Poker war nicht immer ein Spiel, bei dem Spieler mit Solver-Outputs, Preflop-Charts und mathematisch berechneten Frequenzen am Tisch saßen. Noch vor nicht allzu langer Zeit war es völlig normal, dass sich zwei gute Spieler über eine Hand unterhielten und dabei zu völlig unterschiedlichen Einschätzungen kamen. Der eine hatte einen bestimmten Read auf den Gegner, der andere vertraute auf seine Erfahrung aus Tausenden gespielten Händen. Beide konnten damit erfolgreich sein.
Heute sieht die Pokerwelt zumindest im professionellen Bereich anders aus. Begriffe wie GTO, Range-Balance, Mixed Strategies und Solver gehören zum normalen Vokabular ambitionierter Spieler. Wer ernsthaft besser werden will, kommt kaum noch an der Spieltheorie vorbei. Gleichzeitig entsteht eine interessante Frage: Hat diese Entwicklung Poker tatsächlich besser gemacht oder sorgt sie dafür, dass immer mehr Spieler immer ähnlicher spielen?
Die Antwort darauf ist komplizierter, als es zunächst scheint.
Was GTO überhaupt bedeutet
GTO steht für „Game Theory Optimal“ und beschreibt vereinfacht eine Strategie, die möglichst schwer auszubeuten ist. Die Idee geht auf die Spieltheorie und insbesondere das Konzept des Nash-Gleichgewichts zurück. In einem solchen Gleichgewicht kann ein Spieler seine Strategie nicht einfach verändern und dadurch einen zusätzlichen Vorteil erzielen, solange sich der Gegner ebenfalls optimal verhält.
Auf Poker übertragen bedeutet das nicht, dass es für jede Situation einen einzigen magischen Spielzug gibt. Vielmehr geht es darum, eine Strategie zu entwickeln, die insgesamt ausgewogen ist. Dazu gehören beispielsweise bestimmte Verhältnisse zwischen Value Bets und Bluffs oder Frequenzen, mit denen eine Hand gebettet, gecheckt oder gecallt wird.
Genau hier liegt auch ein häufiges Missverständnis. GTO bedeutet nicht automatisch, dass man gegen jeden Gegner maximal viel Geld gewinnt. Wenn ein Spieler beispielsweise viel zu häufig foldet, wäre es unsinnig, einfach stur eine theoretisch ausgewogene Bluff-Frequenz einzuhalten. Gegen einen solchen Gegner kann es profitabler sein, deutlich häufiger zu bluffen. GTO liefert deshalb vor allem einen theoretischen Ausgangspunkt. Wer die Abweichungen des Gegners erkennt, kann davon bewusst abweichen und ihn exploiten.
Die Theorie selbst ist dabei keineswegs neu. Die mathematischen Grundlagen stammen aus der Spieltheorie des 20. Jahrhunderts. Neu ist vielmehr, dass die notwendige Rechenleistung und die entsprechenden Algorithmen inzwischen zur Verfügung stehen, um diese Konzepte auf die enorme Komplexität von Poker anzuwenden.
Als Poker noch mehr ein Erfahrungsspiel war
Über viele Jahre wurde Poker vor allem durch Erfahrung gelernt. Spieler beobachteten andere Spieler, analysierten Hände, diskutierten Strategien und entwickelten mit der Zeit ein Gefühl dafür, welche Entscheidungen profitabel sein könnten. Mathematik spielte durchaus eine wichtige Rolle. Pot Odds, Outs, Wahrscheinlichkeiten und Positionsvorteile waren keine unbekannten Konzepte.
Was fehlte, war jedoch die Möglichkeit, komplexe Spielsituationen systematisch bis ins kleinste Detail durchzurechnen.
Ein guter Spieler wusste vielleicht, dass er gegen einen bestimmten Gegner häufiger bluffen sollte. Er konnte aber nicht einfach einen Computer anwerfen und überprüfen, wie sich diese Entscheidung auf die gesamte Range auswirkt. Strategien entstanden deshalb häufig aus einer Mischung aus mathematischem Wissen, Erfahrung, Intuition und Beobachtung.
