Eigentlich wird auch bei Menschen nicht die Spielstärke verglichen, sondern die statistische Gewinnwahrscheinlichkeit - die natürlich mit der Spielstärke zusammenhängt.

Bei den dedizierten Geräten wäre das sogar noch möglich. Ist halt eine Menge Aufwand, soviele Partien zustande zu bekommen, daß es statistisch valide ist.

Das ist bei Menschen doch nicht anders. Schon der gute alte Lasker hat oftmals nicht den besten Zug gewählt, sondern den, von dem er wußte, daß er für seinen Gegner am unangenehmsten war.

Wie sollte man die Abstände der Geräte untereinander denn sonst messen? Außerdem, wie ich schon meinte, wenn Du ein Gerät aus Erfahrung kennst, dann kannst Du anhand der Zahlen in etwa abschätzen, ob ein anderes Gerät deutlich schwächer, stärker oder in etwa gleich stark ist. Dadurch muß man zumindest nicht mehr jedes Gerät einzeln probieren, das ist ja auch schon etwas. 20 Elo mehr oder weniger gehen im Rauschen unter, aber 200 merkt man schon.