World Models: Wie Genie 3 und Marble Physik verstehen lernen

👁 127 Aufrufe

World Models sind KI-Systeme, die eine Umgebung nicht beschreiben, sondern simulieren: Sie berechnen, wie eine Szene im nächsten Moment aussieht, wenn sich die Kamera bewegt oder jemand eingreift. Die zwei bekanntesten Vertreter gehen dabei getrennte Wege. DeepMinds Genie 3 (vorgestellt am 5. August 2025) erzeugt begehbare Welten in Echtzeit als Video mit 720p und 24 Bildern pro Sekunde, ohne fertiges 3D-Modell dahinter. World Labs‘ Marble (öffentlich seit 12. November 2025) baut dagegen dauerhafte 3D-Szenen, die sich als Gaussian Splats oder Meshes exportieren und in Spiele-Engines weiterverwenden lassen.

Einen breiteren Überblick, der auch Ansätze wie Cosmos oder V-JEPA einordnet, finden Sie im Leitfaden Weltmodelle - was sie sind und wozu man sie braucht.

Genie 3 lernt Physik aus Beobachtung, nicht aus einer Engine

Genie 3 nimmt einen Textprompt und erzeugt daraus eine Welt, durch die man sich mit der Tastatur bewegen kann. Jedes Bild wird erst in dem Moment berechnet, in dem es gebraucht wird. Eine Physik-Engine mit festen Regeln gibt es nicht: Dass Wasser fließt oder ein Gegenstand fällt, hat das Modell aus Videodaten gelernt. Laut DeepMind bleibt eine Welt einige Minuten lang stimmig, und das visuelle Gedächtnis reicht etwa eine Minute zurück. Wer sich umdreht und zurückschaut, findet also meist dieselbe Szene wieder.

Über sogenannte „promptable world events“ lässt sich die Welt während der Sitzung per Text verändern, etwa durch Wetterwechsel oder neue Figuren. DeepMind hat Genie 3 außerdem mit dem Agenten SIMA getestet, der in den erzeugten Welten Ziele verfolgte. Darin liegt der Forschungszweck: Agenten und Roboter sollen in simulierten Umgebungen üben, die sich beliebig variieren lassen.

Die Grenzen nennt DeepMind selbst: Der Aktionsraum für Agenten ist klein, mehrere unabhängig handelnde Figuren sind schwer abzubilden, reale Orte werden nicht geografisch genau nachgebaut, lesbarer Text erscheint meist nur, wenn er im Prompt steht, und eine Sitzung dauert Minuten, nicht Stunden.

Vom Forschungsmodell zu Project Genie und Genie 4

Zunächst war Genie 3 nur einer kleinen Gruppe von Forschern und Kreativen zugänglich. Am 29. Januar 2026 startete Google mit Project Genie einen experimentellen Prototyp für Abonnenten von Google AI Ultra in den USA ab 18 Jahren. Er erlaubt es, Welten aus Text und Bildern zu skizzieren, sie zu erkunden, zu remixen und als Video herunterzuladen; eine Generierung ist auf 60 Sekunden begrenzt.

Am 28. Oktober 2026 folgte Genie 4. Neu sind nach Angaben von DeepMind nativ erzeugter Ton (Umgebungsgeräusche, Musik), Figuren, die in Echtzeit auf den Nutzer reagieren und mit ihm sprechen, sowie Gemini 3.8 Flash als planender Agent, der Ziele in Schritte zerlegt und den Plan anpasst, wenn sich die Welt verändert. Auflösung und Bildrate nennt DeepMind für Genie 4 nicht. Das Modell ist eine Research Preview für ausgewählte Tester und soll in Project Genie für Ultra-Abonnenten sowie für frühe Partner in der Gemini API und in Google AI Studio kommen. Was sich gegenüber Genie 3 konkret geändert hat, steht im Vergleich Project Genie 3 und Genie 4, den aktuellen Stand im Genie-4-Überblick.

Marble erzeugt 3D-Welten, die man exportieren kann

World Labs, das von der Stanford-Informatikerin Fei-Fei Li mitgegründete Start-up, verfolgt einen anderen Ansatz. Marble erzeugt aus einem Textprompt, einem einzelnen Bild, mehreren Fotos oder einem kurzen Video eine dauerhafte 3D-Szene. Mit dem experimentellen Editor Chisel lässt sich zuerst ein grobes Layout aus Kisten und Flächen bauen, das Marble dann im gewünschten Stil ausgestaltet.

Das Ergebnis ist kein flüchtiger Videostrom, sondern eine Datei: Gaussian Splats als Darstellung mit der höchsten Detailtreue, Kollisions-Meshes für Physik und hochwertige Meshes für die Weiterbearbeitung, dazu gerenderte Videos mit genau steuerbarer Kamera. Laut Dokumentation kann der kostenlose Tarif Welten erzeugen, aber nicht exportieren. Ab dem Standard-Tarif gibt es Splats im SPZ- und PLY-Format, Panoramen und Kollisions-Meshes, im Pro-Tarif zusätzlich texturierte Meshes im GLB-Format und kommerzielle Nutzungsrechte. Die aktuellen Preise stehen auf der Preisseite von Marble.

Genie oder Marble: zwei Werkzeuge für verschiedene Aufgaben

Wer eine Umgebung für ein Spiel, eine VR-Anwendung oder eine Visualisierung braucht, die später in Unity, Unreal oder Blender weiterbearbeitet wird, kommt mit Marble weiter. Genie ist eher ein Simulator: interessant, um Agenten in wechselnden Situationen zu testen oder Ideen interaktiv auszuprobieren, aber ohne eine Szene, die man als Datei mitnehmen kann.

Was World Models noch nicht können

Beide Ansätze haben dieselben Grundprobleme. Bei Genie wachsen Abweichungen mit der Dauer: DeepMind schreibt selbst, dass Details und die Beständigkeit von Objekten bei längeren Läufen, nach mehreren Prompt-Änderungen oder bei viel Bewegung driften können. Komplexe physikalische Wechselwirkungen, lesbarer Text und räumliche Genauigkeit bezeichnet das Labor auch bei Genie 4 als offene Forschungsfragen. Marbles Welten sind zwar dauerhaft, aber statisch: Bewegung wie Rauch oder fließendes Wasser kommt erst über nachbearbeitete Videos hinzu, nicht als simulierte Physik in der Szene.

Für die Praxis heißt das: World Models eignen sich heute für Prototypen, Visualisierungen und Forschung an Agenten. Als verlässliche Physiksimulation für Ingenieure oder als Ersatz für gebaute Spielwelten taugen sie noch nicht.

// weiterlesenWie ein chemischer Trick mit Plasma die Grenzen der Chip-Physik verschiebtPhysik98 Qubits, null Fehler? Wie ein Quantencomputer die klassische Physik überlistetTechnologieSchrödingers Katze wird noch seltsamer: Oxford-Physiker erzeugen programmierbare QuantenüberlagerungenPhysik

Kinetyra