https://lichess.org/@/Lichess/blog/op1-partial-8-piece-tablebase-available/1ptPBDpC
Die Datei ist riesig und deshalb nur Online von Nutzen.

Ich hatte mir mit einer Auswertung von Thomas Zipproth eine 6-7 Tablebase Datei erstellt. Sie passte auf ein 500 GB Laufwerk.
Ich setzte sie unter Fritz bei Lc0-Partien ein. Damit konnte ich die Endspiel-Schwäche von Lc0 mildern.

Jedoch frage ich mich, ob man nicht mit einem speziell trainierten Netz, Lc0 oder besser NNUE, Endspielwissen abbilden kann.
Wenn ich mich recht erinnere gab es sowas für 16 Steiner als EndspielNetz.

Hier die Recherche mit ChatGPT:

Neben den perfekten Endspiel-Tablebases gibt es heute auch trainierte neuronale Netze, die Endspiele sehr gut bewerten können. In modernen Schachengines wie Stockfish kommt dafür das sogenannte NNUE-Netz zum Einsatz. Dieses Netz ist kein spezielles Endspielnetz im engeren Sinn, sondern ein allgemein trainiertes Bewertungsnetz, in dessen Trainingsmaterial jedoch sehr viele Endspielstellungen enthalten sind. Dadurch lernt das Netz typische endspielrelevante Konzepte wie die Aktivität der Könige, Opposition, Zugzwang, Freibauern, Festungen oder auch scheinbar kleine strukturelle Vorteile, die im Endspiel entscheidend werden können.

NNUE arbeitet nicht mit exakter Berechnung wie eine Tablebase, sondern mit erlernten Mustern. Es liefert daher keine garantierten Gewinnzüge, sondern eine sehr präzise Einschätzung der Stellung. Gerade im Bereich vor dem Tablebase-Limit – etwa bei acht bis zwölf Steinen – ist dieses Verfahren extrem wirkungsvoll. Die Engine „versteht“ dort oft bereits, in welche Richtung eine Stellung tendiert, lange bevor sie konkret ausgerechnet ist.

Auch Engines wie Leela Chess Zero verfolgen einen ähnlichen Ansatz, allerdings konsequenter: Dort basiert die gesamte Spielstärke auf neuronalen Netzen, die Endspiele implizit mitlernen. Leela zeigt in vielen Endspielen ein sehr positionelles, fast menschlich anmutendes Spielverständnis, insbesondere bei Festungen oder langfristiger Kompensation, auch wenn der Weg zum Gewinn manchmal weniger direkt ist als bei klassischer Suche.

In der Praxis ergänzen sich diese Ansätze ideal: Neuronale Netze liefern im frühen und mittleren Endspiel ein tiefes strategisches Verständnis, während bei einer ausreichend reduzierten Materiallage automatisch auf Tablebases umgeschaltet wird, die dann perfekte Züge garantieren. Genau diese Kombination aus gelerntem Verständnis und exakter Berechnung macht moderne Engines im Endspiel so stark.