diese Flexibilität macht GOAP sowohl für kleine Indie-Projekte als auch für professionelle, großangelegte AAA-Spielprojekte geeignet.

Alternative und fortschrittliche Systeme: Die Rolle von GOAP verstehen

In Unreal Engine ist GOAP keine einzelne und absolute KI-Lösung. Epic Games bietet leistungsstarke Systeme als Alternative zu GOAP oder zu dessen Unterstützung an. Darunter 106 40 3590

sind Behavior Trees (BT) und das Environment Query System (EQS) die wichtigsten. Tatsächlich zeigt sich der stärkste Einsatz von GOAP, wenn es mit diesen Systemen kombiniert wird. GOAP fungiert gewöhnlich in einem Unterknoten eines BT als ein „Planer“, der den besten Weg findet, um ein spezifisches Ziel zu erreichen. Während die Wurzel eines BT das allgemeine Ziel des NPCs („Survive“ – Überleben) festlegt, kann GOAP, das in einem Unterknoten des BT läuft, die strategischsten Aktionen finden, um dieses Ziel zu erreichen (Wasser finden, Essen kochen, dem Feind ausweichen ohne anzugreifen). Dies zeigt, dass GOAP kein „dominantes“ System ist, sondern ein „Werkzeug“, das Synergien mit anderen Systemen schafft. GOAP erweitert die Entscheidungsfindungsfähigkeit von BTs und macht das Verhalten von NPCs dynamischer und intuitiver. Darüber hinaus existieren fortschrittliche Frameworks wie UEs KI-Systeme der nächsten Generation, Mass AI und Reflection Tree (RTree). RTree ist ein für Unreal Engine 5 entwickeltes On-Device-KI-Schlussfolgerungssystem, das auf der GOAP-Logik basiert. Dies deutet darauf hin, dass GOAP nicht nur in PC/Konsolenspielen, sondern auch auf sich weiterentwickelnden Mobil- und VR/AR-Plattformen eine wichtige Rolle spielen kann.

Gesamtbewertung

Unreal Engine 5 bietet Entwicklern eine vielseitige und leistungsstarke Plattform für GOAP-Implementierungen. Ein pluginbasierter Ansatz ermöglicht die einfache Einbindung von GOAP in das Projekt, während die Blueprint-Integration und die datenorientierte Konfiguration die Verwaltung und Anpassung der GOAP-Logik für Designer zugänglich machen. Die perfekte Harmonie zwischen C++ und Blueprint birgt das Potenzial, die Leistung und die Fähigkeiten von GOAP grenzenlos zu erweitern. Die Tatsache, dass GOAP als Teil einer größeren KI-Architektur wie Behavior Trees verwendet werden kann, zeigt seine Flexibilität und Anpassungsfähigkeit an moderne Spielentwicklungspraktiken. Zusammenfassend bietet Unreal Engine eine der effizientesten und datenorientiertesten Möglichkeiten zur Nutzung von GOAP und gewährt Entwicklern große Freiheit bei der Verwendung dieses leistungsstarken Planungssystems, um den NPCs in ihren Spielen Leben einzuhauchen.

Strategische Auswirkungen und Einfluss auf das Design: Von Dynamik bis Leistung

Die GOAP-Architektur (Zielorientierte Aktionsplanung) ist mehr als nur eine KI-Technik; sie ist ein strategisches Werkzeug, das den Spieldesignprozess und das Erlebnis des Spielers tiefgreifend beeinflusst. Dieser Ansatz redefiniert die Dynamik von NPC-Verhaltensweisen, die Flexibilität im Designprozess, das Leistungsmanagement und die Beziehung zu anderen KI-Systemen. 41101 31 3398

Dieser Abschnitt untersucht die strategischen Vorteile und potenziellen Herausforderungen, die GOAP Spielentwicklern bietet, aus einer allgemeinen Perspektive, die für beide Plattformen gilt.

