Google Genie 4: KI-Simulator für interaktive 3D-Umgebungen wird realistischer

Google DeepMind hat mit Genie 4 eine neue Generation seines KI-Weltmodells vorgestellt. Es erzeugt aus Text- oder Bildvorgaben interaktiver 3D-Umgebungen, die Nutzer per Tastatur erkunden. Anders als klassische Spiele-Engines berechnet Genie die Darstellung nicht aus einer vorab gestalteten 3D-Welt, sondern generiert sie mithilfe von KI fortlaufend neu. Die Simulationsdauer ist derzeit auf wenige Minuten begrenzt.

Neu ist die Audioerzeugung: Genie 4 generiert neben den Bildern auch passende Umgebungsgeräusche, Musik und Sprache. Zudem lässt sich per Texteingabe flexibler auf die Umgebungen einwirken: Nutzer können etwa das Wetter ändern und Gegenstände hinzufügen, während die Simulation läuft. Laut Google wirken die Darstellungen fotorealistischer, menschliche Bewegungen natürlicher und physikalische Vorgänge wie Kollisionen glaubwürdiger als beim Vorgänger.

Genie 4 steht zunächst ausgewählten Testern zur Verfügung. In den kommenden Wochen soll der Zugang über Project Genie für Abonnenten von Google AI Ultra und für ausgewählte Entwickler über die Gemini API und Google AI Studio folgen. Einen Termin für die allgemeine Veröffentlichung nennt Google nicht.

Auch Genie 4 bleibt Forschung

Eine wichtige Rolle spielt laut Google das Zusammenspiel von Genie 4 mit Googles Gemini-Modellen. Das Videomodell Gemini Omni soll dazu beitragen, dass die simulierten Welten möglichst realistisch aussehen und sich glaubwürdig verhalten. Gemini 3.8 Flash wiederum beobachtet die laufende Simulation, plant die nötigen Schritte zur Erfüllung einer Aufgabe und kontrolliert, ob diese erfolgreich ausgeführt wurden.

Die kurze Simulationsdauer und mangelnde Konsistenz setzen Genie weiterhin enge Grenzen. Laut Bloomberg sind derzeit Simulationen von bis zu zwei Minuten möglich und wie Google-Forscher Hang Qi einräumt, bleiben die Umgebungen dabei nicht durchgehend konsistent.

Google forscht seit Jahren an Genie. Die dritte Generation des Weltmodells ermöglichte 2025 Echtzeitinteraktionen mit 24 Bildern pro Sekunde bei 720p. Anfang 2026 machte Google die Technologie mit der Web-Anwendung Project Genie erstmals für Abonnenten von Google AI Ultra zugänglich und seit Mitte 2026 ist sie außerhalb der USA erhältlich. Im Praxistest waren die Durchgänge auf rund 60 Sekunden begrenzt. Ton fehlte und die Interaktionsmöglichkeiten waren stark eingeschränkt.

Weltmodelle auf der Suche nach Anwendungen

Welche Anwendungen sich mit Genie 4 tatsächlich durchsetzen könnten, ist auch für Google noch offen. Laut DeepMind-Produktmanager Diego Rivas befindet sich die Technologie weiterhin in der Forschungsphase. Erste Tester nutzen Genie 4 laut Google bereits, um Filmszenen vorzubereiten und interaktive Spieleprototypen zu entwickeln. Das Unternehmen demonstriert außerdem, wie sich historische Fotografien in erkundbare Szenen verwandeln lassen, und sieht weitere Einsatzmöglichkeiten beim Training von Robotern und KI-Agenten.

Empfohlener redaktioneller Inhalt

Mit Ihrer Zustimmung wird hier ein externes YouTube-Video (Google Ireland Limited) geladen.

Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen (Google Ireland Limited) übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.

Während klassische Sprachmodelle vor allem Textmuster erlernen, sollen Weltmodelle räumliche und physikalische Zusammenhänge erfassen und die Folgen von Handlungen vorhersagen. Damit könnten KI-Systeme komplexe Aufgaben besser planen und Handlungen vorab virtuell erproben.

Der frühere Meta-Chefforscher Yann LeCun forscht mit AMI Labs an einem verwandten Ansatz. Auch die KI-Pionierin Fei-Fei Li entwickelt mit World Labs Weltmodelle. Ein Start-up, das AMD für 8.2 Millliarden US-Dollar übernehmen möchte.