Google arbeitet im Zuge des Booms der generativen künstlichen Intelligenz an zahlreichen Modellen. Zu den besonders außergewöhnlichen Projekten des Unternehmens gehört das Weltmodell Genie. Größere öffentliche Aufmerksamkeit erregte es erstmals im Sommer 2025, als Google mit Genie 3 die Möglichkeit einführte, interaktive grafische Umgebungen zu erzeugen. Nun ist die neue Version erschienen, die einen wichtigen Fortschritt bringt.
Das von DeepMind entwickelte Genie 4 ist das bislang beste Weltmodell. Es erzeugt interaktive Umgebungen, die Nutzer mit natürlichsprachlichen Anweisungen in Echtzeit erkunden und verändern können. Jede Änderung wirkt sich unmittelbar auf die laufende Simulation aus und gestaltet das Erlebnis nach den Wünschen des Nutzers.
Anders als seine Vorgänger kann Genie 4 parallel zum Bild auch Geräusche und Dialoge direkt erzeugen und damit das Erlebnis vervollständigen.
Genie 4 ist bekanntlich kein herkömmliches Modell zur Videoerzeugung, sondern ein interaktiver Simulator. Die Nutzung fühlt sich ähnlich an, als würde man eine Spielwelt betreten. Nach Eingabe eines beliebigen Prompts können Nutzer sofort in die erzeugte Welt eintauchen und dort mit Tastatur und Maus ihre Bewegungen und die Blickrichtung steuern. Solange die Simulation läuft, können sie sich frei umsehen und die Umgebung erkunden.
Die auffälligste Fähigkeit des neuen Genie-Modells ist die „Live-Steuerung“: Nutzer können die Umgebung während der laufenden Simulation durch eingegebene Textanweisungen verändern. So lässt sich der virtuelle Raum fortlaufend erweitern, aber auch die gesamte Umgebung beeinflussen. Im Freien können beispielsweise das Wetter oder die Tageszeit geändert werden. Auch die Kameraperspektive wird per Befehl gewechselt, und auf diesem Weg erhalten Nutzer neue Werkzeuge. Das erinnert ein wenig an die Eingabe von Cheatcodes in GTA.
Dank der überarbeiteten Architektur und der technischen Weiterentwicklung lassen sich Welten länger als bisher betreiben. Allerdings ist die verfügbare Zeit nach wie vor sehr kurz. Nutzern bleiben lediglich zwei Minuten: Für diesen Zeitraum kann Genie 4 die Stabilität und Kohärenz der gewünschten Szene garantieren. Das ist doppelt so lange, wie Genie 3 es 2025 schaffte. Tatsächlich könnte man schon deutlich länger in den Simulationen verweilen. Dann treten jedoch Fehler, Kontextverluste und andere Probleme auf. Deshalb begrenzt Google die Nutzung hier über die Zeit statt über die Zahl der Tokens.
Durch die mit Genie 4 eingeführte Audioerzeugung erhält jeder virtuelle Raum seine eigene Geräuschkulisse. Das Rauschen des Windes, das Plätschern fließenden Wassers und Schrittgeräusche entstehen in der Simulation in Echtzeit, passend zu den jeweiligen Handlungen. Dadurch wirkt der Aufenthalt in der Simulation deutlich lebensechter, und die virtuelle Umgebung zieht die Nutzer stärker in ihren Bann. Befinden sich mehrere Menschen in einer Szene, laufen die Figuren nicht stumm umher, sondern können miteinander ins Gespräch kommen und auch den Nutzer ansprechen. Die Interaktivität erstreckt sich damit auch auf Gespräche, deren Inhalte wiederum die Entwicklung der Welt beeinflussen.
Besonders wichtig ist auch die realistische Physik mit Schwerkraft und Wechselwirkungen. Das Weltmodell Genie 4 simuliert die Folgen von Kollisionen zwischen Objekten, das Zusammenspiel von Wind und Bäumen und sogar die Bewegung von Wasser. Fällt ein Blatt ins Wasser, durchbricht es die Oberfläche und erzeugt dabei ein Geräusch. Watet der Nutzer hingegen in einen See, entstehen deutlich lautere Geräusche und kräftige Wellen.
Für den stabilen Betrieb von Genie 4 setzen die Forscher von DeepMind nahezu alle wichtigen Gemini-Modelle ein. Gemini Omni erzeugt zahlreiche Elemente der visuellen Welt, darunter Texturen und realistische Verhaltensmuster. Als interner Agent der Simulation beobachtet Gemini 3.8 Flash im Hintergrund fortlaufend die erzeugten Einzelbilder, überprüft die Ziele des Nutzers und hilft dabei, die räumliche Konsistenz zu erhalten. So soll verhindert werden, dass die Welt auseinanderfällt.
Experimentell haben die Forscher auch Gemini 4 Argon in Genie 4 eingebunden. Damit erstellten sie besonders komplexe Simulationen, in denen sich ein Roboter vollkommen realistisch bewegte – einschließlich der Bewegungen seiner einzelnen Gliedmaßen. Im Grunde erzeugten sie einen digitalen Zwilling des Roboters, um verschiedene Situationen zu simulieren und die Maschine damit auch zu trainieren. Das ist keine Fiktion: Genie 4 hat auf diese Weise tatsächlich zum Training des Roboters Apptronik Apollo beigetragen.
Nach Ansicht der Forscher von Google DeepMind ist die Entwicklung von Weltmodellen ein wesentlicher Schritt auf dem Weg zur allgemeinen künstlichen Intelligenz (AGI). Sie könnte künftig die Robotik, KI-Agenten, die Kreativbranche einschließlich der Filmproduktion und die Spieleentwicklung erheblich voranbringen.
In seinem Bericht betont das Entwicklungsteam auch, dass die Technologie noch weit von einer breiten Einsetzbarkeit entfernt ist. Es wird noch viel Zeit vergehen, bis sich jemand an den PC setzt und anstelle seines Lieblingsspiels per Prompt eine Welt nach seinen momentanen Vorstellungen erschafft oder mit dieser Technologie einen Film produziert. Längere Szenen und wiederholte Änderungen lassen die Simulation auseinanderfallen. Auch Genie 4 hat noch Schwierigkeiten mit Texten. Komplexe physikalische Abläufe gelingen ebenfalls nur, wenn beschrieben wird, was passieren soll.
Um Missbrauch zu verhindern, versieht Google sämtliche von Genie 4 erzeugten Video- und Audiospuren mit seinem „unsichtbaren“ digitalen Fingerabdruck SynthID. Dadurch soll sich Missbrauch verhindern oder zumindest verringern lassen, denn die sozialen Plattformen, auf denen solche Inhalte verbreitet werden könnten, werden das Material entsprechend kennzeichnen.
Genie 4 lässt sich derzeit mit eingeschränktem Zugang als Forschungsvorschau ausprobieren. Die breitere Einführung soll schrittweise erfolgen. Je mehr jemand bezahlt, desto früher erhält er Zugang – was vermutlich niemanden überraschen dürfte. Zunächst werden Abonnenten von Google AI Ultra Zugriff erhalten, doch selbst sie müssen sich auf eine Warteliste setzen lassen.