Dynamik und Intuitivität von NPC-Verhaltensweisen

Der ausgeprägteste und wertvollste strategische Effekt von GOAP ist die Steigerung der Dynamik und Intuitivität von NPC-Verhaltensweisen. In traditionellen KI-Systemen wie endlichen Automaten (FSM) oder einfachen regelbasierten Systemen müssen Charaktere gewöhnlich einer vordefinierten Reihe von Aktionen folgen. Diese Systeme sind möglicherweise unflexibel gegenüber kleinen Veränderungen in der Spielwelt und können ihr Verhalten für den Spieler vorhersehbar machen. GOAP hingegen tut genau das Gegenteil. Ein GOAP-basierter NPC bestimmt seine eigene Strategie basierend auf Umweltveränderungen und seinen eigenen Bedürfnissen. Wird einem NPC beispielsweise das Ziel „gesund sein“ gegeben, findet das GOAP-System den am besten geeigneten Weg, um dieses Ziel zu erreichen. Wenn sich ein Gesundheitsspeicher in der Nähe des NPCs befindet, kann er ihn aufnehmen. Ist der Speicher leer, kann er eine alternative Strategie entwickeln (beispielsweise Pflanzen sammeln oder nach Hause gehen). Dies führt dazu, dass der Spieler nach jeder Interaktion neue Annahmen über die Welt trifft, da das Verhalten der NPCs nicht vorhersehbar ist. Diese Dynamik schafft eine Erfahrung für den Spieler, die sich intelligenter, motivierter und lebendiger anfühlt. GOAP verwandelt einen NPC von einem passiven Aufgabenabwickler in ein aktives Wesen, das sich eigene Ziele setzt und mit der Umwelt interagiert, um diese zu erreichen. Dies trägt dazu bei, dass sich die Spielwelt lebendiger und glaubwürdiger anfühlt.

Flexibilität im Designprozess und Iterationsgeschwindigkeit

GOAP bietet, insbesondere wenn es datenorientiert konfiguriert ist, eine revolutionäre Flexibilität im Spieldesignprozess. Die Definition von Aktionen, Zielen sowie deren Voraussetzungen und Auswirkungen über Strukturen wie eine Datentabelle oder ein ScriptableObject ermöglicht das Ausprobieren, Bearbeiten und Verbessern von NPC-Verhaltensweisen, ohne dass der Code geändert werden muss. Dies erlaubt es Designern und Testexperten, das Verhalten der KI basierend auf Spieler-Feedback schnell zu iterieren. Designer können Wünsche wie „Dieser Feind sollte sich häufiger am Wasser aufhalten“ oder „Es sollte mehr Vorteile beim Kämpfen mit gesammelten Waffen geben“ direkt in den KI-Daten widerspiegeln. Dies macht den Entwicklungsprozess kollaborativer und vielschichtiger. Die Blueprint-Unterstützung von Unreal Engine beschleunigt diesen Prozess noch weiter, da sie es Designern ermöglicht, die KI-Logik visuell ohne Coden aufzubauen. In Unity bieten Pakete wie CrashKonijn einen ähnlichen datenorientierten Ansatz und damit einen Weg, diese Flexibilität zu gewährleisten. GOAP macht die KI nicht nur zu einem Werkzeug der Entwickler, sondern zu einem festen Bestandteil des Spieldesignprozesses.

1 1866 106 105

Leistungskosten und -management

Die größte strategische Bedenken bei GOAP sind die Berechnungskosten. Der Planungsprozess kann, insbesondere wenn die Anzahl der Aktionen groß und der Weltzustand komplex ist, die CPU stark beanspruchen. Dies kann, besonders in großangelegten Spielen, in denen hunderte von NPCs gleichzeitig GOAP ausführen, einen kritischen Leistungsengpass darstellen. Daher ist die effektive Verwaltung der Leistungskosten von GOAP für eine erfolgreiche Implementierung von entscheidender Bedeutung. Anstatt GOAP kontinuierlich für jeden Frame auszuführen, ist das Auslösen nur bei bestimmten Ereignissen (beispielsweise wenn sich das Ziel des NPCs ändert, eine Aktion abgeschlossen ist oder einmal in einem bestimmten Zeitintervall) die grundlegendste Optimierungsstrategie. Schnelle und effiziente GOAP-Bibliotheken können diese Kosten verringern, indem sie effizientere Suchalgorithmen und Zustandsverwaltungstechniken einsetzen. Die DOTS/ECS-Architektur von Unity bietet Frameworks wie Utility Intelligence, die GOAP mit ECS-kompatiblen Datenstrukturen und Burst-Optimierung kombinieren, und damit einen leistungsfähigeren Weg zur Lösung dieses Leistungsproblems. In Unreal Engine helfen C++-basierte Aktionen und die Profiling-Tools für die CPU-Nutzung von UE dabei, den Ressourcenverbrauch von GOAP besser zu verwalten. Letztendlich ist GOAP ein Kompromiss, bei dem ein sorgfältiges Gleichgewicht zwischen Leistungskosten und dynamischem Verhalten hergestellt werden muss.

