Kurz gesagt: Google DeepMind erweitert sein KI-Weltmodell Genie 4 um realistischere 3D-Simulationen, Geräusche, Musik und Sprache. Nutzer können virtuelle Umgebungen während der Simulation verändern. Gemini-Modelle unterstützen die Darstellung und Aufgabenplanung. Kurze Laufzeiten und mangelnde Konsistenz begrenzen jedoch weiterhin den praktischen Einsatz.
Virtuelle Welten, die nicht vorab vollständig gestaltet werden, sondern während ihrer Erkundung durch künstliche Intelligenz entstehen: Mit Genie 4 entwickelt Google DeepMind diese Technologie weiter. Doch wie nah kommen solche KI-Simulationen bereits an dauerhaft nutzbare virtuelle Umgebungen heran?
Interaktive Welten mit Geräuschen und Sprache
Genie 4 erstellt aus Textbeschreibungen oder Bildern dreidimensionale Umgebungen, die sich per Tastatur erkunden lassen. Anders als klassische Spiele-Engines erzeugt das Weltmodell die Darstellung fortlaufend mithilfe generativer KI, statt auf eine zuvor fertig modellierte 3D-Welt zurückzugreifen.
Neu ist die integrierte Audioerzeugung. Neben visuellen Szenen entstehen passende Umgebungsgeräusche, Musik und Sprache. Über Texteingaben können Nutzer außerdem während einer laufenden Simulation das Wetter verändern oder zusätzliche Gegenstände einfügen.
Laut Google wirken die generierten Welten fotorealistischer als beim Vorgänger. Auch menschliche Bewegungen und physikalische Vorgänge wie Kollisionen sollen glaubwürdiger dargestellt werden.
Gemini unterstützt Simulation und Aufgabenplanung
Eine wichtige Rolle übernimmt die Zusammenarbeit mit Googles Gemini-Modellen. Das Videomodell Gemini Omni soll realistische Darstellungen und glaubwürdiges Verhalten innerhalb der simulierten Welten unterstützen.
Gemini 3.8 Flash übernimmt zusätzliche Aufgaben: Das Modell beobachtet Simulationen, plant Handlungsschritte zur Erfüllung vorgegebener Aufgaben und überprüft deren erfolgreiche Ausführung.
Trotz dieser Fortschritte bleibt die Technologie eingeschränkt. Laut Bloomberg sind derzeit Simulationen von bis zu zwei Minuten möglich. Google-Forscher Hang Qi bestätigt zudem, dass die Umgebungen nicht durchgehend konsistent bleiben.
Zum Vergleich: Genie 3 ermöglichte bereits 2025 Echtzeitinteraktionen mit 24 Bildern pro Sekunde bei 720p. Anfang 2026 öffnete Google mit Project Genie den Zugang für Abonnenten von Google AI Ultra, seit Mitte 2026 auch außerhalb der USA. Frühere Praxistests waren auf rund 60 Sekunden begrenzt und boten weder Ton noch umfangreiche Interaktionsmöglichkeiten.
Genie 4 steht zunächst ausgewählten Testern zur Verfügung. In den kommenden Wochen soll der Zugang über Project Genie für Google-AI-Ultra-Abonnenten sowie für ausgewählte Entwickler über die Gemini API und Google AI Studio folgen. Ein Termin für die allgemeine Veröffentlichung fehlt.
Einsatzmöglichkeiten für Spiele, Film und KI-Agenten
Google sieht Potenzial bei der Vorbereitung von Filmszenen, der Entwicklung interaktiver Spieleprototypen und der Umwandlung historischer Fotografien in erkundbare Umgebungen. Erste Tester arbeiten bereits an Film- und Spieleprojekten.
Weitere mögliche Anwendungen liegen beim Training von Robotern und KI-Agenten. Während klassische Sprachmodelle hauptsächlich sprachliche Muster erlernen, sollen Weltmodelle räumliche und physikalische Zusammenhänge erfassen und Auswirkungen von Handlungen vorhersagen.
Dadurch könnten KI-Systeme komplexe Aufgaben zunächst virtuell erproben, bevor sie diese tatsächlich ausführen.
Welche Anwendungen sich langfristig durchsetzen, ist allerdings offen. Auch DeepMind-Produktmanager Diego Rivas betont den weiterhin experimentellen Charakter der Technologie. Entscheidend bleibt, ob künftige Weltmodelle längere und zuverlässigere Simulationen ermöglichen.
Wie sich solche Technologien entwickeln und welche Bedeutung sie für den praktischen Einsatz künstlicher Intelligenz gewinnen, lässt sich im Newsletter Beratung-KI verfolgen.
Effizienz durch Innovation: Teile der textlichen und visuellen Ausgestaltung dieser Seite wurden durch generative KI-Systeme unterstützt.