Genie 4 ist das neue Echtzeit-Weltmodell von Google DeepMind, das am 27. Oktober 2026 angekündigt wurde, und Sie können es noch nicht nutzen. Es erzeugt aus einem Prompt eine erkundbare Welt, ergänzt nativen Sound und gesprochene Dialoge und lässt Sie die Szene während des Ablaufs per Text verändern. Es ist eine Forschungsvorschau nur für ausgewählte Tester. Project Genie auf Google AI Ultra (ab $99.99/Monat) und die Gemini API sind als "coming soon" aufgeführt, ohne Termine und ohne Preis.
Der Teil, den die meisten Berichte übergehen: Die eigentliche Veränderung ist ein zweites Modell in der Schleife. Gemini 3.8 Flash beobachtet jedes von Genie 4 gerenderte Bild, zerlegt Ihr Ziel in Schritte und prüft, ob jeder davon erfolgreich war. Die Textsteuerung selbst ist nicht neu, Genie 3 hatte sie bereits. Und Google hat dieses Mal weniger technische Daten veröffentlicht: keine Auflösung, keine Bildrate, keine Parameteranzahl, keine Benchmarks.
Wenn Sie ein Supportteam leiten, wird Genie 4 Ihre Warteschlange nicht berühren. Aber seine Schleife aus „planen, handeln, prüfen“ ist das richtige Vorbild für jede KI, die in Ihrem Auftrag handelt. Und daran würde ich einen KI-Helpdesk-Agenten messen: Er sollte anhand Ihrer eigenen bisherigen Tickets getestet worden sein, bevor er einem Kunden antwortet. Genau das macht eesel.
Warum ich mich näher mit Genie 4 beschäftigt habe
Ich entwickle beruflich KI-Agenten bei eesel, also solche, die ein Supportticket lesen, Informationen nachschlagen und entscheiden, was als Nächstes zu tun ist. In den letzten Jahren, in denen ich Agenten in laufenden Helpdesk-Warteschlangen eingesetzt habe, ist mir vor allem eine Erkenntnis geblieben: Das Modell ist selten das Problem. Das Problem ist ein Agent, der einen Schritt ausführt, nie überprüft, ob er funktioniert hat, und selbstbewusst weitermacht. Deshalb wird heute jeder eesel-Rollout anhand der historischen Tickets eines Teams simuliert, bevor er live geht.
Als in DeepMinds Ankündigung also sinngemäß stand: „Wir haben Gemini in die Schleife eingebunden, um jeden Schritt zu prüfen“, habe ich dieser Zeile mehr Aufmerksamkeit geschenkt als den Drachenaufnahmen. In diesem Beitrag gehe ich darauf ein, was Genie 4 ist und was tatsächlich neu ist, dann darauf, was die Demos zeigen (und wo sie patzen), sowie darauf, wie Sie Zugang erhalten und was Google uns noch nicht gesagt hat. Alles hier stammt aus DeepMinds eigenen Seiten und der öffentlichen Diskussion, da noch niemand außerhalb der Testergruppe das Modell ausprobiert hat.
Was ist Genie 4?
Genie 4 ist ein Weltmodell: ein KI-System, das in Echtzeit Bild für Bild eine interaktive Umgebung erzeugt und reagiert, während Sie sich darin bewegen. Sie beschreiben einen Ort (oder geben ein Referenzbild vor) und bewegen sich dann mit der Tastatur zu Fuß, fliegend oder fahrend hindurch, während das Modell erfindet, was hinter der nächsten Ecke liegt.
DeepMinds Ankündigungsbeitrag, verfasst von Raia Hadsell, Diego Rivas und Hang Qi, bezeichnet es als "natively multimodal". Sound und Musik sowie Dialoge werden zusammen mit der Welt erzeugt, statt nachträglich hinzugefügt zu werden. Dem Beitrag zufolge baut das Modell außerdem auf zweierlei Weise auf der Gemini-Familie auf: Gemini Omni "anchors" das Aussehen und Verhalten der Szene in der realen Welt, und andere Gemini-Modelle übernehmen die Schlussfolgerungen, die eine Simulation stimmig halten.
