Genie 4 und KI-Weltmodelle: Was Google DeepMind gebaut hat

Was ist Genie 4?

Genie 4 ist ein Weltmodell von Google DeepMind, vorgestellt am 27. Oktober 2026 und ausgelegt auf interaktive Simulation in Echtzeit. Nutzer bewegen sich mit gewöhnlicher Tastatursteuerung durch eine generierte Welt ^[1] und verändern sie per Textprompt, während sie läuft. ^[1][2]

Genie ist die Modellfamilie von DeepMind zur Erzeugung interaktiver Umgebungen. Genie 3, vorgestellt am 5. August 2025, war ein universelles Weltmodell, dessen Welten sich in Echtzeit durchqueren ließen. ^[3] Google brachte Genie 3 später in Project Genie unter, einer Web-App von Google Labs, die am 29. Januar 2026 startete. ^[4]

Die wichtigste Neuerung in Genie 4 ist der Ton. DeepMind beschreibt das Modell als nativ multimodal: Musik, Umgebungsgeräusche und interaktive Dialoge werden zeitgleich mit der Welt erzeugt. ^[1][2] DeepMind nennt es sein erstes Echtzeit-Weltmodell, das Audio nativ erzeugt. Jede Welt trägt die Klangkulisse ihres Schauplatzes, und Figuren können Dialoge führen, die sich an Nutzereingaben und an Ereignisse in der Welt anpassen. ^[1]

Was bedeutet „Weltmodell“ in Googles Wortlaut?

In der Ankündigung von Project Genie sagt Google, ein Weltmodell simuliere die Dynamik einer Umgebung und sage voraus, wie sie sich entwickelt und wie Handlungen sie beeinflussen. Google grenzt dies von erkundbaren Erlebnissen ab, die auf statischen 3D-Momentaufnahmen beruhen, denn Genie erzeugt den Weg vor Ihnen in Echtzeit, während Sie sich bewegen. ^[4]

Wer kann es nutzen?

Genie 4 ist eine Research Preview für vertrauenswürdige Tester, und DeepMind beschreibt es als frühes, experimentelles Modell. ^[1][2] Der Abschnitt zum Zugang weiter unten fasst zusammen, was über eine breitere Verfügbarkeit bekannt ist.

Was ist ein Weltmodell in der KI?

Ein Weltmodell ist ein KI-System, das eine funktionierende Repräsentation einer Umgebung aufbaut, um vorherzusagen, wie sich diese Umgebung durch Handlungen verändert. So lautet die Definition in einem Policy Brief von Stanford HAI vom 27. Juli 2026. ^[5] DeepMind formuliert ähnlich: Weltmodelle nutzen ihr Verständnis der Welt, um Aspekte davon zu simulieren, sodass Agenten vorhersagen können, wie sich eine Umgebung entwickelt und wie ihre Handlungen sie beeinflussen. ^[3] TechCrunch berichtete, DeepMind sehe Weltmodelle als Zwischenschritt auf dem Weg zur Artificial General Intelligence (AGI). ^[6]

Woher stammt die Idee?

Quanta Magazine führt sie auf die Monografie des Psychologen Kenneth Craik von 1943 zurück, in der er den Geist als Träger eines „Modells der Wirklichkeit im Kleinen“ beschrieb. Laut Quanta halten Yann LeCun, Demis Hassabis und Yoshua Bengio Weltmodelle allesamt für wesentlich für klügere, sicherere KI. ^[7]

Warum wollen Labore sie haben?

Der Reiz liegt darin, dass ein Agent in einer Simulation üben und planen kann statt in der realen Welt. Der Brief von Stanford HAI nennt Anwendungen wie Infrastrukturplanung, Krisenreaktion und Fertigungstests. ^[5] DeepMind testete seinen SIMA-Agenten, einen Generalisten-Agenten für virtuelle 3D-Umgebungen, in Welten von Genie 3. ^[6]

Gibt es Einigkeit darüber, was als Weltmodell gilt?