Das hatte auch einen interessanten Nebeneffekt: Erfolgreiche Spieler konnten sehr unterschiedlich aussehen. Der eine war extrem aggressiv, der andere spielte vorsichtig und wartete auf seine Spots. Manche Spieler waren besonders gut darin, Gegner zu lesen, andere verstanden mathematische Zusammenhänge besser. Es gab nicht die eine offensichtliche Methode, wie ein guter Pokerspieler auszusehen hatte.
Mit der zunehmenden Verbreitung von GTO begann sich das zu verändern.
Der Aufstieg der Solver
Der entscheidende Schritt war nicht die Erfindung der Spieltheorie, sondern die Möglichkeit, sie praktisch zu berechnen. Fortschritte bei Algorithmen und Computern machten es möglich, immer größere und komplexere Pokersituationen zu analysieren. Counterfactual Regret Minimization, kurz CFR, wurde ab Ende der 2000er-Jahre zu einer wichtigen Methode für die Berechnung von Gleichgewichtslösungen in Spielen mit unvollständiger Information.
In den folgenden Jahren wurde deutlich, wie weit diese Entwicklung reichen konnte. 2015 gelang mit Cepheus eine praktisch vollständige Lösung von Heads-up Limit Hold’em. Danach folgten Systeme wie DeepStack, Libratus und Pluribus, die zeigten, dass künstliche Intelligenz auch im deutlich komplexeren No-Limit Hold’em gegen sehr starke menschliche Spieler auf höchstem Niveau bestehen kann.
Für die Pokerwelt war das mehr als eine technische Spielerei. Plötzlich konnten Spieler Situationen untersuchen, für die menschliche Erfahrung allein kaum ausreichte. Solver konnten Millionen von Entscheidungen simulieren und dabei Strategien aufzeigen, die teilweise den bisherigen Annahmen widersprachen.
Damit veränderte sich auch die Art, wie Poker gelernt wurde.
Statt nur zu fragen, ob eine bestimmte Entscheidung in der Vergangenheit funktioniert hatte, konnte man nun untersuchen, warum sie funktioniert und unter welchen Bedingungen sie theoretisch optimal oder zumindest sehr nahe daran ist.
Poker wurde wissenschaftlicher
Das ist zweifellos eine positive Entwicklung. Spieler haben heute Zugang zu einem Verständnis des Spiels, das früher selbst den besten Profis nicht zur Verfügung stand. Fehler lassen sich gezielter identifizieren, Strategien systematischer trainieren und komplexe Situationen wesentlich genauer analysieren.
Gleichzeitig hat diese Entwicklung einen Preis.
Je mehr Spieler mit denselben theoretischen Grundlagen trainieren, desto kleiner wird der strategische Unterschied zwischen ihnen. Preflop-Ranges sind heute wesentlich besser erforscht als früher. Auch postflop gibt es für viele Standard-Situationen sehr genaue Vorstellungen davon, welche Hände mit welcher Frequenz welche Aktion wählen sollten.
Das bedeutet nicht, dass plötzlich alle Spieler identisch spielen. Ein Solver kann selbst innerhalb einer einzigen Situation mehrere unterschiedliche Aktionen mit bestimmten Frequenzen verwenden. Außerdem unterscheiden sich Menschen erheblich darin, wie gut sie theoretisches Wissen tatsächlich am Tisch umsetzen können.
Trotzdem hat sich der Boden des Spiels angehoben. Ein Spieler, der heute ernsthaft Poker lernen möchte, kann in relativ kurzer Zeit Wissen erwerben, für das ein Profi früher jahrelange Erfahrung gebraucht hätte.
Und genau deshalb ist die Konkurrenz härter geworden.
Wenn alle besser werden
Das vielleicht größte Paradox von GTO besteht darin, dass es für den einzelnen Spieler hervorragend ist, aber für die durchschnittliche Winrate aller Spieler keine Wunderwaffe sein kann.
Wenn ein Spieler eine Schwäche in seinem Spiel entdeckt und korrigiert, wird er besser. Wenn tausende Spieler dasselbe tun, steigt das Niveau des gesamten Spiels. Der einzelne Spieler hat dadurch aber nicht automatisch einen größeren Vorteil gegenüber seiner Konkurrenz.
Für professionelle Spieler ist das besonders relevant. Poker lebt von den Fehlern anderer Spieler. Wenn diese Fehler seltener und kleiner werden, wird es schwieriger, dauerhaft große Edge aufzubauen.
