Genie 4: Google DeepMinds Weltmodell baut Welten in Echtzeit, Sound inklusive

Am 27. Oktober 2026 hat Google DeepMind Genie 4 angekündigt, das vierte Modell der Genie-Reihe und laut eigener Lesart das bisher realistischste der Familie. Genie 4 ist ein Weltmodell, und die Unterscheidung zu den Videogeneratoren der letzten Jahre ist der ganze Punkt dieses Beitrags: Ein Clip-Generator nimmt einen Prompt, rechnet ein paar Minuten und liefert eine Datei, die man anschauen kann, mehr nicht. Genie 4 erzeugt stattdessen eine Welt, die live weiterläuft, während man in ihr steht: Man bewegt sich mit der Tastatur, dreht die Kamera und verändert die Szene über Text, Wetter umschalten, eine neue Figur dazustellen, die Perspektive verschieben. Die Welt antwortet in Echtzeit, weil das Modell den nächsten Zustand immer wieder neu vorhersagt, abhängig vom eigenen Verhalten, viele Male pro Sekunde. Gelernt hat es das ohne eingebaute Physik-Engine: Niemand hat dem Modell beigebracht, dass Wasser spritzt, dass Schatten wandern, wenn die Sonne sich bewegt, oder dass die Straße näherkommt, wenn man fährt. Es hat eine enorme Menge Videomaterial gesehen und daraus abgeleitet, wie die Welt funktioniert. Die Clips der Ankündigung zeigen genau das: Sundar Pichai teilte eine Küstenfahrt mit dem Motorrad, deren Straßen, Wellen und Lichtverhältnisse während der Fahrt im Modell entstehen. Ein Tester beschreibt eine Taucherin in einer versunkenen Schatzhöhle voller Fundstücke, ein Professor lässt sich eine neugotische Brutalist-Stadt mit Roboterpferden aufbauen und bestellt danach Drachen und einen freundlichen Otter nach. Kein 3D-Modell wird geladen, keine Szene wurde vorher gebaut. Genau diese Trennung macht die Bewertung so schwer: Die Demos sind überzeugend, aber sie sind vom Anbieter kuratiert, und zwischen einem kuratierten Bestfall und einem belastbaren Realzeitbetrieb liegt normalerweise mehr Betriebserfahrung als eine Ankündigung hergibt. Für diesen Blog zählt deshalb nicht der Wow-Effekt der Clips, sondern die Frage, ob die Vorhersage unter echter Nutzersteuerung stabil bleibt, wenn jemand dreißig Eingaben hintereinander in dieselbe Szene feuert. Der zweite Blick gehört den Grenzfällen: Kamerawechsel, Wetterumschwung, eine neue Figur mitten im Bild, genau dort brechen heutige Generatoren, und genau dort verspricht Genie 4 den Fortschritt. Genau dieses Verhalten unterscheidet eine Trainingshalle von einem Filmwerkzeug, und darüber steht in der Ankündigung noch nichts.

Nach DeepMinds Ankündigung greift Genie 4 auf Fähigkeiten aus der Gemini-Familie zurück, und zwar auf zwei Rollen. Gemini Omni verankert die Simulation im Aussehen und Verhalten der Realität, also darin, wie Dinge aussehen und sich physisch verhalten; weitere Gemini-Modelle liefern das komplexe Reasoning, das die Szene kohärent und zusammenhängend hält. Genie 4 ist von Grund auf multimodal, das ist die eigentliche Neuheit der Reihe: Umgebungsgeräusche, Musik und interaktiver Dialog entstehen simultan mit der Szene, nicht als nachgeschalteter Soundtrack. Der Vorgänger Genie 3 vom August 2025 hatte die interaktive Echtzeit-Simulation als Kern der Modellfamilie etabliert, Sound in dieser Form kam dort nicht aus dem Modell. Das Steering läuft zweistufig: Man steuert über natürliche Sprache, etwa die Kamera bewegen oder eine neue Person einführen, und Gemini passt den Prompt kontextuell an die Umgebung an. Zwischen den Eingaben überwacht und steuert Gemini die Szene weiter, damit die Welt auch ohne Anweisung stimmig fortschreitet. Die Bewegung selbst läuft über Standard-Tastatursteuerung wie aus dem Spielbetrieb bekannt. Wie belastbar das Ganze ist, sagt Demis Hassabis in einem Launch-Interview sinngemäß: Das Modell hat intuitive Physik quasi rückgebaut, es hat viele Millionen Videos gesehen und daraus abgeleitet, wie die Welt funktioniert, es sei noch nicht perfekt, erzeuge aber konsistente ein bis zwei Minuten Interaktion. Diese Angabe stammt vom Modellbetreiber selbst, ein unabhängiger Benchmark liegt nicht vor, das steht unten ausdrücklich in den Grenzen.

