Google Genie 4 erzeugt KI-Welten, in denen sich Filmszenen erkunden lassen

Mit Genie 4 hat Google DeepMind am 27. Oktober 2026 ein sogenanntes Weltmodell vorgestellt. Das ist eine KI, die keinen fertigen Clip ausgibt, sondern eine Umgebung, in der man sich bewegen kann und die auf Eingaben reagiert. Passende Geräusche und Dialoge liefert Genie 4 gleich mit.

Für Filmschaffende liegt der Nutzen zunächst in der frühen Entwicklung einer Szene. Wie gut das tatsächlich klappt, lässt sich von außen kaum sagen, weil nur ausgewählte Tester das Modell nutzen. [1]

Was ein Weltmodell von einem Text-zu-Video-Modell unterscheidet

Ein gewöhnliches Text-zu-Video-Modell macht aus einer Beschreibung einen Clip. Ist der Clip fertig, steht sein Ablauf fest. Ein Weltmodell rechnet dagegen weiter, während man es benutzt: Wer sich in einer simulierten Straße umdreht, bestimmt damit, was als Nächstes zu sehen ist.

Nach Googles Beschreibung steuert man Genie 4 für Bewegung und Kamera mit der Tastatur und zusätzlich mit Textbefehlen. Während die Welt läuft, kann man zum Beispiel Personen oder Gegenstände hinzufügen oder das Wetter ändern. Neu ist die Interaktivität nicht: Schon Genie 3 ließ sich durch Welten steuern und reagierte auf Ereignisse, die per Text ausgelöst wurden. [1] [3]

Das kann sich anfühlen wie ein begehbares Filmset. Belegt ist allerdings nicht, dass daraus ein stabiles 3D-Set entsteht, das sich beliebig bearbeiten lässt. Ob man einzelne Objekte, Kameradaten oder Lichtquellen später als Produktionsdateien weiterverwenden kann, sagt die erzeugte Ansicht nicht.

Was Google zu Figuren, Physik und Ton verspricht

Google nennt Fortschritte bei der Bildwirkung, bei menschlichen Bewegungen und bei physikalischen Abläufen, etwa Kollisionen und Aerodynamik. Figuren sollen auf ihre Umgebung reagieren und sich steuern lassen, während die Simulation läuft. Das sind Angaben des Herstellers. Die gezeigten Beispiele ersetzen keine unabhängige Prüfung. [1]

Neu ist außerdem der Ton. Das Modell erzeugt Umgebungsgeräusche, Musik und Dialoge laut Google zusammen mit dem Bild. Für einen Szenenentwurf hilft das, weil man hört, ob ein Gespräch unter freiem Himmel oder in einem kleinen Raum spielt.

Als Beispiel zeigt Google einen Saxofonspieler auf einer Plattform in einem See. Im zugehörigen Prompt, also der Texteingabe, bewegt sich die Kamera unabhängig von der Figur. Das macht deutlich, was das Modell können soll: innerhalb einer laufenden Szene Blickwinkel ausprobieren. Es beweist aber nicht, dass sich Kamerafahrten exakt wiederholen lassen oder dass jede Bewegung zuverlässig kontrollierbar ist. [1]

▶Genie 4 im Video ansehenOffizielles Video von Google DeepMind · Englisch · öffnet YouTube

Im Video zeigt Google DeepMind, wie Genie 4 Welten erzeugt und wie sie sich per Texteingabe verändern lassen. Das Vorschaubild ist eine eigene Illustration und kein Standbild aus dem Video. [6]

Wie Gemini beim Planen hilft

Für einen brauchbaren Szenenentwurf müssen zwei Dinge klappen: Das Modell muss eine Anweisung verstehen, und die Welt muss sinnvoll darauf reagieren. Google verteilt diese Aufgaben auf Genie und Modelle aus der Gemini-Familie.

Gemini Omni soll dafür sorgen, dass Aussehen und Verhalten der Simulation an echten Vorbildern ausgerichtet sind. Andere Gemini-Modelle helfen bei Planung und Zusammenhang, während Genie das erzeugt, was man sieht und hört. Google nennt diese Kombination einen frühen Schritt hin zu sogenannten hybriden Weltmodellen. [1]

Kommt eine neue Person oder ein Gegenstand hinzu, müsste das zum vorhandenen Raum und zum bisherigen Geschehen passen. Dabei soll die zusätzliche Planung helfen. Garantiert ist damit nicht, dass Requisiten, Figuren und Handlung über längere Zeit zusammenpassen. Auch unabhängige Berichte beschreiben das Zusammenspiel als Forschungsansatz. [5]