Nein. Quanta berichtet, „niemand kann sich auf die Details einigen“: was repräsentiert wird, wie genau, ob es gelernt oder fest eingebaut ist und wie man es nachweisen würde. ^[7] Stanford HAI zufolge ist der knappste Input für Weltmodelle handlungsbezogen gelabelte Interaktionsdaten, etwa Roboter-Trajektorien und Flottenprotokolle, die sich nicht aus dem Web sammeln lassen. ^[5]

Wie funktioniert Genie 4?

Die Ankündigung von DeepMind und die Presseberichte beschreiben die wichtigsten Bausteine, die unten dargestellt sind.

Was steuert die Welt?

Nutzer steuern mit gewöhnlicher Tastatursteuerung für Navigation und Kamera. ^[1] Textprompts verändern die Szene während des Laufs, etwa das Wetter, die Kameraposition oder das Hinzufügen einer Person oder eines Objekts. ^[1][2]

Welche Rolle spielen Gemini-Modelle?

Genie 4 baut auf Fähigkeiten der Gemini-Familie auf. DeepMind sagt, Gemini Omni verankere die Simulation in realem Aussehen und Verhalten, und weitere Gemini-Modelle liefern das Schlussfolgern, das die Simulation kohärent hält. ^[1] In der Schleife wirkt Gemini 3.8 Flash als lenkender Agent: Es beobachtet die generierte Szene, zerlegt Ziele in Schritte und prüft eingehende Bilder, um zu verifizieren, dass jeder Schritt gelungen ist. ^[1]

TechCrunch beschreibt dieses Design als hybrides Weltmodell. Mit den Worten des Google-Forschungsdirektors Tejas Kulkarni, zitiert von TechCrunch, schreibt bei hybriden Weltmodellen Gemini Code und Text, während Genie die Realität auf unterschiedlichen Abstraktionsebenen simuliert. ^[2] Kulkarni sagte Reportern, hybride Weltmodelle würden häufiger werden. ^[2]

Woher stammt das Design?

Das ursprüngliche Genie-Paper (arXiv, 23. Februar 2024, Bruce et al., Google DeepMind) beschrieb eine generative interaktive Umgebung, die ohne Aktionslabels aus unbeschrifteten Internetvideos trainiert wurde. Mit 11 Milliarden Parametern wurde es als Foundation World Model beschrieben, bestehend aus einem Video-Tokenizer, einem autoregressiven Dynamikmodell und einem Latent-Action-Modell. ^[8]

Genie 2, im Dezember 2024 vorgestellt, machte aus einem einzelnen Bildprompt spielbare 3D-Umgebungen, die bis zu 1 Minute konsistent blieben, wobei die meisten Beispiele 10-20 Sekunden dauerten. ^[9] Genie 3 folgte im August 2025 mit Echtzeitwelten aus einem Textprompt bei 24 Bildern pro Sekunde und 720p-Auflösung. ^[3][6]

Was ist in Genie 4 gegenüber Genie 3 neu?

Der eigene Beitrag von DeepMind belegt 3 Änderungen, und TechCrunch berichtet von einer vierten. ^[1][2]

• Ton und Sprache. TechCrunch berichtet, dass Genie 4 gegenüber Genie 3 Audio hinzufügt. DeepMind sagt, es erzeuge Umgebungsgeräusche, Musik und Dialoge zusammen mit der Welt. ^[1][2]
• Gemini in der Schleife. Ein Gemini-Modell plant und prüft die Szene während des Laufs. ^[1]
• Textsteuerung im Betrieb. Prompts können während einer Sitzung Wetter, Kamera oder Objekte verändern. ^[1][2]
• Dauer. TechCrunch berichtet, Genie 4 könne eine Szene bis zu 2 Minuten konsistent halten, doppelt so lange wie Genie 3. Diese Zahl stammt von TechCrunch, nicht von DeepMind. ^[2]

Warum weichen die Angaben zur Sitzungsdauer voneinander ab?

Sie stammen aus unterschiedlichen Quellen und von unterschiedlichen Produkten. DeepMind beschrieb Genie 3 als über „einige Minuten“ konsistent, wobei das visuelle Gedächtnis etwa 1 Minute zurückreichte. ^[3] Project Genie, der Verbraucher-Prototyp, begrenzte Generierungen auf 60 Sekunden. ^[4] Der Genie-4-Beitrag von DeepMind nennt in den geprüften Abschnitten keine Zahl. ^[1] Der „doppelt“-Vergleich von TechCrunch lässt sich allein anhand des Textes nur schwer mit den „einigen Minuten“ von DeepMind für Genie 3 vereinbaren; betrachten Sie 2 Minuten daher als von TechCrunch berichtete Zahl und nicht als Spezifikation von DeepMind. ^[2][3]

Die folgende Tabelle stellt die Genie-Linie nebeneinander, jeweils im Wortlaut der jeweiligen Quelle.