Integrationsfreundlichkeit und Beziehung zu anderen Systemen

GOAP wird häufig in Kombination mit anderen KI-Systemen verwendet, und diese Integration bildet die Grundlage der leistungsfähigsten KI-Architekturen. GOAP wird typischerweise zusammen mit Behavior Trees (BT) eingesetzt. Während ein BT als hochrangiger Entscheidungsmechanismus agiert, der das allgemeine Ziel festlegt, kann GOAP in einem Knoten des BT als untergeordneter Planer fungieren, der den besten Weg findet, um ein spezifisches Ziel zu erreichen. Während beispielsweise die Wurzel eines BTs nach einer Antwort auf die Frage „Was soll ich tun?“ sucht, kann GOAP als untergeordneter Knoten die sicherste und schnellste Route für das Ziel „Wasser finden“ planen. Dieser hybride Ansatz kombiniert die Strukturierung von BTs mit der Flexibilität von GOAP. GOAP kann auch mit Utility AI kombiniert werden. Während Utility AI aus den aktuell geplanten Aktionen die „nützlichste“ auswählt, bietet GOAP einen Fahrplan dafür, wie diese Aktionen ausgeführt werden sollen. Wenn GOAP eine Planungs-Engine ist, kann Utility AI als ein Entscheidungssystem angesehen werden, das die Ergebnisse (Aktionen) dieser Planungs-Engine bewertet und die beste auswählt. Die Einfachheit der Integration von GOAP hängt von der Plattform und den verwendeten Werkzeugen ab. Unreal Engine macht die Erstellung solch hybrider Systeme dank der Blueprint-Unterstützung sehr einfach, während dies in Unity mehr eigenen Code und mehr Aufwand zur Gewährleistung der Kompatibilität von Paketen erfordern kann.

6 11 31 96

Zusammenfassend bietet GOAP eine starke strategische Gelegenheit für Spielentwickler. Es kann verwendet werden, um das Verhalten von NPCs zum Leben zu erwecken, Flexibilität in den Designprozess zu bringen und dem Spieler tiefere sowie unvergesslichere Erfahrungen zu bieten. Um diese Vorteile zu erzielen, sind jedoch ein bewusster Umgang mit den Leistungskosten, eine synergistische Integration mit anderen KI-Systemen und die Auswahl einer auf die Projektanforderungen abgestimmten Implementierungsstrategie erforderlich.

Vergleichende Synthese: Philosophie, Datenorientierung und alternative Systeme

Obwohl die GOAP-Architektur (Zielorientierte Aktionsplanung) das Potenzial hat, sowohl in Unity als auch in Unreal Engine 5 leistungsstarke KI-Verhaltensweisen zu schaffen, wird sie auf beiden Plattformen mit unterschiedlichen Philosophien, Entwicklungsansätzen und Ökosystemdynamiken kombiniert. Diese vergleichende Synthese analysiert diese Unterschiede, um aufzuzeigen, wie GOAP auf beiden Plattformen angewendet wird und welche strategischen Auswirkungen diese Anwendung auf das Spieldesign hat. Die wesentlichen Unterschiede werden unter Hauptüberschriften wie Integrationsphilosophie, Datenorientierung und Beziehungen zu alternativen Systemen untersucht.

Integrationsphilosophie und Entwicklungs-Toolkits

Der grundlegendste Unterschied zwischen Unity und Unreal Engine liegt in der Philosophie, wie GOAP in die Plattform integriert wird. Unity bietet GOAP als „Toolkit“ an. Die Plattform stellt die grundlegenden Bausteine (Klassen, Datenstrukturen usw.) bereit, die für die Implementierung der GOAP-Kernlogik erforderlich sind, fördert dieses System jedoch nicht als primäre KI-Lösung. Stattdessen überlässt es den Entwicklern, eine maßgeschneiderte Lösung zu erstellen oder vorgefertigte Pakete aus einem reichen Ökosystem wie dem Unity Asset Store zu nutzen. Dieser Ansatz verleiht Unity große Flexibilität und Kontrolle. Entwickler, die mehr Anpassungsmöglichkeiten und vollständige Kontrolle wünschen, können GOAP komplett an ihre eigenen Bedürfnisse anpassen. Diese Flexibilität hat jedoch ihren Preis: längere Entwicklungszeiten und ein höherer Aufwand zur Behebung potenzieller Fehler. Fertige Bibliotheken, insbesondere robuste Lösungen wie das Behavior Package von CrashKonijn, beschleunigen die Entwicklung erheblich, doch die Wartbarkeit und Kompatibilität dieser Pakete liegen stets in der Verantwortung des Entwicklers.

