Google DeepMind hat am 27. Oktober Genie 4 vorgestellt: ein KI-Modell, das interaktive Szenen erzeugt und dazu Geräusche, Musik und Dialoge generieren soll. Die Forschungsvorschau steht zunächst ausgewählten Testern offen, wie Google mitteilt.
Eine Szene entsteht während der Erkundung: Menschen bewegen in den gezeigten Aufnahmen die Kamera mit der Tastatur und können den Verlauf mit Texteingaben beeinflussen. Laut Google entsteht der Ton gemeinsam mit der Welt. Ein Beispiel zeigt einen Musiker auf einer Plattform in einem See; die Kamera lässt sich durch die Umgebung bewegen.
Was an Genie 4 neu ist
Interaktive KI-Welten gibt es bei Google schon länger. Das Unternehmen stellte Genie 3 im August 2025 vor. Auch damit ließen sich erzeugte Umgebungen erkunden und Ereignisse per Text anstoßen. Bei Genie 4 kommt laut Google die direkte Erzeugung von Ton hinzu. Die neue Version soll auch Menschen und Bewegungen realistischer darstellen.
Bei einem gewöhnlichen Video ist der Ablauf nach dem Start festgelegt. Ein Weltmodell soll dagegen fortlaufend auf Eingaben reagieren. Dadurch lässt sich etwa die Kamera bewegen oder eine Szene verändern. Ändert sich das Geschehen, muss auch der Klang dazu passen. Google nennt als Beispiele Wind, Wasser, Musik und Gespräche zwischen Figuren.
Was die Simulation zusammenhalten muss
Damit eine solche Umgebung beim Erkunden verständlich bleibt, müssen ihre Einzelheiten über die Zeit zusammenpassen. Ein Gegenstand sollte nach einer Kamerabewegung noch an seinem Platz sein. Google räumt ein, dass visuelle Details und die Beständigkeit von Gegenständen über längere Sitzungen oder nach komplexen Änderungen driften können. Auch komplizierte physikalische Vorgänge und die Genauigkeit des Tons bleiben laut Unternehmen Forschungsfragen.
Google beschreibt außerdem eine Zusammenarbeit mit Modellen seiner Gemini-Familie. In einem gezeigten Ansatz beobachtet ein Gemini-Modell die Szene, zerlegt ein Ziel in Schritte und überprüft den Fortschritt anhand neuer Bilder. Genie erzeugt die sichtbare Welt. Ändert sich die Situation oder greift ein Nutzer ein, soll Gemini den Plan anpassen.
Eine einzelne Eingabe kann eine Veränderung anstoßen; eine mehrteilige Aufgabe verlangt zusätzlich, dass das System den bisherigen Verlauf berücksichtigt. Google zeigt diesen Ansatz in Demonstrationen. Wie zuverlässig er in anderen Situationen arbeitet, lässt sich daraus noch nicht bestimmen.
Wer es ausprobieren kann
Zunächst erhalten laut Google ausgewählte vertrauenswürdige Tester Zugang. Anschließend soll Genie 4 für Abonnenten von Google AI Ultra in Project Genie sowie für frühe Partner über die Gemini-API und AI Studio verfügbar werden. Eine Warteliste ist geöffnet. Ars Technica berichtet, dass ein genauer Zeitplan für die breitere Freigabe fehlt.
Google nennt kreative interaktive Erlebnisse und Trainingsumgebungen für Roboter oder KI-Agenten als mögliche Anwendungen. In solchen Umgebungen könnten Systeme unterschiedliche Situationen durchspielen. Ob eine Simulation dafür geeignet ist, hängt davon ab, wie gut sie die jeweiligen Vorgänge abbildet. Gerade bei Physik und langfristiger Konsistenz nennt Google selbst noch Grenzen.
Quellen
- Google DeepMind: Genie 4: A new generation of world simulation, 27. Oktober 2026.
- Google DeepMind: Genie 3: A new frontier for world models, 5. August 2025.
- Ars Technica: DeepMind’s Genie 4 world model adds audio and more realistic people to simulations, 27. Oktober 2026.
Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.