DeepMind schreibt selbst, dass das Verstehen und Simulieren der Welt ein entscheidender Schritt auf dem Weg zu AGI ist. Die Erklärung dahinter gehört direkt zur Agentenfamilie dieses Blogs: Roboter und autonom arbeitende Systeme brauchen Trainingsumgebungen, in denen sie Handlungen üben können, bevor sie im echten Haus laufen, und zwar ohne Risiko und ohne dass jemand eine Physik-Sandbox konfiguriert. Genie 4 verspricht genau solche Umgebungen, sicher und unendlich variantenreich, weil jede Szene neu gebaut werden kann, statt aus einer endlichen Kartenbibliothek zu stammen. Die Videologik der Vorhersage ergänzt das Argument: Ein Modell, das aus Millionen Clips gelernt hat, wie Menschen, Maschinen und Elemente sich verhalten, kann Robotern ein Übungsfeld geben, das dem Aufnahmematerial der realen Welt ähnelt. Die Ankündigung nennt dazu Filmproduktion, Journalismus, Gaming und Fertigung als Kreativ- und Industrie-Anwendungen. Interessant ist auch die Philosophie-Ecke, die die Berichterstattung sofort aufmacht: Wenn ein Modell mit ein bis zwei Minuten Konsistenz eine ganze Welt trägt, fühlt sich die alte Simulationshypothese weniger weit hergeholt an als vor drei Jahren. Die Grenze bleibt der Test: Bis heute ist Genie 4 eine Forschungs-Vorschau für vertraute Tester, kein Produkt, und was Trainingsumgebungen in der Praxis liefern, werden frühe Partner zeigen müssen, deren Berichte noch nicht öffentlich sind. Für den Agenten-Betrieb heißt das trotzdem: Die Richtung stimmt, denn Agenten-Alltag lebt von Simulationen, die günstig brechen dürfen.

Genie 4 rollt als Research Preview an eine begrenzte Gruppe vertrauter Tester, die Warteliste für Project Genie ist seit der Ankündigung offen. Der Konsum-Zugang soll über Google AI Ultra laufen, dort innerhalb von Project Genie, und frühe Partner bekommen das Modell über die Gemini API und Google AI Studio. Google nennt als Zeitplan nur bald, ein konkretes Datum steht nicht im Announcement, auch keine Preisangabe und keine API-Konditionen. Was heute prüfbar ist, sind die Demo-Aufnahmen auf der DeepMind-Seite, aus denen alle Beschreibungen dieses Beitrags gegen die Primärquellen abgeleitet sind, dazu die Beschreibung der Steuerung über Tastatur und Text-Prompts. Für die Praxis heißt der Stand: nicht bestellen, sondern beobachten. Wer gerade Agenten-Systeme aufbaut, kann sich die Trainingshallen-Frage schon jetzt stellen: Welche Simulation braucht das eigene Haus, welche Fehler darf sie sich erlauben, welche Daten fließen zurück, ohne dass ein Terminal dabei zu Bruch geht. Sobald Project Genie für AI-Ultra-Konten öffnet, wäre die erste interessante Erprobung, ob die versprochenen ein bis zwei Minuten Konsistenz auch bei gesteuerten Szenenwechseln halten, denn genau dort brechen die heutigen Generatoren.

Ausdrücklich die Grenzen. Alle Leistungsangaben, Konsistenzminute, Photorealismschub, Echtzeitverhalten, stammen aus der Ankündigung von DeepMind und vom Modellbetreiber selbst, ein unabhängiger Benchmark existiert zum Launch nicht, und ich habe Genie 4 nicht selbst bedient, weil keine öffentliche Nutzung möglich ist. Die Demo-Clips sind vom Anbieter ausgewähltes Material, sie zeigen Bestfälle, kein Durchschnittsbild. Das Launch-Interview mit Demis Hassabis habe ich über das Video von TheAIGRID gesehen, die Zitate sind übersetzt und sinngemäß wiedergegeben, das Video ist als Sekundärquelle gekennzeichnet, alle Fakten habe ich gegen die beiden Google-Primärquellen gegengelesen. Über Latenzen, Auflösung, Rechenkosten oder Raten des Modells sagen die gelesenen Quellen nichts, deshalb sagt dieser Beitrag dazu auch nichts. Was ab heute nachzuholen ist, wäre der Praxistest im Project-Genie-Zugang, sobald AI-Ultra-Konten drankommen, und der Vergleich gegen den Vorgänger Genie 3 an denselben Szenen.

Über den Autor: Ich bin Marcel, Grafikdesigner und Betreiber des HUNTER-Cyberdecks auf einem Google Pixel 6a. Der Newsdesk-Cron des Decks liest täglich 58 YouTube-Feeds und legt Beiträge mit Primärquellenprüfung an; dieser Text entstand aus dem Video von TheAIGRID als Auslöser und den beiden Google-Primärquellen als Beleg. Zuletzt fachlich geprüft am 30.10.2026.

Quellen: Google-Blog, Ankündigungsbeitrag zu Genie 4 vom 27.10.2026, Abruf 30.10.2026. Google DeepMind Blog, Genie 4: A new generation of world simulation, 27.10.2026, Autoren Raia Hadsell, Diego Rivas und Hang Qi, Abruf 30.10.2026. DeepMind-Modellseite zum Genie-Programm, Abruf 30.10.2026. Warteliste Project Genie, Formular aus der DeepMind-Ankündigung. TheAIGRID, YouTube-Video zu Genie 4, Transkript gelesen am 30.10.2026, im Text ausdrücklich als Sekundärquelle mit Primärbeleg gekennzeichnet.