KI
Google DeepMind hat am 27. Oktober 2026 Genie 4 angekündigt, die nächste Generation seines Weltmodells für interaktive Echtzeit-Simulationen. Die zentralen Neuerungen: Das Modell erzeugt als erstes DeepMind-Weltmodell nativ passenden Ton - Musik, Umgebungsgeräusche und interaktive Dialoge - gemeinsam mit der Welt, und es lässt sich während der laufenden Simulation per natürlicher Sprache steuern [1].
Technisch baut Genie 4 auf der Gemini-Familie auf: Gemini Omni verankert die Simulationen laut DeepMind in realistischem Aussehen und Verhalten, während weitere Gemini-Modelle die Schlussfolgerungen liefern, die Kohärenz und Kontinuität der simulierten Welt sichern [1][2]. Wer ein Ereignis anstößt, beobachtet anschließend, wie die Welt reagiert, wie sie klingt und wie sich die Menschen darin bewegen und sprechen [1].
Vier Fähigkeiten im Überblick
| Fähigkeit | Was dahintersteckt |
|---|---|
| Echtzeit-Steuerung per Sprache: Wetter ändern, Kamera bewegen, Personen oder Objekte einfügen - Gemini passt die Prompts kontextuell an die Szene an und steuert zwischen den Eingaben nach. | Natürliche Sprache, Tastatursteuerung |
| Physik und menschliches Verhalten: Simulation von Aerodynamik und Kollisionen; Figuren bewegen sich natürlicher, reagieren auf ihre Umgebung und lassen sich interaktiv steuern. | Laut DeepMind neuer Realismus-Standard |
| Nativer Ton: Umgebungsklang, Musik und Dialoge, die sich dynamisch an Eingaben und Ereignisse in der Welt anpassen. | Erstmals in einem Echtzeit-Weltmodell von DeepMind |
| Mehrstufige Ereignisse mit Gemini: Ein Agent im Loop beobachtet die Szene, zerlegt Ziele in Schritte und verifiziert anhand eingehender Frames, ob jeder Schritt gelungen ist. | Gemini 3.8 Flash als 'guiding agent' |
Der Regie-Loop ist dabei der interessanteste Teil: Gemini beobachtet die von Genie 4 erzeugte Welt fortlaufend, bricht Ziele in Schrittfolgen und passt den Plan an, sobald die Welt oder der Nutzer eingreift [1]. In einem Forschungsexperiment mit Gemini 4 Argon und Gemini Robotics simulierte das Gespann etwa den humanoiden Roboter Apollo von Apptronik beim Dame-Spiel - die Aufgabe wurde in Echtzeit-Schritte zerlegt und von Genie 4 in Echtzeit simuliert [1][3].
Was die ersten Tester damit machen
DeepMind nennt vier Felder, in denen Trusted Tester Genie 4 derzeit erproben [1]:
- Kreative Vorproduktion: Filmemacher nutzen die Simulation als Entwurfsmodus - Szenen betreten, Kamerawinkel, Licht, Dialoge und Aktionen in Echtzeit variieren. 'Der Echtzeit-Aspekt wird vor allem dort wertvoll, wo es darum geht, im kreativen Fluss zu bleiben', sagt DeepMind-Ingenieur Diego Rivas [3].
- Journalismus und Geschichte: Aus einem einzelnen 2D-Archivfoto entsteht binnen Sekunden eine begehbare Simulation - etwa um historische Orte oder den Verlauf von Umweltereignissen wie Sturzfluten erfahrbar zu machen [1].
- Spieleprototyping: Von der Idee zum erkundbaren Prototyp in Sekunden, Stil und Mechaniken per Prompt testen, bevor eine Zeile Engine-Code geschrieben ist [1].
- Unternehmenssimulation: Partner evaluieren Genie 4 für die schnelle Erzeugung von Szenarien, etwa als Trainingsumgebung für Roboter und Agenten [1][2].
Verfügbarkeit und Einordnung
Genie 4 startet wie sein Vorgänger als Research Preview für eine begrenzte Gruppe von Trusted Testern. In den kommenden Wochen sollen Google-AI-Ultra-Abonnenten in Project Genie sowie Early-Access-Partner der Gemini API und von Google AI Studio folgen [1][3]. Genie 3 war gut ein Jahr zuvor ebenfalls als Research Preview erschienen; Genie 4 soll Szenen bis zu zwei Minuten konsistent halten - doppelt so lange wie der Vorgänger [3].
Der Markt für Weltmodelle bewegt sich derzeit schnell: Runway hatte wenige Monate zuvor mit GWM Worlds 2 ein ebenfalls audiofähiges, spielbares Weltmodell veröffentlicht; World Labs wird von AMD übernommen, Amazon verhandelt Berichten zufolge über den Kauf von Decart, und Rivian hat Third Dimension für hauseigene Simulationen im Selbstfahr-Bereich gekauft [3].
Als Zukunftsrichtung skizziert DeepMind hybride Weltmodelle: Gemini strukturiert im Hintergrund Logik und Erzählbogen, während Genie die unmittelbare physische Realität Pixel für Pixel rendert [1]. 'Wir werden zunehmend diese hybriden Weltmodelle sehen, bei denen Gemini Code und Text schreibt und Genie das in Echtzeit aufnimmt und Realität auf verschiedenen Abstraktionsebenen simuliert', sagte Google-Forschungsdirektor Tejas Kulkarni in einem Briefing [3].
Methode
Analyse auf Basis des DeepMind-Blogposts, der Google-Ankündigung und der TechCrunch-Berichterstattung mit Briefing-Zitaten. Alle drei Quellen wurden vollständig gelesen. DeepMind veröffentlichte zum Start keine quantitativen Benchmarks; Leistungsaussagen beruhen auf Hersteller-Demos und -Angaben, die Redaktion hatte keinen eigenen Zugang zum Modell.
Grenzen
Genie 4 ist eine frühe Research Preview: Laut DeepMind können visuelle Details und Objektpermanenz über längere Läufe, nach komplexen Prompt-Änderungen oder bei Navigation driften; komplexe physikalische Interaktionen, Audio-Genauigkeit in Echtzeit, lesbarer Text in der Welt, räumliche Genauigkeit und Langzeitkonsistenz sind offene Forschungsfelder [1]. Die Konsistenzangabe von zwei Minuten stammt aus TechCrunchs Bericht, nicht aus einem Messprotokoll [3].
Quellen
- Genie 4: A new generation of world simulation, Google DeepMind (abgerufen 2026-10-28) ↩1 ↩2 ↩3 ↩4 ↩5 ↩6
- We're announcing Genie 4, our new world model for real-time interactive simulation, Google (The Keyword) (abgerufen 2026-10-28) ↩1 ↩2 ↩3
- Google's Genie 4 world model adds audio, more realistic worlds, and real-time steering, TechCrunch (abgerufen 2026-10-28) ↩1 ↩2 ↩3 ↩4 ↩5 ↩6