Wofür Filmteams Genie 4 nutzen könnten

Laut Google testen ausgewählte Kreative Genie 4 für die Ideenentwicklung und für die Previsualisierung. Gemeint ist eine frühe Vorschau, an der sich Gestaltungsentscheidungen besprechen lassen. Die Tester probieren dem Bericht zufolge Änderungen an Kamera, Licht, Dialog und Handlung während der Simulation aus. Diese Rückmeldungen kommen von Google selbst und sind keine unabhängigen Produktionsberichte. [1]

Diego Rivas von Google DeepMind nennt gegenüber TechCrunch vor allem zwei Phasen, in denen das Modell helfen könnte: die Ideenfindung und das Storyboard. In beiden geht es darum, schnell Varianten zu sehen und zu entscheiden, welche weiterverfolgt wird. [4]

Das sind mögliche Arbeitsweisen, keine erprobte Produktionskette. Offen sind noch Wiederholbarkeit, Export und der Anschluss an bestehende Programme. TechCrunch schreibt ebenfalls, dass der Weg von interaktiven Entwürfen zu nutzbaren kreativen Inhalten bisher eine Aussicht für die Zukunft ist. [4]

Bleibt die Szene gleich, wenn sich die Kamera dreht?

Eine Filmproduktion braucht Kontinuität. Ein Gegenstand soll nach einem Kameraschwenk am selben Platz stehen, eine Figur dieselbe Kleidung tragen. Genau hier nennt Google selbst eine offene Aufgabe: Details und die sogenannte Objektpermanenz können sich im Lauf einer Simulation verschieben. [1] [2]

Objektpermanenz heißt, dass Gegenstände und ihr Zustand erhalten bleiben, auch wenn man sie kurz nicht sieht. Laut Google verstärken sich die Abweichungen bei längeren Sitzungen, bei mehreren komplexen Änderungen und beim Bewegen durch die Szene. Für den Gegenschuss in einer Dialogszene wäre das ein großes Problem.

Weitere Grenzen nennt Google bei komplexen physikalischen Abläufen, bei der räumlichen Genauigkeit und beim Zusammenspiel mehrerer unabhängiger Akteure. Echte Orte bildet das Modell nicht perfekt nach. Auch gut lesbare Schrift und der Echtzeit-Ton sind noch Forschungsthemen. Ein überzeugend aussehender Zusammenstoß beweist deshalb noch keine verlässliche Physiksimulation. [1] [2]

Die Modellseite spricht von einigen Minuten durchgehender Interaktion. Das ist keine Zusage, dass alles fehlerfrei läuft, und auch keine Grundlage für lange Szenen, die sich zuverlässig wiederholen lassen. Eine interaktive Simulation ist deshalb noch kein fertiges Filmmaterial, das man gezielt weiterbearbeiten kann. [2]

Wer Genie 4 nutzen kann

Stand 28. Oktober 2026 ist Genie 4 eine Forschungsvorschau für ausgewählte Tester. Danach soll es laut Google zuerst Abonnenten von Google AI Ultra über Project Genie zur Verfügung stehen, außerdem ausgewählten Early-Access-Partnern der Gemini API und von Google AI Studio. Für den breiteren Zugang gibt es eine Warteliste. Einen festen Starttermin nennt die Ankündigung nicht. [1] [2]

Ob Genie 4 für die Filmbranche etwas taugt, hängt davon ab, wie viel Kontrolle der Entwurfsraum bietet. Eine schnell erzeugte Variante hilft, wenn man an ihr eine Perspektive, einen Rhythmus oder eine Raumidee beurteilen kann. Verrutschen bei jeder Änderung wichtige Details, verliert sie ihren Wert.

Genie 4 macht denkbar, dass Teams Ideen früher räumlich und mit Ton besprechen. Welche Einstellung eine Geschichte trägt und welcher Entwurf weiterverfolgt wird, entscheiden aber weiterhin Menschen. Das Werkzeug müsste diese Arbeit mit verlässlichen Ergebnissen stützen.

Stand der Recherche: 28.10.2026. Funktionen und Fortschritte stammen von Google und sind nicht unabhängig geprüft. Mögliche Einsätze im Film sind Einschätzungen, keine erprobten Abläufe. Einen eigenen Test von Genie 4 gab es nicht. Ich habe Aussagen und Quellenzuordnung abgeglichen und die Texte selbst formuliert.

Alle Angaben erfolgen nach bestem Wissen und ohne Gewähr. Für Richtigkeit, Vollständigkeit und Aktualität übernehme ich, soweit gesetzlich zulässig, keine Haftung.