Google Genie 3 erweckt deine 3D-Welt mit KI zum Leben

Am 5. August 2025 veröffentlichte Google DeepMind die neueste Version des Genie-Modells, bekannt als Genie 3. Dieses neue KI-Modell kann Texteingaben von Nutzern in dynamische, interaktive Umgebungen umwandeln.

Diese Umgebungen oder KI-Welten ermöglichen es Nutzern, sich in Echtzeit darin zu bewegen und mit ihnen zu interagieren, ähnlich wie in einem Videospiel. Nutzer können die Umgebung auch erweitern oder verändern, indem sie zusätzliche Textanweisungen eingeben. So lassen sich Änderungen spontan vornehmen, ohne die Simulation neu zu starten.

Besonders wirkungsvoll ist das neueste Genie-Modell von Google, weil es zum Trainieren von KI-Agenten eingesetzt werden kann. Dabei lernen KI-Agenten, anhand von Daten und Rückmeldungen Entscheidungen zu treffen oder Aufgaben auszuführen. Durch den Einsatz einer simulierten 3D-Umgebung anstelle der realen Welt können Forschende viele Herausforderungen, Kosten und Risiken des Trainings in der realen Welt vermeiden.

Google Genie 3 kann auch komplexe Szenarien simulieren, etwa ein autonomes Auto, das bei Unwetter fährt, oder einen Wingsuit-Flug durch bergiges Gelände.

In diesem Artikel sehen wir uns Google Genie 3 und seine Fähigkeiten an.

Abb. 1: Ein Bild aus einer Genie-3-Simulation, das einen Wingsuit-Flug zeigt. (Quelle)

Ein kurzer Rückblick auf Googles Genie-Modelle#

Bevor wir uns die Genie-Modelle von Google DeepMind ansehen, ist es hilfreich, zunächst zu verstehen, was Weltmodelle sind.

Weltmodelle sind KI-Systeme, die anhand von Text-, Bild-, Video- und Bewegungsdatensätzen Regeln der realen Welt wie Physik, Bewegung und räumliche Beziehungen erlernen. So können sie realistische Szenen erzeugen und vorhersagen, wie sich diese weiterentwickeln. Die Genie-Modelle sind Beispiele für solche Systeme.

Hier ein kurzer Überblick über die früheren Google-Genie-Modelle, die den Weg für Genie 3 geebnet haben:

• Genie 1: Genie 1, oft einfach Google Genie genannt, war das erste KI-Weltmodell von Google DeepMind, das interaktive virtuelle Umgebungen erstellen konnte. Nutzer konnten eine Welt mit Text, Bildern, Fotos oder sogar Skizzen beschreiben. Genie generierte diese Welt dann und ermöglichte es ihnen, Aktionen in der Szene zu steuern. Das Modell wurde dafür entwickelt, Videodaten im zeitlichen Verlauf zu verarbeiten, das nächste Bild vorherzusagen und Nutzereingaben in Aktionen innerhalb der Welt umzusetzen.
• Genie 2: Aufbauend auf den Funktionen von Google Genie konnte Genie 2 eine Vielzahl detaillierter, interaktiver 3D-Welten erstellen. Als Weltmodell simulierte es virtuelle Umgebungen und reagierte realistisch auf Aktionen wie Springen, Schwimmen oder das Bewegen von Objekten. Das Modell wurde mit einer riesigen Videosammlung trainiert und bot realistische Interaktionen zwischen Objekten sowie naturgetreue Bewegungen von Figuren.

Was ist Genie 3? Googles neues KI-Modell#

Genie 3 baut auf den früheren Genie-Modellen auf und ist das neueste und fortschrittlichste Modell der Reihe. Es knüpft insbesondere an Genie 2 an, das neue virtuelle Umgebungen erzeugen konnte, sowie an Veo 3, das neueste Videogenerierungsmodell von Google DeepMind. Veo 3 zeigt ein tiefes Verständnis der Physik und dafür, wie Objekte in der realen Welt miteinander interagieren.

Google Genie 3 bringt sich mithilfe einer Methode namens selbstüberwachtes Lernen selbst bei, wie Physik funktioniert. Dabei handelt es sich um eine KI-Lerntechnik, bei der ein KI-Modell Muster und Zusammenhänge in unbeschrifteten Daten erkennt, indem es eigene Lernsignale erzeugt.

Die Fähigkeit von Google Genie 3 zum selbstüberwachten Lernen ist entscheidend, um KI-Systeme wie KI-Agenten oder KI-Roboter für verschiedene Aufgaben zu trainieren. Forschende bei Google DeepMind betrachten Genie 3 tatsächlich als wichtigen Schritt hin zur Entwicklung einer künstlichen allgemeinen Intelligenz (AGI).

