Genie 4: Google lässt virtuelle Welten während der Nutzung entstehen

Wetterwechsel auf Zuruf, eine neue Kameraposition oder zusätzliche Figuren und Gegenstände: Genie 4 soll virtuelle Szenen verändern können, ohne die laufende Simulation zu unterbrechen. Statt wie ein KI-Videogenerator eine abgeschlossene Bildfolge auszugeben, berechnet das Weltmodell den weiteren Verlauf fortwährend unter Berücksichtigung der Nutzereingaben. Google DeepMind stellte das System am 27. Oktober 2026 vor.

Dabei entstehen nicht nur neue Bilder. Genie 4 ist darauf ausgelegt, während der Interaktion auch Geräusche, Musik und Dialoge zu erzeugen. Ob der Ton einzelne Ereignisse stets angemessen begleitet, ist allerdings offen; DeepMind zählt die Genauigkeit der Tonerzeugung selbst zu den noch nicht gelösten Forschungsproblemen. Unabhängig überprüfen lässt sich die Gesamtleistung bislang kaum, denn zunächst erhalten nur ausgewählte Tester Zugang zur Forschungsvorschau. Recherchequelle: Google DeepMind→

Eine Simulation statt eines fertigen Clips

Nach der Erzeugung lässt sich ein herkömmliches KI-Video zwar abspielen oder anhalten, sein Inhalt steht dann jedoch fest. Ein Weltmodell arbeitet anders: Es bestimmt nach einer Handlung den nächsten Zustand der dargestellten Umgebung. Genie 4 nimmt dafür Eingaben über die Tastatur entgegen. Mit natürlichsprachlichen Befehlen sollen sich unter anderem Wetter, Kameraführung, Figuren und Gegenstände beeinflussen lassen.

Die Berechnung setzt sich also während der Nutzung fort. Jede Aktion kann verändern, was im nächsten Moment auf dem Bildschirm geschieht.

DeepMind hatte wesentliche Grundlagen bereits mit Genie 3 vorgestellt. Das am 5. August 2025 präsentierte Modell erzeugte nach Unternehmensangaben Umgebungen mit einer Auflösung von 720p und 24 Bildern pro Sekunde. Nutzer konnten sich darin bewegen; die Darstellung sollte dabei über einige Minuten weitgehend zusammenhängend bleiben. Recherchequelle: Google DeepMind→

Am 29. Januar 2026 öffnete Google mit Project Genie erstmals einen eigenen experimentellen Web-Prototyp für Abonnenten. Zugelassen waren zunächst ausschließlich volljährige Google-AI-Ultra-Kunden in den USA, Geschäftskonten blieben ausgeschlossen. Eine einzelne Generierung durfte höchstens 60 Sekunden dauern. Noch vor dieser Freigabe hatte bereits eine kleine, von Google ausgewählte Gruppe von Akademikern und Kreativen Genie 3 erprobt. Recherchequelle: Google Blog→

Planung und Welterzeugung werden aufgeteilt

An der sichtbaren Simulation wirken laut DeepMind mehrere Modelle aus der Gemini-Familie mit. Wie die Architektur von Genie 4 im Einzelnen aufgebaut ist, legen die öffentlich verfügbaren Unterlagen nicht vollständig dar. Gemini Omni soll dazu beitragen, Erscheinungsbild und Verhalten der künstlichen Umgebung an der realen Welt auszurichten. Andere Gemini-Modelle ziehen demnach Schlussfolgerungen und steuern die Abläufe, damit die erzeugte Welt möglichst kontinuierlich und widerspruchsfrei bleibt. Recherchequelle: Google DeepMind Modellseite→

Bei anspruchsvolleren Abläufen dient Gemini 3.8 Flash als eine Art Regieinstanz. Das Modell zerlegt das vorgegebene Ziel zunächst in eine Abfolge von Teilschritten. Anhand der laufend eingehenden Bilder verfolgt es den Fortschritt der Simulation und prüft, ob ein Schritt erfolgreich ausgeführt wurde. Verändert sich die Welt oder greift der Nutzer ein, kann Gemini 3.8 Flash den Plan noch während der Sitzung anpassen. Genie 4 setzt diese Steuerung in eine audiovisuelle Umgebung um.

DeepMind sieht in dieser Verknüpfung von Gemini und Genie einen frühen Ansatz für hybride Weltmodelle. Aus dem Zusammenspiel von sprachlich-logischer Planung und generativer Simulation folgt für sich genommen jedoch nicht, dass das System die erzeugte Welt umfassend versteht. Die veröffentlichten Beispiele stammen überwiegend von Google. Unabhängige Nachweise dafür, dass das System physische und soziale Zusammenhänge verlässlich erfasst, liegen bislang nicht vor.