Googles Argumentation, warum das wichtig ist, ist recht breit gefasst: sichere Trainingswelten für Roboter und Agenten sowie kreative Anwendungen in Film, Journalismus, Gaming und Fertigung, laut der Ankündigung im Google-Blog. DeepMind stellt die Weltsimulation als einen Schritt in Richtung AGI dar. Das ist das langfristige Ziel. Kurzfristig geht es um eine Vorschau, für die Sie sich auf eine Warteliste setzen lassen können.
Wenn Sie die Modellreihe noch nicht kennen, habe ich die Endkundenseite des vorherigen Modells bereits in meiner ausführlichen Analyse von Project Genie behandelt.
Was ist bei Genie 4 im Vergleich zu Genie 3 tatsächlich neu?
Genie 4 ergänzt drei Dinge, die Genie 3 nicht hatte: natives Audio, einen Gemini-Planer in der Schleife und Gemini Omni für mehr Realismus. Echtzeit-Textsteuerung gehört nicht dazu, auch wenn sich manche Berichte zur Veröffentlichung so lesen.
Genie 3, angekündigt im August 2025, hatte bereits das, was DeepMind "promptable world events" nannte: einen Prompt eingeben, um mitten in einer Szene das Wetter zu ändern oder Objekte und Figuren hinzuzufügen. Geändert hat sich, wer diesen Prompt interpretiert. Bei Genie 4 gilt: "Gemini will contextually adapt your prompt to match the surrounding scene", und zwischen Ihren Eingaben übernimmt Gemini Folgendes: "monitors and steers the scene to keep the world progressing cohesively."
Hier ist der direkte Vergleich, für den ich ausschließlich die von DeepMind veröffentlichten Angaben verwendet habe:
| Genie 3 (August 2025) | Genie 4 (Oktober 2026) | |
|---|---|---|
| Natives Audio | Nein | Ja: Umgebungsgeräusche, Musik, interaktive Dialoge |
| Textsteuerung mitten in der Szene | Ja ("promptable world events") | Ja, wobei Gemini Ihren Prompt an die Szene anpasst |
| Planer in der Schleife | Keiner | Gemini 3.8 Flash plant Schritte und prüft Bilder |
| Realismusebene | Nicht angegeben | Gemini Omni verankert Aussehen und Verhalten in der realen Welt |
| Auflösung / Bildrate | 720p, 24 fps | Nicht veröffentlicht |
| Durchgehende Interaktion | Einige Minuten | Einige Minuten |
| Zugang bei Veröffentlichung | Forschungsvorschau, dann Project Genie | Ausgewählte Tester, dann Project Genie und Gemini API |
| Wasserzeichen | SynthID | SynthID auf Video und Audio |
Der unauffällige Rückschritt steckt im Datenblatt, nicht im Modell. Der Ankündigungsbeitrag zu Genie 3 nannte 720p, 24 Bilder pro Sekunde und ein visuelles Gedächtnis, das "as far back as one minute ago." zurückreichte. Der Beitrag zu Genie 4 nennt keine dieser Zahlen, und eine Vergleichstabelle gibt es ebenfalls nicht. Es kann durchaus in all diesen Punkten besser sein, ich kann es nur nicht überprüfen.
Auf dem Papier hat sich die Sitzungsdauer nicht verändert. Beide Seiten sagen, dass das Modell "a few minutes" durchgehender Interaktion unterstützt. Einige Medien berichteten von einer Verdopplung, aber diese Angabe steht auf keiner DeepMind-Seite, die ich finden konnte. Deshalb habe ich sie weggelassen.
Wie arbeitet Genie 4 mit Gemini zusammen?
Genie 4 läuft als Zusammenspiel zweier Modelle in einer Schleife: Genie rendert die Welt, und Gemini 3.8 Flash fungiert als "guiding agent", der plant und prüft. Das ist der interessanteste Absatz der gesamten Ankündigung. Deshalb folgt hier DeepMinds Beschreibung in einfachen Worten.