Kann man Genie 4 heute nutzen, und was kostet es?

Stand 3. November 2026 ist Genie 4 eine Research Preview für vertrauenswürdige Tester. DeepMind sagt, es sammle Feedback, bevor es das Modell für Verbraucher und Entwickler freigibt, beginnend mit Abonnenten von Google AI Ultra in Project Genie und Early-Access-Partnern der Gemini API und von Google AI Studio. Eine Warteliste ist geöffnet. ^[1] TechCrunch zufolge wird die breitere Einführung in den kommenden Wochen erwartet. ^[2]

In den geprüften Quellen tauchte weder ein Preis noch ein Termin für die allgemeine Verfügbarkeit auf. Aktuelle Konditionen finden Sie auf den offiziellen Seiten von Google.

Wie sah Project Genie zum Start aus?

Project Genie startete am 29. Januar 2026 als experimentelle Prototyp-Web-App in Google Labs, angetrieben von Genie 3, Nano Banana Pro und Gemini. ^[4] 9to5Google berichtete dasselbe Startdatum sowie die Komponenten Genie 3 und Nano Banana Pro. ^[10] Sie stand Abonnenten von Google AI Ultra in den USA ab 18 Jahren offen, mit „Ausweitung auf weitere Gebiete zu gegebener Zeit“. ^[10] Googles eigener Ankündigung zufolge war sie für Nutzer von Google AI Ultra for Business nicht verfügbar. ^[4]

Die 3 Kernfunktionen waren das Skizzieren von Welten mit Text und Bildern, das Erkunden von Welten und das Remixen von Welten. Generierungen waren auf 60 Sekunden begrenzt, und die per Prompt steuerbaren Weltereignisse von Genie 3 waren im Prototyp nicht enthalten. ^[4]

Ist Genie 4 im Iran verfügbar?

Keine der geprüften Quellen geht auf den Iran ein, daher lässt sich nichts Iran-Spezifisches als Tatsache behaupten. Die belegte Ausgangslage: Project Genie begann als Angebot nur für Ultra-Abonnenten in den USA, und DeepMind nennt Ultra-Abonnenten unter den ersten vorgesehenen Verbrauchernutzern von Genie 4. ^[1][4][10] Leser im Iran sollten die offiziellen Seiten von Google zu Verfügbarkeit und Zahlung prüfen und sich nicht auf Behauptungen Dritter zum Zugang verlassen.

Wofür lassen sich Weltmodelle wie Genie 4 einsetzen?

Die Anwendungen lassen sich in kreative Arbeit, Training von Agenten und Robotern sowie Planung einteilen.

Was machen Tester mit Genie 4?

DeepMind sagt, vertrauenswürdige Tester aus Kreativbranchen, Journalismus, Bildung, Gaming und Ingenieurwesen probierten Genie 4 aus, etwa für Previsualisierung und Ideenfindung sowie um Archivfotografien in Simulationen zu verwandeln. ^[1] Die Berichterstattung von TechCrunch erwähnt Film-Prototyping, Ideenfindung und Storyboarding. ^[2]

Wie helfen Weltmodelle beim Training von Agenten und Robotern?

Die Idee ist, einem Agenten einen Ort zu geben, an dem er handeln und günstig scheitern kann. DeepMind testete eine Version seines SIMA-Agenten in Welten von Genie 3. In einem von TechCrunch wiedergegebenen Pressebriefing sagte der DeepMind-Forscher Jack Parker-Holder, das Modell „erhält nur die Handlungen des Agenten“, der dann die um ihn herum simulierte Welt sieht. ^[6]

Für Genie 4 beschreibt TechCrunch ein Experiment, in dem Gemini 4 Argon gemeinsam mit Gemini Robotics eine Aufgabe in Schritte zerlegte, die Genie 4 in Echtzeit simulierte. ^[2] Der Beitrag von DeepMind sagt, die Demonstration habe den humanoiden Roboter Apollo von Apptronik beim Damespielen simuliert. ^[1] Das zeigt Planung innerhalb einer Simulation, nicht einen Roboter, der die Aufgabe in der physischen Welt ausführt.