Begrenzter Zugang, offene Messfragen

Später will Google Genie 4 für Google-AI-Ultra-Abonnenten über Project Genie bereitstellen. Außerdem ist ein Zugang für frühe Partner der Gemini API und von Google AI Studio angekündigt. Wann eine allgemeine Veröffentlichung folgt und ob für Genie 4 ein eigener Preis verlangt wird, teilte das Unternehmen zunächst nicht mit.

Ars Technica beschreibt schon Project Genie als stark eingeschränkten Testzugang zur Vorgängertechnik. Auch für die Ausweitung des Nutzerkreises von Genie 4 gebe es noch keinen konkreten Zeitplan; ebenso seien Entwicklerpreise unbekannt. Recherchequelle: Ars Technica→

Die künstlichen Welten können ihren einmal erzeugten Zustand zudem nicht unbegrenzt stabil halten. Nach längerer Erkundung oder mehreren anspruchsvollen Änderungen besteht die Gefahr, dass Gegenstände ihr Aussehen oder ihre Position wechseln, verschwinden oder dass andere visuelle Einzelheiten driften. Entwicklungsbedarf nennt Google außerdem bei komplexen physikalischen Vorgängen. Auch Schrift, Ton, räumliche Zuordnung und die langfristige Konsistenz einer Szene gelten noch nicht als zuverlässig gelöst.

Wie oft solche Fehler auftreten, lässt sich den geprüften Veröffentlichungen nicht entnehmen. Dort finden sich keine öffentlichen Benchmarks oder systematischen Messwerte dazu, wie zuverlässig Genie 4 Eingaben befolgt, Objekte erhält oder physikalische Abläufe wiedergibt.

Laut der offiziellen Modellseite bestehen auch bei Genie 4 zwei Grenzen fort, die bereits von Genie 3 bekannt sind. Das System kann reale Orte derzeit nicht vollkommen genau rekonstruieren. DeepMind führt auch komplexe Interaktionen zwischen Nutzern, mehreren unabhängig handelnden Agenten und einer gemeinsamen Umgebung weiterhin als Forschungsaufgabe auf.

Ideen erproben, bevor eine Produktion beginnt

DeepMind sieht Genie 4 zunächst weniger als Werkzeug für fertige Werke. Ideen und Varianten sollen damit vor Beginn der eigentlichen Produktion erprobt werden. Nach eigenen Angaben arbeitet das Unternehmen dafür mit ausgewählten Testern aus Kreativbranchen, Journalismus, Bildung, Spieleentwicklung und Ingenieurwesen zusammen.

Die vorgestellten Anwendungen setzen in unterschiedlichen Vorstufen einer Produktion an. In der Spieleentwicklung könnte eine begehbare Simulation dazu dienen, einen gestalterischen Ansatz zu prüfen, noch bevor ein regulärer Prototyp programmiert wird. Bei Filmprojekten ließen sich Varianten einer Szene früh miteinander vergleichen, beispielsweise mit veränderten Kameraperspektiven, Lichtstimmungen, Dialogen oder Handlungsverläufen. Auch historische Fotografien nennt Google als mögliches Ausgangsmaterial für räumlich erfahrbare Rekonstruktionen.

Diese Szenarien sind Herstellerbeispiele und noch keine etablierten Produktionsverfahren. DeepMind nennt weder belastbare Zeitersparnisse noch nachgewiesene wirtschaftliche Vorteile.

In einer von TechCrunch wiedergegebenen Presseunterrichtung stellte Google ebenfalls die frühe Projektphase in den Vordergrund, darunter Ideenfindung und Storyboards. Ungeklärt blieb, wie sich daraus ein vollständiger Produktionsablauf oder ein durchgängiges Nutzungserlebnis entwickeln ließe. Recherchequelle: TechCrunch→

Zu Projektbeginn lassen sich Varianten daher vorerst interaktiv erproben. Ein messbarer Produktivitätsgewinn ist nicht belegt.