Im Gegensatz dazu behandelt Unreal Engine GOAP als zentralen Bestandteil der Plattform. Obwohl GOAP nicht als eines der integrierten KI-Systeme von Unreal Engine angeboten wird,

53 662

bietet es mit starker Plugin- und Blueprint-Visuelle-Programmierung-Unterstützung ein „Out-of-the-box“- und datenorientiertes Erlebnis. GOAP-Plugins ermöglichen es, die Kernkomponenten von GOAP als Datenstrukturen in Blueprint zu definieren. Dies macht GOAP für Designer mit weniger technischem Fachwissen zugänglich und erhöht die Iterationsgeschwindigkeit. Die „Designer-first“-Philosophie von Unreal Engine platziert GOAP in einer Blueprint-basierten Benutzeroberfläche, die die Konfiguration ohne oder mit minimalem Code ermöglicht. Dies macht GOAP nicht nur zu einem Entwickler-Tool, sondern zu einem integralen Bestandteil des Spieldesignprozesses.

Die Rolle der Datenorientierung und ihr Einfluss auf den Designprozess

In beiden Plattformen liefert GOAP die besten Ergebnisse mit datenbasierter Konfiguration. Das Auslagern von Vorbedingungen und Effekten von Aktionen und Zielen aus dem Code erhöht die Iterationsgeschwindigkeit und die Designflexibilität. Die Rolle und Umsetzung dieser Datenorientierung unterscheiden sich jedoch zwischen den Plattformen. In Unity ist datenorientiertes GOAP meist durch die von einem Paket bereitgestellten Funktionen möglich. Beispielsweise ermöglicht das Paket von CrashKonijn, Aktionen als ScriptableObjects zu definieren und diese von einem Agenten referenzieren zu lassen. Durch das Erstellen dieser Datenstrukturen kann der Entwickler das Verhalten der KI konfigurieren. Dies hängt jedoch davon ab, ob das Paket diese Funktion unterstützt.

Unreal Engine hingegen bietet Datenorientierung als Teil der Kernarchitektur der Plattform an. GOAP-Aktionen und -Ziele können direkt über Blueprint-kompatible Datenstrukturen wie UBlueprintAssignable oder UDataAsset konfiguriert werden. Designer können diese Datenstrukturen in einem In-Game-Inhaltseditor bearbeiten. Während GOAP in Unity als „Erweiterung“ betrachtet werden muss, wird es in Unreal Engine als natürliche Fortführung der Plattform angesehen. Dieser Unterschied beeinflusst die Iterationsgeschwindigkeit der Designer und die Integration des GOAP-Systems in den Designprozess erheblich. In Unreal Engine ist für die Änderung eines KI-Verhaltens keine Code-Kompilierung erforderlich; es reicht aus, eine Einstellung in einer Benutzeroberfläche im Spiel zu ändern. Dies macht einen bedeutenden Unterschied für den strategischen Wert von GOAP aus.

