Google DeepMind entwickelt sein Welt-Simulationsmodell mit Genie 4 weiter, das realistischere Umgebungen generieren, deren Soundtrack erzeugen und Szenen auf Anfrage verändern kann. Diese noch in der Forschungsphase befindliche Technologie zielt insbesondere auf Robotik, Videospiele und audiovisuelle Previsualisierung ab.
Nach der Generierung von Texten, Bildern und Videos interessieren sich die Akteure der KI für eine weitere Fähigkeit: die Simulation von Umgebungen, in denen sich der Nutzer bewegen und handeln kann. Genie 4, vorgestellt am 27. Oktober 2026, reiht sich in diese Entwicklung ein. Entwickelt von Google DeepMind, ermöglicht dieses Welt-Simulationsmodell (world model, also ein System, das eine virtuelle Umgebung und ihr Funktionieren rekonstruiert) die Erstellung interaktiver Szenen, deren Erscheinungsbild und Verhalten sich durch die Eingriffe des Nutzers verändern.
Durch natürliche Sprache gesteuerte Umgebungen
Genie 4 zeichnet sich zunächst durch die Möglichkeit aus, eine Simulation während ihrer Ausführung zu verändern. Eine Anweisung in natürlicher Sprache, also in einem gewöhnlichen Satz formuliert, kann dazu dienen, das Wetter zu ändern, die Kamera zu bewegen oder ein neues Objekt oder einen Charakter einzuführen. Das System muss dann die Szene anpassen, ohne deren Kontinuität zu unterbrechen.
Das Modell erzeugt auch die mit der Umgebung verbundenen Geräusche, sei es Umgebungsgeräusche, Musik oder interaktive Dialoge. Google DeepMind gibt zudem an, Fähigkeiten aus seiner Gemini-Familie zu integrieren, um die Kohärenz der Szenen und die Handhabung von Ereignissen mit mehreren Schritten zu verbessern. Diese Kombination soll die visuelle Darstellung mit der für die Entwicklung einer Umgebung notwendigen Denkweise näher zusammenbringen.
Genie 4 kann laut TechCrunch eine kohärente Szene für etwa zwei Minuten aufrechterhalten, also doppelt so lange wie sein Vorgänger Genie 3. Diese Dauer bleibt jedoch für komplexe oder längere Simulationen begrenzt.
Von digitaler Kreation zur Robotik
Die angedachten Anwendungen gehen über die Unterhaltung hinaus. Bei Videospielen könnte ein solches Modell die Erstellung erkundbarer Prototypen vor der Entwicklung in einer traditionellen Engine beschleunigen. Im audiovisuellen Bereich könnte es laut Testern die Previsualisierung von Szenen erleichtern, indem es ermöglicht, schnell Kadrierungen, Beleuchtungen oder Bewegungen zu testen.
Die Robotik stellt ein weiteres potenzielles Anwendungsgebiet dar. Eine simulierte Umgebung könnte dazu dienen, das Verhalten eines Agenten – also eines Softwaresystems oder Roboters, der autonom handelt – in verschiedenen Situationen zu untersuchen, bevor er mit realen Bedingungen konfrontiert wird. Google DeepMind beschreibt insbesondere Experimente, die Genie mit Gemini-Modellen kombinieren, die in der Lage sind, eine Aufgabe in Schritte zu zerlegen und deren Ausführung in der Simulation zu verfolgen.
Diese Perspektiven müssen jedoch noch unter Betriebsbedingungen validiert werden. Eine visuell überzeugende Szene garantiert nicht, dass die simulierten physikalischen Gesetze, Interaktionen oder Reaktionen zuverlässig genug sind, um ein autonomes System zu trainieren.
Eine noch experimentelle Technologie
Google räumt mehrere Grenzen ein: Objekte und bestimmte Details können im Laufe der Zeit abweichen, komplexe physikalische Interaktionen sind noch verbesserungsfähig und in die Szenen integrierte Texte sind nicht immer lesbar. Die Genauigkeit der Geräusche und die langfristige Kohärenz gehören ebenfalls zu den Forschungsschwerpunkten.
Das Modell wird zunächst einer begrenzten Gruppe von Testern angeboten. Der Zugang soll sich dann auf Abonnenten von Google AI Ultra über Project Genie sowie auf bestimmte Partner der Gemini-API und von Google AI Studio ausweiten. Eine allgemeine Verbreitung ist zu diesem Zeitpunkt nicht angekündigt.
Das Interesse an Genie 4 wird nach diesen ersten Informationen weniger von seinem visuellen Realismus in kurzen Sequenzen abhängen als von seiner Fähigkeit, Umgebungen über längere Zeit hinweg kohärent, vorhersehbar und kontrollierbar zu halten.