Was erwarten Policy-Forscher?

Stanford HAI nennt Infrastrukturplanung, Krisenreaktion und Fertigungstests als Beispiele und merkt an, dass schwer zu beschaffende Roboter-Trajektorien und Flottenprotokolle der knappste Trainingsinput sind. ^[5]

Was versprechen Genie 4 und wo liegen seine Grenzen?

Was bietet es?

• Interaktive Welten mit Ton und adaptiven Dialogen, in einem System erzeugt. ^[1]
• Textsteuerung während einer Sitzung, eine Funktion, die Tester für Ideenfindung und schnelle Szenenwechsel nutzen können. ^[1][2]
• Eine Plan-und-Prüf-Schleife, in der ein Gemini-Modell verifiziert, dass jeder Schritt gelungen ist. ^[1]

Wo liegen die Grenzen?

TechCrunch berichtet, das Genie-4-Team habe eingeräumt, dass Details und Objekte umso stärker abdriften können, je länger eine Simulation läuft, und dass das Team noch nicht herausgefunden habe, wie sich korrektes Audio und lesbarer Text in der Spielwelt sicherstellen lassen. ^[2] Für Genie 3 berichtete TechCrunch von einem begrenzten Handlungsspektrum und Schwierigkeiten, das Zusammenspiel mehrerer Agenten zu modellieren. ^[6]

Welche Bedenken gibt es bei der Governance?

Stanford HAI sagt, kein bestehender Benchmark biete Politikern eine ausreichende Grundlage, ein Weltmodell für den sicherheitskritischen Einsatz zu beurteilen. Zudem bezeichnet es Weltmodelle als Dual-Use-Technologie mit Folgen für die nationale Sicherheit. ^[5]

Sowohl DeepMind als auch TechCrunch beschreiben eine auf vertrauenswürdige Tester beschränkte Preview. ^[1][2] Daraus lässt sich vernünftigerweise schließen, dass es noch keine unabhängige Evaluierung von Genie 4 gibt, auch wenn keine der beiden Quellen das direkt sagt.

Ist ein Weltmodell dasselbe wie ein großes Sprachmodell?

Nein, auch wenn sich beide überschneiden. Stanford HAI definiert ein Weltmodell über seinen Zweck: vorhersagen, wie sich eine Umgebung durch Handlungen verändert. ^[5] Die Berichterstattung von Quanta stellt dem große Sprachmodelle (LLMs) gegenüber, die womöglich unzusammenhängende Abkürzungen lernen. ^[7]

Enthalten LLMs bereits Weltmodelle?

Manche Forscher deuten emergente Fähigkeiten wie das Spielen von Othello als Zeichen interner Weltmodelle. ^[7] Quanta berichtet, dass Forscher von Harvard und MIT ein Sprachmodell trainierten, das in Manhattan nahezu perfekte Wegbeschreibungen gab, ohne einen kohärenten Stadtplan zu lernen. Als zufällig 1 % der Straßen gesperrt wurden, brach seine Leistung ein. Quanta beschreibt solche Ergebnisse als Hinweis darauf, dass LLMs „Sammlungen von Heuristiken“ lernen. ^[7]

Welcher Weg führt zu besseren Weltmodellen?

Quanta sagt, Google DeepMind und OpenAI wetteten darauf, dass genügend multimodale Daten, etwa Video und 3D-Simulation, ein Weltmodell innerhalb eines neuronalen Netzes entstehen lassen. Yann LeCun von Meta hält eine neue, nicht generative Architektur für nötig. ^[7] LeCuns Ansatz, JEPA, lernt abstrakte Repräsentationen realer Daten und macht Vorhersagen im Repräsentationsraum, wobei unvorhersehbare Details ignoriert werden. Das steht im Gegensatz zu generativen Modellen, die Pixel rendern. ^[11]

Genie 4 liegt auf dem generativen Pfad, und TechCrunch berichtet, das Team räume ein, dass Details und Objekte abdriften können. ^[2] Kulkarni beschreibt den hybriden Ansatz so, dass Gemini Code und Text schreibt, während Genie die Realität auf unterschiedlichen Abstraktionsebenen simuliert. ^[2]

Wer baut sonst noch Weltmodelle?