40105 112 106

Alternative Systeme und Hybride Ansätze

GOAP ist keine absolute Lösung, die dazu zwingt, ein einzelnes KI-System isoliert zu verwenden. In beiden Plattformen sind die stärksten Implementierungen von GOAP hybride Ansätze, die es mit anderen KI-Systemen kombinieren. In Unreal Engine ist dies der Regelfall. Epic Games bietet als Alternative zu oder zur Unterstützung von GOAP leistungsstarke Systeme an. Diese werden häufig zusammen mit GOAP verwendet. GOAP fungiert oft als „Planer“ in einem Unterknoten eines BT, der den besten Weg findet, ein bestimmtes Ziel zu erreichen. Dies zeigt, dass GOAP kein „dominantes“ System ist, sondern ein „Werkzeug“, das Synergien mit anderen Systemen erzeugt. GOAP erweitert die Entscheidungsfähigkeit von BT und macht das Verhalten von NPCs dynamischer und intuitiver. Ähnliche hybride Ansätze sind auch in Unity möglich. Während beispielsweise ein BT den Gesamtzustand des NPCs (Schlafen, Kampf, Erkunden) verwaltet, kann GOAP im Zustand „Erkunden“ den besten Weg finden, um das Erkundungsziel zu erreichen. Eine solche Integration in Unity erfordert möglicherweise die manuelle Einrichtung von Verbindungspunkten zwischen BT- und GOAP-Bibliotheken. In Unity kann GOAP auch mit Utility AI kombiniert werden. Während Utility AI die „nützlichste“ Aktion unter den aktuell geplanten Aktionen auswählt, liefert GOAP eine Roadmap, wie diese Aktionen ausgeführt werden sollen. Dies zeigt, dass GOAP nicht nur ein eigenständiges System ist, sondern auch als Teil einer größeren KI-Architektur wie Behavior Trees verwendet werden kann. Letztendlich kombinieren Unity und Unreal Engine GOAP mit unterschiedlichen Philosophien und unterschiedlichen Toolkits. Unity ist eine Plattform, die sich auf Kontrolle und Anpassung konzentriert, und bietet GOAP als flexibles Toolkit an, das der Entwickler unter seiner eigenen Kontrolle halten kann. Unreal Engine hingegen ist eine Plattform, die die Iterationsgeschwindigkeit von Designern durch Datenorientierung und Blueprint maximiert und GOAP als natürlichen Teil der Plattform darstellt. Die Wahl hängt von den Projektanforderungen, den technischen Kompetenzen des Entwicklerteams und der Komplexität des vom Spiel geforderten KI-Verhaltens ab.

Fazit und praktische Bewertung: Welche Plattform und welcher Ansatz sollten gewählt werden?

Die GOAP-Architektur (Goal-Oriented Action Planning) ist ein starkes strategisches Werkzeug für Spieleentwickler, um NPC-Verhalten zum Leben zu erwecken, die Spielwelt dynamisch zu gestalten und Spielern intelligentere und intuitivere Erlebnisse zu bieten. Dieser Bericht hat die technischen Implementierungsdetails und die strategischen Auswirkungen von GOAP auf das Spieldesign sowohl in Unity- als auch in Unreal Engine 5-Umgebungen separat und im Vergleich untersucht. Die abschließende Bewertung soll Entwicklern helfen, je nach Projektanforderungen, Teamkompetenzen und angestrebtem Spielerlebnis die am besten geeignete Plattform und den am besten geeigneten Ansatz auszuwählen.

Strategische Implikationen der Plattformwahl

Unity und Unreal Engine verfolgen bei der Implementierung von GOAP unterschiedliche philosophische Ansätze. Unity bietet GOAP als „Toolkit“ an. Dies gibt Entwicklern die Flexibilität, alle Aspekte von GOAP unter eigener Kontrolle zu halten und eine vollständige Anpassung zu erreichen. Dieser Ansatz ist besonders attraktiv für Entwickler, die maximale Leistung anstreben, indem sie den datenorientierten Technologie-Stack (DOTS) verwenden, oder die GOAP-Logik tiefgreifend an ihre eigenen spezifischen Anforderungen anpassen möchten. Diese Flexibilität bringt jedoch das Schreiben von mehr individuellem Code, das Risiko der Behebung potenzieller Integrationsprobleme und längere Entwicklungszeiten mit sich. Fertige Bibliotheken können diesen Prozess zwar beschleunigen, es kann jedoch zu Problemen bei der Wartbarkeit und Kompatibilität kommen. Im Gegensatz dazu behandelt Unreal Engine GOAP als zentralen Bestandteil der Plattform. GOAP bietet ein „Out-of-the-box“- und datenorientiertes Erlebnis durch ein starkes Plugin und ein visuelles Programmiersystem namens Blueprint. Dieser Ansatz hebt die Fähigkeit von Designern und Entwicklern hervor, KI-Verhalten schnell zu prototypisieren und ohne oder mit minimalem Code zu konfigurieren. Die „Designer-first“-Philosophie von Unreal Engine macht GOAP nicht nur zu einem Entwickler-Tool, sondern zu einem integralen Bestandteil des Spieldesignprozesses. Dies erhöht die Iterationsgeschwindigkeit, die Zusammenarbeit und die Integration des GOAP-Systems in den Designprozess erheblich. GOAP positioniert sich in Unreal Engine als natürliche Fortführung der Plattform und als starkes „Werkzeug“, das synergistisch mit anderen integrierten Systemen (Behavior Trees, EQS) arbeiten kann.