Das könnte einer der Gründe sein, warum die Frage nach GTO heute überhaupt so interessant ist. Die Diskussion geht längst nicht mehr nur darum, ob man GTO lernen sollte. Es geht zunehmend darum, was man mit diesem Wissen macht.
Denn ein Spieler, der eine Solverstrategie perfekt auswendig gelernt hat, ist nicht zwangsläufig ein besserer Pokerspieler als jemand, der die grundlegenden Konzepte versteht und sie anschließend sehr gut auf reale Gegner anwenden kann.
GTO ist nicht das Gegenteil von Exploitation
In der Pokerwelt wird GTO manchmal so dargestellt, als stünde es im direkten Gegensatz zu exploitativem Spiel. Tatsächlich ergänzen sich beide Ansätze.
GTO gibt einem Spieler eine Art Referenzpunkt. Es zeigt, wie eine Strategie aussehen kann, wenn man vermeiden möchte, selbst leicht ausgenutzt zu werden. Exploitatives Spiel setzt anschließend genau dort an, wo die Realität vom theoretischen Modell abweicht.
Ein Gegner, der zu viel foldet, wird häufiger geblufft. Einer, der zu viel callt, bekommt mehr Value Bets. Ein Spieler, der nur mit starken Händen große Bets macht, kann anders behandelt werden als jemand, der ständig Druck ausübt.
Das Entscheidende ist, dass man den Unterschied zwischen einem echten Exploit und einem einfachen Fehler erkennt.
Wer GTO versteht, kann sich bewusst von der Theorie entfernen. Wer sie nicht versteht, läuft dagegen Gefahr, jede ungewöhnliche Entscheidung als „exploitativ“ zu rechtfertigen.
Vielleicht liegt deshalb gerade hier die nächste Stufe des Pokerspiels: Nicht darin, GTO möglichst perfekt zu kopieren, sondern darin, zu verstehen, wann man davon abweichen sollte.
Aber muss jeder GTO lernen?
Nein.
Und das wird in der Diskussion über die Zukunft des Pokers häufig vergessen.
Wer Poker hauptsächlich spielt, weil es Spaß macht, muss keine Solver studieren. Für einen Freizeitspieler kann es sogar den Spaß reduzieren, wenn jede Entscheidung plötzlich zu einer mathematischen Optimierungsaufgabe wird. Poker lebt schließlich nicht ausschließlich von korrekten Frequenzen. Es lebt von Überraschungen, schlechten Entscheidungen, Reads, Emotionen und der Freude daran, eine Hand gegen einen echten Menschen zu spielen.
Wer dagegen ambitionierter werden möchte, kann von GTO enorm profitieren. Dabei muss man keineswegs versuchen, sämtliche Solverlösungen auswendig zu lernen. Viel wichtiger ist es, die grundlegenden Konzepte zu verstehen und daraus einfache Regeln für das eigene Spiel abzuleiten.
Für jemanden, der Poker professionell betreiben möchte, sieht die Rechnung wiederum anders aus. Wer regelmäßig gegen sehr starke Gegner spielt, kann sich große strategische Schwächen kaum leisten. GTO-Wissen wird damit zu einem wichtigen Bestandteil des Handwerks.
Aber auch ein Profi sollte nicht zum menschlichen Solver werden.
Der eigentliche Vorteil entsteht häufig gerade dann, wenn theoretisches Wissen und Beobachtung zusammenkommen. Der Spieler kennt die Balance, erkennt aber gleichzeitig, dass der konkrete Gegner davon erheblich abweicht.
Und was passiert mit der Kreativität?
Hier liegt wahrscheinlich der emotionalste Teil der GTO-Debatte.
Viele Spieler vermissen das alte Poker, in dem unterschiedliche Persönlichkeiten und Spielstile stärker sichtbar waren. Wenn immer mehr Spieler mit denselben Tools trainieren und ähnliche theoretische Grundlagen verwenden, entsteht zwangsläufig ein Stück weit mehr Standardisierung.
Aber Poker ist kein Schachbrett mit vollständig bekannten Informationen.
Die Karten des Gegners bleiben verborgen. Menschen machen Fehler. Spieler haben unterschiedliche Risikobereitschaft, unterschiedliche emotionale Reaktionen und unterschiedliche Fähigkeiten. Selbst zwei Spieler, die dieselbe Solverstrategie kennen, werden sie nicht identisch umsetzen.