Mehrere Unternehmen verfolgen Weltmodelle auf unterschiedlichen Wegen. Die folgende Tabelle fasst zusammen, was die Quellen berichten.

AMI Labs

AMI Labs von Yann LeCun sammelte 1,03 Mrd. US-Dollar bei einer Pre-Money-Bewertung von 3,5 Mrd. US-Dollar ein, bekanntgegeben am 9. März 2026, um Weltmodelle auf Basis von JEPA zu bauen, das LeCun 2022 vorgeschlagen hatte. ^[12][11] Der CEO Alexandre LeBrun sagte voraus, „Weltmodelle“ würden das nächste Buzzword, und jedes Unternehmen werde sich selbst als Weltmodell bezeichnen, um Geld einzusammeln. Außerdem sagte er, es könne Jahre dauern, von der Theorie zu kommerziellen Anwendungen zu gelangen. ^[12]

World Labs

World Labs, mitgegründet von Fei-Fei Li, machte Marble am 12. November 2025 allgemein verfügbar. Marble erzeugt persistente, herunterladbare 3D-Welten aus Text, Bildern oder kurzen Videos, statt Bilder spontan zu generieren, wie es Genie tut. ^[13][14] Der TechCrunch-Artikel vom 9. März 2026 über AMI Labs berichtete, World Labs habe im Vormonat 1 Mrd. US-Dollar eingesammelt. ^[12]

Runway und Bewegungen am Markt

TechCrunch sagt, die Veröffentlichung von Genie 4 sei einige Monate nach der Veröffentlichung des zweiten Weltmodells von Runway erfolgt, GWM Worlds 2, das Audiogenerierung enthält. Zudem berichtet es, World Labs werde von AMD übernommen, Amazon verhandle über den Kauf von Decart, und Rivian habe Third Dimension übernommen. ^[2] Dies sind Berichte von TechCrunch, und die geprüften Quellen bestätigen sie nicht unabhängig.

Was ist bei Genie 4 noch ungewiss?

Vieles ist noch offen, und die wahrscheinlichen nächsten Schritte betreffen vor allem Zugang und Evaluierung.

• Zugang. DeepMind plant, Genie 4 nach dem Sammeln von Feedback für Verbraucher und Entwickler freizugeben, TechCrunch sagt „in den kommenden Wochen“, und in den geprüften Quellen wurde weder ein Preis noch ein Termin für die allgemeine Verfügbarkeit veröffentlicht. ^[1][2]
• Unabhängige Belege. Die Preview ist auf vertrauenswürdige Tester beschränkt, daher stammen Aussagen zur Qualität von DeepMind und aus der Presse. ^[1][2]
• Benchmarks. Stanford HAI sagt, kein bestehender Benchmark biete Politikern eine ausreichende Grundlage, Weltmodelle für den sicherheitskritischen Einsatz zu beurteilen. ^[5]
• Definitionen und Architektur. Das Feld ist uneins darüber, was als Weltmodell gilt und ob Pixelgenerierung oder abstrakte Vorhersage der bessere Weg ist. ^[7][11]
• Hype. Der CEO von AMI selbst erwartet, dass der Begriff für die Mittelbeschaffung massiv überstrapaziert wird. ^[12]

Was als Nächstes zu beobachten ist

Die ersten Anzeichen werden die Einführung für Google AI Ultra in Project Genie und der frühe Zugang über die Gemini API und Google AI Studio sein. ^[1][2] Das Team räumt Probleme mit Abdrift, Audio und Text in der Spielwelt ein. ^[2] Nach Einschätzung dieses Guides wird unabhängiges Testen genau dieser Probleme zeigen, ob hybride Weltmodelle über kurze Sitzungen hinaus bestehen. Googles Tejas Kulkarni sagt voraus, dass Hybride häufiger werden, doch das bleibt eine Prognose und kein gesichertes Ergebnis. ^[2]