Praktische Bewertung und Empfehlungen

Je nach Projekttyp und Zielgruppe können folgende Bewertungen vorgenommen werden:

• Auswahl nach Spieletyp:

  • Komplexe Strategimesimulationen, Open-World-RPGs und dynamische NPC-Interaktionen: Diese Art von Spielen zeigt das größte Potenzial von GOAP. Hier wird erwartet, dass NPCs ihre eigenen Ziele und Strategien basierend auf der Welt um den Spieler herum festlegen. In diesem Fall kann Unreal Engine 5 dank seines Blueprint-basierten, datenorientierten Ansatzes einen schnelleren und flexibleren Entwicklungsprozess bieten. Die Möglichkeit für Designer, KI-Verhalten ohne Codierung auszuprobieren, erhöht die Iterationsgeschwindigkeit.

  • Schnelle Prototypen, Handyspiele oder High-Performance-Projekte (DOTS): Wenn das Projekt die DOTS-Architektur verwendet oder die höchste Leistung zu geringsten Kosten anstrebt, ist Unity möglicherweise eine attraktivere Option. In diesem Fall muss jedoch in Betracht gezogen werden, ECS-kompatible GOAP-Frameworks wie Utility Intelligence (ECS) zu verwenden oder eine maßgeschneiderte DOTS-kompatible GOAP-Lösung zu entwickeln. Anstatt GOAP direkt zu verwenden, ist es aus Leistungssicht vorteilhafter, es integriert in die DOTS-Architektur zu entwerfen.

• Auswahl nach Teamkompetenzen:

  • Hohe Code-Kenntnisse, Designer-Fokus wichtig: Wenn Ihr Team mehr Entwickler hat, die auf C#- und C++-Programmierung spezialisiert sind, und Sie die GOAP-Logik tiefgreifend kontrollieren möchten, bietet Ihnen Unity mehr Kontrolle und Flexibilität.

  • Designer im Mittelpunkt, weniger Codierung: Wenn Sie in Ihrem Team Wert darauf legen, dass Designer KI-Verhalten direkt über eine Benutzeroberfläche im Spiel konfigurieren können, ist Unreal Engine 5 definitiv die überlegenere Option. Das Blueprint-System vereinfacht diesen Workflow und beschleunigt den Entwicklungsprozess.

• Die Stärke des hybriden Ansatzes: Anstatt GOAP als eigenständiges System zu betrachten, ist es der strategischste Ansatz, es als Teil einer größeren KI-Architektur zu betrachten. In beiden Plattformen ist es eine optimale Lösung, GOAP für selten ausgelöste, langfristige und komplexe Problemlösungsaufgaben zu verwenden und es schnelleren Systemen wie Behavior Trees oder einfachen Finite State Machines zu überlassen, die alltäglichen Aktionen zu verwalten. Während GOAP die Frage „Was tun?“ beantwortet, beantwortet BT oder FSM die Frage „Was soll ich tun?“. Diese Unterscheidung zu treffen ist entscheidend, um sowohl die Leistung als auch den Verhaltensreichtum zu optimieren.

Ein Blick in die Zukunft

Die Zukunft von GOAP wird durch die Evolution der Rollen geprägt sein, die KI in Spielen spielen muss. Investitionen in On-Device-AI-Schlussfolgerungssysteme wie die Reflection Tree (RTree) von Unreal Engine zeigen, dass die GOAP-Logik nicht nur für große Spielkonsolen und PCs, sondern auch auf Mobil- und VR/AR-Plattformen eine wichtige Rolle spielen kann. Diese Trends legen nahe, dass die grundlegenden Planungsprinzipien von GOAP die Grundlage für zukünftige, fortschrittlichere und verteiltere KI-Systeme bilden können.

Zusammenfassend lässt sich sagen, dass die GOAP-Architektur ein unverzichtbares Werkzeug im Repertoire moderner Spieleentwickler ist. Unity und Unreal Engine bieten unterschiedliche, aber gleichermaßen starke Wege, dieses Werkzeug zu nutzen. Die Wahl spiegelt Ihre Projektvision, die Fähigkeiten Ihres Teams und das von Ihnen angestrebte Erlebnis wider.

*Hinweis: Die Bilder wurden von Google Gemini generiert.