Und je stärker die Theorie wird, desto interessanter können die Abweichungen werden.
Wenn irgendwann ein großer Teil des Feldes eine sehr solide theoretische Basis besitzt, wird es zunehmend schwierig, einen Vorteil allein dadurch aufzubauen, dass man GTO kennt. Dann gewinnen andere Fähigkeiten an Bedeutung: Table Selection, Reads, Anpassungsfähigkeit, Mental Game und die Fähigkeit, ungewöhnliche Situationen richtig einzuordnen.
Das könnte paradoxerweise dazu führen, dass GTO langfristig nicht weniger, sondern mehr Raum für kreative Entscheidungen schafft – allerdings auf einem deutlich höheren Niveau.
Drei mögliche Zukünfte
Wie sich Poker tatsächlich entwickeln wird, lässt sich heute nicht sicher sagen. Drei Szenarien erscheinen jedoch besonders interessant.
Im ersten Szenario wird Poker immer technischer. Solver werden schneller und genauer, Trainingsplattformen werden besser und künstliche Intelligenz wird Spielern immer detaillierter erklären können, was sie falsch machen. Die strategische Einstiegshürde sinkt, während das durchschnittliche Niveau steigt. Für professionelle Spieler könnte das bedeuten, dass die Margen weiter schrumpfen und kleine Unterschiede immer wichtiger werden.
Im zweiten Szenario entsteht eine Gegenbewegung. Wenn viele Spieler versuchen, möglichst nah am theoretischen Optimum zu spielen, wird die Fähigkeit, diese Spieler gezielt zu exploiten, immer wertvoller. Der erfolgreiche Profi wäre dann nicht derjenige, der am stursten GTO spielt, sondern derjenige, der am besten zwischen theoretischer Grundlage und Anpassung wechseln kann.
Das dritte Szenario verbindet beides. Künstliche Intelligenz könnte zum persönlichen Pokertrainer werden, der nicht nur sagt, welche Entscheidung theoretisch besser gewesen wäre, sondern erklärt, warum. Spieler könnten ihre eigenen Leaks analysieren lassen, individuelle Trainingspläne erhalten und komplexe strategische Zusammenhänge auf einfache Regeln herunterbrechen.
In diesem Fall würde die Technologie vielleicht irgendwann gar nicht mehr besonders sichtbar sein. Der Spieler würde nicht am Tisch sitzen und über Solver denken. Er hätte die Erkenntnisse so weit verinnerlicht, dass sie Teil seiner Intuition geworden sind.
Besseres Poker ist nicht automatisch mehr Spaß
Vielleicht gibt es deshalb keine allgemeingültige Antwort auf die Frage, ob GTO Poker besser gemacht hat.
Als Strategiespiel ist Poker durch GTO zweifellos anspruchsvoller und besser erforscht worden. Die Spieler verstehen heute mehr über ihr Spiel als jemals zuvor. Fehler lassen sich genauer analysieren, Strategien systematischer entwickeln und selbst jahrzehntealte Annahmen überprüfen.
Aber Poker ist mehr als ein mathematisches Optimierungsproblem.
Für den Freizeitspieler kann ein Abend am Pokertisch auch dann erfolgreich sein, wenn die Strategie alles andere als perfekt war. Für den ambitionierten Spieler kann GTO ein hervorragendes Werkzeug sein. Und für den Profi wird es zunehmend zu einem notwendigen Fundament, auf dem weitere Fähigkeiten aufgebaut werden müssen.
Vielleicht ist deshalb auch die Vorstellung falsch, dass die Zukunft des Pokers aus Tischen voller Spieler bestehen wird, die alle exakt dieselben Entscheidungen treffen.
GTO könnte stattdessen genau das Gegenteil bewirken.
Je besser Spieler die Theorie verstehen, desto bewusster können sie sich von ihr entfernen. Die interessantesten Entscheidungen der Zukunft könnten deshalb nicht mehr zwischen „GTO oder kein GTO“ liegen, sondern zwischen Theorie und Realität.
Der Solver kennt den optimalen Weg.
Der Mensch muss entscheiden, wann er ihn verlässt.