Abb. 2: Ein Beispiel für die Simulation der Steuerung eines Roboterrovers mit Google Genie 3. (Quelle)

AGI ist eine theoretische Form von KI, die jede Aufgabe oder jedes Thema verstehen und erlernen sowie dieses Wissen auf unterschiedliche Situationen anwenden kann – ähnlich wie ein Mensch. Anders als heutige Modelle der künstlichen Intelligenz, die für bestimmte Aufgaben entwickelt wurden und Schwierigkeiten haben, ihre Fähigkeiten auf neue Probleme zu übertragen, könnte sich AGI an viele verschiedene Zusammenhänge anpassen und darin lernen.

Wichtige Funktionen von Google Genie 3 für den Aufbau einer KI-Welt#

Hier sind einige der wichtigsten Funktionen von Genie 3:

• Textbasierte 3D-Weltgenerierung: Genie 3 kann eine einfache Textanweisung (z. B. „ein Roboter, der die Straße entlanggeht“) in eine spielbare, 3D-ähnliche Umgebung mit grundlegender Bewegungssteuerung umwandeln.
• Weltveränderungen per Anweisung: Nutzer können die Umgebung dynamisch verändern, indem sie neue Befehle eingeben (z. B. Regen auf der Straße hinzufügen).
• Visuelles Gedächtnis: Genie 3 kann sich an Objekte erinnern, die in der Umgebung zurückgelassen wurden, und ermöglicht es dir, sie später wieder aufzusuchen. Diese Erinnerung hält etwa eine Minute lang an.
• Gleichmäßige und konsistente Videoausgabe: Genie 3 kann Videos mit 24 Bildern pro Sekunde (fps) in einer Auflösung von 720p ausgeben. Die Interaktionen können länger dauern als bei Genie 2.

Abb. 3: Google Genie 3 kann Ausgaben erzeugen, die länger anhalten als die von Genie 2. (Quelle)

Von Bildung bis Gaming: Anwendungsbereiche von Google DeepMinds Genie 3#

Google Genie 3 kann Lernen, Forschung und Training anschaulicher und mitreißender gestalten. Im Unterricht kann es beispielsweise Geschichte, Naturwissenschaften oder Geografie lebendig vermitteln, indem Schülerinnen und Schüler antike Städte erkunden oder durch den Weltraum reisen. Entwickler künstlicher Intelligenz erhalten damit realistische virtuelle Welten, in denen sie Strategien erproben, Herausforderungen bewältigen und ihre Entscheidungsfähigkeit verbessern können.

Wissenschaftler können damit auch kontrollierte Simulationen erstellen, um Ideen zu testen, Ökosysteme zu erforschen oder das Verhalten von Objekten zu beobachten. Eine weitere interessante Anwendung ist die Spieleentwicklung. Spieleentwickler können mit Textanweisungen detaillierte Spielwelten erstellen, was die Entwicklung beschleunigt und den Bedarf an großen Teams verringert.

Abb. 4: Mit Genie 3 lassen sich unterhaltsame, farbenfrohe und interaktive Spiele entwerfen. (Quelle)

Grenzen von Google Genie 3 als Weltmodell#

Google Genie 3 bietet zwar viele Funktionen und Vorteile, doch es ist ebenso wichtig, seine Nachteile zu berücksichtigen.

Hier sind einige Einschränkungen, die du beachten solltest:

• Begrenzte Handlungsmöglichkeiten: In der virtuellen Welt lassen sich zwar viele Ereignisse auslösen, aber nicht alle werden vom Agenten selbst ausgeführt. Die Aktionen, die ein Agent direkt ausführen kann, sind weiterhin begrenzt.
• Interaktion mit anderen Agenten: Die realistische Interaktion zwischen mehreren unabhängigen Agenten in derselben Umgebung wird noch weiterentwickelt.
• Genauigkeit in der realen Welt: Google Genie 3 kann reale Orte noch nicht mit vollständiger geografischer Genauigkeit nachbilden.

Die wichtigsten Erkenntnisse#

Google Genie 3 ist ein bedeutender Fortschritt bei der Erstellung realistischer, interaktiver 3D-Welten mit KI. Das Modell kann Ideen mithilfe einfacher Textanweisungen zum Leben erwecken, physikalische Vorgänge simulieren und sogar KI-Systeme in sicheren virtuellen Umgebungen trainieren.

Trotz seiner Einschränkungen eröffnet Genie 3 viele Möglichkeiten für Forschung, Gaming und KI-Entwicklung. Es ist außerdem ein wichtiger Schritt hin zu AGI-Systemen, die eher wie Menschen denken und lernen können.

Sieh dir unser GitHub-Repository an, um mehr über KI zu erfahren. Werde Teil unserer aktiven Community und entdecke Innovationen in Bereichen wie KI im Einzelhandel und KI für maschinelles Sehen in der Fertigung. Wenn du heute mit Computer Vision beginnen möchtest, informiere dich über unsere Lizenzoptionen.