Der Beitrag
Neun Monate nachdem Google mit einem ersten Forschungsprototypen von Project Genie für Aufsehen gesorgt hatte, öffnet das Unternehmen seine interaktive Simulationsplattform nun für zahlende Endanwender. Abonnenten des Tarifs Google AI Ultra erhalten ab sofort direkten Zugriff auf das neue System im Webbrowser. Mitglieder des günstigeren Pro-Tarifs können sich auf eine Warteliste eintragen. Das Update bringt das vierte Weltmodell des Konzerns in die Hände von Nutzern, dessen technische Grundlagen Google DeepMind Ende Oktober vorgestellt hatte. Die Plattform kombiniert neuronale 3D-Simulationen mit Echtzeit-Ton, einem neuen Bau-Agenten und einer Community-Galerie zum Teilen und Remixen virtueller Welten.
Genie 4 reagiert mitten im Lauf auf Textbefehle und erzeugt synchronen Ton
Die zentrale Neuerung von Genie 4 ist die Möglichkeit, eine laufende Simulation während der Erkundung über Tastatur-Prompts live zu verändern. Nutzer steuern eine Kamera oder Spielfigur durch die Szene und können parallel Textbefehle eingeben, um das Wetter umschlagen zu lassen, neue Charaktere in die Umgebung zu setzen oder die Handlung spontan umzulenken. Die zugrunde liegenden Gemini-Modelle passen den eingegebenen Prompt dabei an die bestehende Szene an, um visuelle Brüche zu minimieren.
Erstmals generiert das Modell neben den Bildfolgen auch den passenden Ton direkt in Echtzeit. Die Tonspur umfasst sowohl Umgebungsgeräusche wie Wind, Brandung oder Schritte als auch situative Dialoge agierender Figuren. Im Hintergrund arbeitet dabei ein Modellverbund: Während Gemini Omni das Erscheinungsbild absichert, überwacht Gemini 3.8 Flash als Kontrollinstanz im Regelkreis die einzelnen Bildkader, gleicht Handlungen mit den Vorgaben ab und stellt sicher, dass Ursache und Wirkung in der Simulation erhalten bleiben.
Ein dialogbasierter Agent orchestriert die Welterschaffung
Um den Einstieg zu erleichtern, stellt Google den sogenannten Project Genie Agent bereit. Statt eine Welt über einen einzigen, überladenen Prompt definieren zu müssen, beschreiben Anwender ihre Ideen in einem fortlaufenden Dialog. Der Agent orchestriert anschließend mehrere multimodale Modelle, um das visuelle Erscheinungsbild zu entwerfen und mit einer atmosphärisch passenden Musikuntermalung zu versehen.
Auch während der aktiven Erkundung bleibt der KI-Assistent eingebunden: Er analysiert das Geschehen auf dem Bildschirm und blendet kontextabhängige Vorschlagskarten ein, die nächste Schritte oder Wendungen in der Umgebung vorschlagen.
Community-Galerie zum Remixen und drei Minuten Flugzeit für Genie 3
Ergänzend führt Google eine öffentliche Galerie ein, in der kuratierte Welten bereitstehen. Dazu gehören historische Foto-Rekonstruktionen wie Living Memory, prähistorische Lebensräume im Dino Field Guide sowie künstlerische Projekte mit Partnern - darunter das barocke Spukhaus Villa Giallo von Will (BLVCKL!GHT) oder die Kolonie-Simulation The Life of Ants von Filmemacher Anand Gandhi. Jede veröffentlichte Welt lässt sich über den Agenten aufgreifen, im Regelwerk oder Sound verändern und als Remix erneut publizieren.
Im Modellauswahlmenü bleibt das Vorgängermodell Genie 3 weiterhin wählbar. Google hat dieses parallel aufgerüstet: Die maximale Dauer einer einzelnen Generation steigt von 60 Sekunden auf drei Minuten. Zudem können mehrere Simulationen nahtlos aneinandergehängt werden. Über eine 360-Grad-Panoramabindung lassen sich nun auch sphärische Fotos als dreidimensional begehbare Räume initialisieren - ein Verfahren, das bei Genie 3 bereits mit Street-View-Panoramen erprobt wurde.
Fehlende Permanenz und Objektdrift bleiben die Achillesferse
Trotz der beeindruckenden Demos bleibt Project Genie ein experimentelles System. Google räumt in seiner Dokumentation zentrale Schwachstellen offen ein: Weil die Welten nicht als feste polygonale 3D-Geometrie gerendert, sondern von einem neuronalen Netzwerk Bild für Bild vorhergesagt werden, leidet das System unter mangelnder Szenenpermanenz. Wer sich in einer komplexen Welt umdreht oder viele Prompts hintereinander abfeuert, erlebt, wie Gegenstände verblassen, morphen oder ihre Position verschieben.
Hinzu kommen eine spürbare Kameralatenz bei der Tastatursteuerung sowie Unschärfen bei Texten und filigranen physikalischen Kollisionen. Sämtliche generierten Video- und Audioinhalte versieht Google mit unsichtbaren SynthID-Wasserzeichen, um die synthetische Herkunft nachweisbar zu machen.
🎯 Was das für die Praxis bedeutet
1. Schnelle Pre-Visualisierung statt 3D-Blockout: Für Kreativagenturen, Game-Designer und Filmteams eignet sich Project Genie als interaktives Stimmungsboard, um Raumideen und Szenarien in Minuten statt Tagen erlebbar zu machen.
2. Kein Ersatz für Produktions-Engines: Wegen Objektdrift, Latenzen und mangelnder geometrischer Persistenz ersetzt das Weltmodell vorerst weder Unreal Engine noch Unity für fertige Softwareprodukte.
3. Hohe Preishürde für Unternehmen: Da der Zugang an das teure Google AI Ultra-Abonnement gebunden ist und Pro-Nutzer auf einer Warteliste stehen, eignet sich das Werkzeug derzeit vor allem für gezielte Innovations- und Forschungsprojekte.
Quellen
Anzeige · Buch und Angebot von Markus Kirchmair
Noch ein Tool. Oder endlich weniger Arbeit?
Prüfen Sie mit No More Tools, welche Software und Abläufe Ihr Unternehmen tatsächlich braucht. Im Workshop entsteht ein priorisierter Fahrplan.
