Genie 4: Googles KI-Welten reagieren jetzt auf Befehle – und haben Ton

Google DeepMind öffnet sein Weltmodell Genie 4 für zahlende Ultra-Abonnenten. Man kann damit begehbare Welten erzeugen, sie während des Erkundens per Texteingabe umbauen, und erstmals gibt es dazu passenden Ton bis hin zu Dialogen der Figuren.

Projekte 18. Nov. 2026 6 Min. Lesezeit Quelle: Google DeepMind
Symbolbild, KI-generiert

Worum es geht

Google DeepMind hat am 18. November 2026 die neue Version seines Experiments Project Genie freigeschaltet. Das Herzstück ist Genie 4, laut Google das bislang realistischste und interaktivste Weltmodell des Unternehmens. Ein Weltmodell ist eine KI, die keine fertigen Videos ausspuckt, sondern eine Umgebung Bild für Bild in Echtzeit erzeugt, während man sich darin bewegt. Man steuert also wie in einem Videospiel mit der Tastatur durch eine Welt, die es vorher nicht gab und die die KI im Moment erfindet.

Zugang haben zunächst berechtigte Abonnenten von Google AI Ultra, Googles teuerstem KI-Abo. Laut TechRepublic beginnt es in den USA bei 99,99 US-Dollar im Monat. Mitglieder von Google AI Pro können sich auf derselben Seite in eine Warteliste eintragen. Ob und wann der Dienst außerhalb der USA verfügbar ist, geht aus den Quellen nicht klar hervor. Laut The Next Web konnten ausgewählte Testerinnen und Tester das Modell schon seit dem 27. Oktober als Forschungsvorschau nutzen. Später sollen frühe Partner Genie 4 auch über das Google AI Studio und die Gemini-Schnittstelle (API) bekommen, ein Datum dafür gibt es noch nicht.

Was Genie 4 neu kann

Die wichtigste Neuerung: Du kannst eine Welt mitten in der Sitzung umbauen. Während du dich durch die Umgebung bewegst, tippst du einen neuen Befehl ein, und die Szene ändert sich in Echtzeit. Google nennt als Beispiele, das Wetter umzustellen, eine Figur auftauchen zu lassen oder der Handlung eine neue Richtung zu geben. Laut TechRepublic lässt sich auch die Kamera per Text bewegen, ohne dass die Simulation anhält.

Zum ersten Mal erzeugt ein Echtzeit-Weltmodell von DeepMind auch eigenen Ton. Gemeint ist „nativer“ Ton, also Ton, den das Modell gleich mit dem Bild erzeugt, statt ihn nachträglich darüberzulegen. Dazu gehören Hintergrundgeräusche wie Wellen oder Wind, Musik und Dialoge von Figuren, die auf dich reagieren. Laut The Next Web bleiben Szenen jetzt bis zu zwei Minuten stimmig, doppelt so lange wie bei Genie 3. TechRepublic spricht von „einigen Minuten“ ununterbrochener Interaktion. DeepMind gibt außerdem an, dass Physik wie Luftströmung und Zusammenstöße realistischer aussieht und sich Menschen natürlicher bewegen.

Gemini als Regisseur im Hintergrund

Anders als eine klassische Spiele-Engine arbeitet Genie 4 nicht mit fertig gebauten 3D-Objekten und programmierten Regeln. Die Szene entsteht erst, während du mit ihr interagierst. Damit die Welt dabei in sich stimmig bleibt, koppelt DeepMind das Weltmodell laut TechRepublic und The Next Web mit Googles Sprachmodellen:

  • Gemini Omni sorgt dafür, dass Aussehen und Verhalten der Dinge in der Welt gleich bleiben.
  • Gemini 3.8 Flash arbeitet als eine Art Regisseur, im Fachjargon ein „Agent in der Schleife“. Es schaut sich die aktuellen Bilder an, zerlegt ein größeres Ziel in einzelne Schritte und prüft bei jedem neuen Bild, ob der Schritt geklappt hat.

In einem Experiment mit Gemini Robotics hat DeepMind das Modell Gemini 4 Argon eingesetzt, laut The Next Web in diesem Monat öffentlich erschienen. Es plante eine Aufgabe, die Genie 4 anschließend simulierte: den humanoiden Roboter Apollo der Firma Apptronik beim Damespielen. DeepMind sieht darin unzählige mögliche Trainingsszenarien für Roboter, die man durchspielen kann, bevor die echte Hardware zum Einsatz kommt. Forschungsdirektor Tejas Kulkarni sagte laut TechCrunch bei einer Vorabpräsentation:

„Was wir in Zukunft zunehmend sehen werden, sind diese hybriden Weltmodelle, bei denen Gemini Code und Text schreibt und Genie das in Echtzeit aufnimmt und die Realität auf verschiedenen Abstraktionsebenen simuliert.“

Agent, Galerie und Updates für Genie 3

Project Genie bekommt nicht nur das neue Modell. Ein Project-Genie-Agent soll das Erstellen einer Welt so einfach machen wie ein Gespräch: Du beschreibst deine Idee in normaler Sprache, und der Agent setzt mehrere Google-Modelle ein. Er erzeugt Startbilder, die den Stil der Welt festlegen, und passende Hintergrundmusik. Während du erkundest, kann Gemini mitlaufen, das Geschehen auf dem Bildschirm beobachten, Vorschläge für den nächsten Schritt einblenden oder selbst Ereignisse in der Welt auslösen.

