Zum Hauptinhalt springen

Data Science für Kids: Wie gewinne ich bei „Wer ist es“?

Neulich habe ich gegen meinen sechsjährigen Sohn „Wer ist es?“ gespielt, ein klassisches Spiel für Kinder von ca. 6 bis 9 Jahren. Dabei wollten wir natürlich beide wissen, wie man das Spiel gewinnt. Aus der Frage ist diese Artikelreihe entstanden. Dieser Teil richtet sich an die ganze Familie, Teil 2 ist für Data-Science-begeisterte Erwachsene (und Fast-Erwachsene!) gedacht. Also: Lasst uns gewinnen!

„Wer ist es?“: die Regeln

„Wer ist es?“ ist ein Spiel für zwei. Jede:r der zwei Spieler:innen zieht jeweils eine von 24 Personenkarten und stellt sie verdeckt vor sich hin. Der jeweils andere muss erraten, welche Karte es ist. Dazu werden abwechselnd Ja-nein-Fragen zum Aussehen der Personen gestellt, z. B. „Hat die Person eine Brille?“.

Als Hilfsmittel dazu hat jede:r Spieler:in einen Überblick über die 24 Personen vor sich (siehe Bild). Nach jeder Frage werden die Karten umgedreht, die nicht zu der Antwort auf die Frage passen, also z. B. alle Brillenträger. Gewonnen ist das Spiel, wenn eine:r die Karte errät, die der andere vor sich hat.

 

 

Eine einfache Anleitung, um zu gewinnen: die Glückszahl

Wenn Du bei dem Spiel gewinnen willst, musst Du jedes Mal, wenn Du dran bist, die richtige Frage stellen. Aber welche Fragen gibt es überhaupt? Wenn man sich die Karten so ansieht, kann man zum Beispiel auf folgende Fragen kommen:

  • Ist die Person ein Mann/eine Frau?
  • Hat die Person weiße/blonde/braune/schwarze Haare?
  • Hat die Person eine Glatze?
  • Ist die Nase klein/groß?
  • Hat die Person einen Bart?
  • Hat die Person eine Kopfbedeckung?

Vielleicht fallen Dir noch mehr Fragen ein. Man könnte zum Beispiel noch nach der Augenfarbe fragen oder nach einem Vollbart, einem Bart am Kinn oder einem Schnurrbart.

Wenn man wissen will, ob man eine bestimmte Frage jetzt stellen soll, muss man immer zählen, wie viele Karten für jede der beiden Antwortmöglichkeiten noch übrig sind. Zum Beispiel gibt es ganz am Anfang des Spiels fünf Karten (auf dem Bild alle rechts unten) von Personen mit blondem Haar. Die anderen 19 haben dann natürlich kein blondes Haar. Die kleinere dieser beiden Zahlen, also hier die fünf, ist die, die wir jetzt brauchen. Wir nennen sie die „Glückszahl“. Glückszahl deshalb, weil es die Anzahl Karten ist, die übrigbleibt, wenn wir Glück haben – die andere Zahl ist ja größer, und es bleiben mehr Möglichkeiten übrig, welche Karte die gesuchte sein könnte.

Um zu gewinnen, musst Du jetzt einfach jedes Mal die Frage mit der gößten Glückszahl nehmen. Wichtig ist dabei, dass Du immer nur die Karten mitzählst, die noch aufgedeckt sind. Das ist natürlich immer eine ganze Menge Zählerei. Darum ist es gut zu wissen, dass die Glückszahl im besten Fall halb so groß werden kann wie die Anzahl Karten, die noch übrig sind. Wenn man also eine Frage gefunden hat, für die das genau passt, dann ist das schon die beste. Allerdings gibt es so eine tolle Frage nicht immer.

Justusʼ Trick, um noch ein kleines bisschen besser zu werden

Um noch ein klitzekleines bisschen besser zu werden, ohne sich mehr anzustrengen, gibt es noch einen Trick: Man zählt die eigene Karte (also die, die der/die Gegner:in raten muss) nicht mit. Denn von der weiß man ja schon, dass der/die Gegner:in sie nicht gezogen hat. Damit ist man vor allem gegen Ende des Spiels noch einen Hauch besser, als wenn man daran nicht denkt. Auf diesen Trick hat mich übrigens mein Sohn Justus aufmerksam gemacht, als wir das Spiel kürzlich spielten. Er hat ihn gleich zu seinem Vorteil genutzt.

Wenn Ihr das Spiel mehrmals spielt und zwischendurch die Karten nicht mischt, kannst Du diesen Trick noch weiter ausbauen: Alle Karten, die in den letzten paar Runden schon dran waren, brauchst Du nicht mitzuzählen, denn die können ja in dieser Runde nicht wieder vorkommen.

Ihr wollt etwas tiefer in die Data-Science-Sichtweise auf das Spiel eintauchen? Dann empfehle ich Euch Teil 2 des Beitrags.

Dr. Michael Allgöwer
Dein Ansprechpartner
Dr. Michael Allgöwer
Management Consultant
Machine Learning ist Michaels langjährige Spielwiese. Michael ist überzeugt, dass gutes Machine Learning eine Menge Branchenverständnis voraussetzt, und er liebt es, sich dieses Verständnis immer wieder zu erarbeiten. Sein neuestes Lieblingsthema ist Reinforcement Learning.
#MachineLearning #ReinforcementLearning #HumanIntelligence