Virtuelle Übungsräume für Roboter und KI-Agenten

Generierte Umgebungen ließen sich auch als Trainings- und Testräume für KI-Agenten nutzen. Dort ließen sich Entscheidungen treffen und ihre Folgen innerhalb der Simulation auswerten. DeepMind zeigt dafür ein Experiment, in dem Gemini 4 Argon und Genie 4 unterschiedliche Aufgaben übernehmen: Gemini 4 Argon gliedert eine Aufgabe für den humanoiden Apollo-Roboter von Apptronik in einzelne Schritte, während Genie 4 eine simulierte Partie Dame fortlaufend darstellt. Dieser Versuchsaufbau ist von der allgemeinen Steuerung durch Gemini 3.8 Flash zu unterscheiden.

Eine solche künstliche Umgebung könnte Situationen wiederholbar bereitstellen, die in der Realität selten auftreten, gefährlich sind oder sich nur mit großem Aufwand herstellen lassen. Ein Agent hätte so die Möglichkeit, mehrere Varianten derselben Aufgabe zu durchlaufen, bevor er außerhalb der Simulation eingesetzt wird. Bereits bei Genie 3 hatte DeepMind erzeugte Welten als mögliche Prüf- und Trainingsumgebungen für Roboter sowie autonome Systeme beschrieben. Sie sollten helfen, Fähigkeiten zu prüfen und Schwächen von Agenten aufzudecken.

Erfolge in einer Simulation lassen sich allerdings nicht ohne Weiteres auf die Wirklichkeit übertragen. Selbst eine fotorealistische Darstellung kann physikalisch fehlerhafte Vorgänge enthalten. Als Trainingsraum ist Genie daher nur in dem Maß brauchbar, in dem das Modell die für eine konkrete Aufgabe entscheidenden Zusammenhänge korrekt wiedergibt.

Begehbare Entwürfe als neue Softwareform

Genie 4 ist nicht lediglich ein KI-Videogenerator mit höherer Bildqualität. Das System verbindet die fortlaufende Erzeugung von Bild und Ton mit interaktiver Steuerung und einer planenden Modellkomponente. Was geschieht, wird nicht vollständig vorab festgelegt, sondern entwickelt sich mit den Entscheidungen des Nutzers.

Damit zeichnet sich eine mögliche Softwareform ab, die je nach Anwendung wie ein vorläufiges Filmset, eine begehbare Spielidee, ein rasch erzeugter Prototyp oder eine Übungsumgebung für Maschinen funktionieren könnte. Noch ist das lediglich eine Schlussfolgerung aus den demonstrierten Funktionen und kein belegter Produktdurchbruch.

Für eine belastbare Bewertung fehlen unabhängige Tests, eine breite Verfügbarkeit und Nachweise für langfristig stabile Simulationen. Mit Stand vom 28. Oktober 2026 bleibt Genie 4 eine Forschungsvorschau für einen kleinen Kreis ausgewählter Tester. Weitere Zugänge für Ultra-Abonnenten und frühe Entwicklerpartner sind angekündigt. Bis dahin vermittelt das Modell vor allem einen kontrollierten Eindruck davon, wie Software aussehen könnte, deren Umgebung erst während der Nutzung Gestalt annimmt. Recherchequelle: Google Blog→

Weiterführende Informationen

Quellenhinweis: Einzelne Fakten, Einschätzungen und Prognosen dieses Beitrags stützen sich auf Veröffentlichungen der nachfolgend genannten Unternehmen und Institutionen. Die Links dienen zugleich der weiterführenden Information.

Golem.de – Google Genie 4: Simulator zeigt fotorealistische, per Prompt steuerbare Welten
Der Artikel zeigt, wie Nutzer laufende Simulationen verändern und dabei Musik, Umgebungsgeräusche sowie interaktive Dialoge erzeugen lassen können.
https://www.golem.de/news/google-deepmind-genie-4-baut-welten-mit-ton-und-laesst-sich-live-umbauen-2610-214579.html

ComputerBase – Googles Weltenmodell: Genie 4 erzeugt komplette Szenen, Ton und Dialoge
Die technische Einordnung erklärt die Aufgabenverteilung zwischen Gemini Omni, Gemini 3.8 Flash und Genie 4 bei Planung, visueller Kontrolle und laufender Anpassung.
https://www.computerbase.de/news/apps/googles-weltenmodell-genie-4-simuliert-komplette-szenen-und-erzeugt-ton-sowie-dialoge.100043/

Dr. Web – Googles Weltmodell Genie 4 vertont begehbare Simulationen in Echtzeit
Der Beitrag beschreibt das simulierte Apollo-Experiment mit Gemini 4 Argon und ordnet den frühen Forschungsstand solcher Robotertests ein.
https://www.drweb.de/google-genie-4-weltmodell-ton-echtzeit/