Neu ist außerdem eine Galerie mit ausgewählten Welten und Arbeiten aus der Community. Beispiele von Google: In „Living Memory“ werden eigene Fotos zu begehbaren Räumen, in „Dino Field Guide“ läuft man durch urzeitliche Landschaften, die auf 360-Grad-Panoramen beruhen, und in „Rock Paper Scissors“ treten Gegenstände auf einem Schreibtisch gegeneinander an, Gemini ist dabei der Schiedsrichter. Mit dem Kreativtechnologen Will alias BLVCKL!GHT entstand das Gruselrätsel „Villa Giallo“ in einem gotischen Herrenhaus, mit dem Filmemacher Anand Gandhi „The Life of Ants“, eine Ameisenkolonie aus Sicht einer Ameise. Welten aus der Galerie lassen sich mit dem Agenten abwandeln, im Fachjargon „remixen“: Aufbau, Soundtrack oder Regeln ändern und das Ergebnis wieder veröffentlichen.

Genie 3 bleibt in der Modellauswahl und hat ebenfalls Updates bekommen:

Funktion Genie 3 (neu) Genie 4
Dauer bis 3 Minuten pro Generierung (vorher 60 Sekunden), Welten verkettbar laut TechCrunch bis ca. 2 Minuten stimmige Szene
Start aus 360-Grad-Panorama ja nicht genannt
Änderungen per Text während der Sitzung ja ja
Eigener Ton nein ja, inklusive Dialogen
Bildqualität und Physik geringer laut Google die beste bisher

Genie 3 bietet sich also an, wenn du länger unterwegs sein oder eine Welt aus einem Panoramafoto starten willst.

Grenzen und Sicherheit

DeepMind betont selbst, dass beide Modelle noch Forschung sind. Ungelöst sind laut Google unter anderem die Verzögerung bei der Kamerasteuerung, verzwickte physikalische Wechselwirkungen, die Genauigkeit des Echtzeit-Tons und die sogenannte Objektpermanenz, also dass Dinge noch da sind und gleich aussehen, wenn man sich umdreht. Laut TechRepublic und The Next Web verschieben sich Details, je länger eine Sitzung läuft oder je öfter man per Text eingreift. Lesbarer Text in der Welt ist ebenfalls noch eine Baustelle. DeepMind-Ingenieur Diego Rivas sagte laut Bloomberg:

„Wir sind noch auf der Forschungsreise, nicht unbedingt auf der Reise zum fertigen Produkt.“

Alle erzeugten Videos und Töne tragen das Wasserzeichen SynthID, das unsichtbar in die Daten eingebettet ist und KI-Inhalte als solche erkennbar machen soll. Ein- und Ausgaben laufen zudem durch Sicherheitsfilter.

Einordnung

Genie 4 ist kein Spiel, das man fertig kauft, sondern ein frühes Werkzeug, das zeigt, wohin Weltmodelle sich entwickeln. Spannend ist das vor allem für Leute aus Film, Spieleentwicklung und Bildung. Laut DeepMind haben Tester es zum Beispiel für Previsualisierung genutzt, also grobe Vorab-Versionen von Filmszenen, und für Spielprototypen. Fotojournalisten hätten versucht, Archivfotos in Simulationen zu verwandeln, was ethische Fragen aufwirft, die die Quellen nicht weiter behandeln.

TechRepublic rät Teams zur Nüchternheit: Eine überzeugende Szene sei erst der Anfang. Man solle prüfen, ob die gesparte Zeit beim Ideensammeln nicht von Nacharbeit wieder aufgefressen wird. Für die Robotik reiche die Ankündigung nicht als Beleg, dass Genie 4 geprüfte physikalische Simulationen ersetzen kann. Unabhängige Messungen oder Benchmarks gibt es bislang nicht, die Angaben stammen von Google.

Das Umfeld zeigt, wie viel Hoffnung auf der Technik ruht. Laut Ars Technica ließ schon die Vorstellung von Genie 3 im Vorjahr die Aktien von Spielefirmen fallen. Laut The Next Web ist die Branche dabei, sich zu sortieren: AMD will World Labs kaufen, Amazon hat mit Decart verhandelt, und Rivian hat Third Dimension für Fahrsimulationen übernommen. Wer Genie 4 ausprobieren will, braucht allerdings vorerst das teure Ultra-Abo und sollte vor dem Abschluss prüfen, ob das eigene Konto berechtigt ist.

Videos zum Thema

Project Genie: Create and explore interactive worlds with Genie 4 Google DeepMind · YouTube
Genie 4: A new generation of world simulation Google DeepMind · YouTube

Quellen

#google deepmind#genie 4#weltmodelle#project genie#gemini
Originalquelle lesen

Frag den KI-Assistenten

Fragen zu diesem Artikel, zur Installation oder zu Hintergründen? Unser Assistent kennt diese Seite und läuft auf unserem eigenen Rechner, nicht in einer fremden Cloud.

Verbinde …

Der Assistent ist eine KI (Gemma 4) und kann sich irren – wichtige Angaben bitte in der Quelle prüfen. Fragen werden nur zum Beantworten genutzt und nach einer Stunde gelöscht. Bitte keine persönlichen Daten eingeben.

Kommentare

Was meinst du dazu? Schon ausprobiert? Schreib es hier, ohne Anmeldung.

  1. Kommentare werden geladen …

Kommentare sind öffentlich. Links sind nicht erlaubt, beleidigende Beiträge löschen wir. Deinen eigenen Kommentar kannst du in diesem Browser jederzeit wieder löschen. Mehr dazu in der Datenschutzerklärung.