Udo, vergessen ...

bei Deinem Beispiel:
Kann sein das ein Gerät einen Stellungstyp mit 2.500 Elo spielt, einen anderen Stellungstyp mit 1.500 Elo spielt. Krass unterschiedlich obwohl beides eine Mittelspielstellung ist.

Exakt zu den Spielphasen etwas zu sagen geht im Grunde nur wenn die Themenbereiche aus dem Schach klassifiziert sind. Läufereinschlag, Damenopfer, Linienöffnung bei Konstellation x oder y. Daraus läßt sich die Gesamtspielstärke bilden.

Experimentiert habe ich immer nur sehr einfach (weil zeitlich wahnsinnig aufwendig):
Züge bis zum Matt und Mattstellungen mit x-Figuren auf dem Brett. Hatte also grob gesagt zu den Ratinglisten immer zwei Statistiken. War ein Spießroutenlauf mit 2.000 Partien beendet dann ab zur Analyse. Mit 2.000 Partien ist so einiges möglich!! Ferndinand hat mir viele Tools hierfür programmiert. Ferdinand Mosca, Programmierer und der Mann für solche Dinger.

Die beiden Statistiken verglichen und grob kam das Gleiche heraus. Spießroutenläufe wiederholt, kam grob das Gleiche raus. Das geht schon so mit Abweichungen um bis zu 50 Elo aber ist nicht zufriedenstellend.

Hätten wir eine Elo zu Eröffnung / Mittelspiel ... Übergang Endspiel und Endspiel wissen wir zwar mehr aber kennen immer noch nicht die genauen Stärken und Schwächen. Können diese aber im Vergleich der Engines untereinander zumindest mal vergleichen.

Mit anderen Worten:
Elo ist zwar dumm (können nichts erkennen bis auf Gesamtspielstärke) aber die Idee Elo zu Unterteilen in drei Partiefragmente ist auch dumm. Eine nur leicht minimal intelligentere Form von dumm!

Sagte ja ...
Wir haben heute Entscheidungsengines (3-Hirn-Idee). Die Spielstärke der TOP-Programme heute könnten wir uns zu Nutze machen. Die Kombinationen die möglich werden ... das wäre ein Spielplatz voller Kinder.