Während Genie 4 die Welt erzeugt, beobachtet Gemini fortlaufend die Szene und zerlegt ein Ziel in eine Abfolge von Schritten. Anschließend prüft es eingehende Bilder, um "track the progress and verify that each step succeeded." Wenn die Welt vom Kurs abkommt oder Sie eingreifen, ändert Gemini seinen Plan sofort. DeepMind zufolge ermöglicht das "reliable causality, procedural behaviors, and multi-step reasoning."
Anders gesagt: Genie allein ist sehr gut darin, das nächste Bild zu erraten. Gemini macht daraus etwas, das einem Plan folgen kann. Der Testbericht zu Gemini 3.8 Flash behandelt das Modell, das hier die Prüferrolle übernimmt. Es ist schnell und günstig, was für etwas sinnvoll ist, das Bilder in Echtzeit betrachten muss.
DeepMind zeigte auch eine Version davon mit seinem größeren Modell. In einer Robotikdemo schreibt Gemini 4 Argon einen detaillierten mehrstufigen Plan, und jeder Schritt wird Genie 4 als Textbeschreibung zugeführt, während die Simulation gerendert wird. Das Beispiel zeigt Apptroniks humanoiden Roboter Apollo beim Damespiel.
Die Verbindung zur Robotik ist für Google nichts Neues. Sie steht neben Gemini Robotics 2 und den Arbeiten an Gemini 4 Argon für Robotik. DeepMinds Modellseite sagt außerdem, dass Genie-4-Welten ein Ort sein könnten, an dem Agenten wie SIMA "learn new skills." DeepMind nennt diese Richtung "hybrid world models": Sprach- und Codemodelle übernehmen die Struktur und den zeitlichen Ablauf der Geschichte, und das Pixelmodell kümmert sich darum, wie die Dinge aussehen und klingen.
Was zeigen die Demos von Genie 4 tatsächlich?
Die Demos zeigen einen großen Sprung beim Realismus, insbesondere bei Menschen und Sound, neben denselben Konsistenzproblemen, die Genie 3 hatte. DeepMind ordnet sie vier Fähigkeiten zu: Echtzeitsteuerung, Physik und menschliches Handeln, Sound sowie komplexe, von Gemini gesteuerte Ereignisse.
DeepMind weist darauf hin, dass die Clips Aufzeichnungen von Echtzeitsitzungen sind, mit "standard keyboard controls for navigation and camera control, and text prompts to steer." Einige davon sind mir besonders aufgefallen:
- Menschen. DeepMind bezeichnet die Simulation von Menschen als "the most dramatic leap", und der überfüllte japanische Bahnsteig der 1980er-Jahre sowie der Rundgang hinter einer Theaterbühne sehen tatsächlich viel eher nach Filmaufnahmen als nach einer Game-Engine aus.
- Sound. Genie 4 ist DeepMinds "first real-time world model to generate audio natively." Im Clip mit dem Saxofon auf einem See stammen das Instrument, der Wind und auch das Wasser allesamt aus dem Modell.
- Physik. Beispiele zeigen Aerodynamik und Kollisionen, etwa einen fallenden Ahornsamen oder einen Heißluftballon über der Antarktis, außerdem eine Marmorbüste, die auf eine Wassermelone fällt.
- Roboteraufgaben. Ein Universal Robots UR5-Arm hält eine Pipette und gibt Flüssigkeit in eine Laborplatte ab.
Es lohnt sich, die Prompts zu lesen, wenn Sie das Modell nutzen möchten. Sie sind lang und konkret und zeugen auch von viel Kamerawissen: "photographed on 16mm film", "the camera is not attached to the man or the platform", "no HDR". DeepMind hat außerdem einen Prompt-Leitfaden für Genie veröffentlicht. Das zeigt: Der Maßstab für gute Ergebnisse ist ein Regiebriefing, kein Einzeiler.
Was sagen die Leute über Genie 4?
Der Hacker-News-Thread erreichte am Veröffentlichungstag 642 Punkte und 390 Kommentare. Die Stimmung war beeindruckt, aber skeptisch. Die meisten kritischen Kommentare drehten sich um Konsistenz, also genau den Punkt, den DeepMind als wichtigste Einschränkung aufführt.
Ein Leser ging die Drachendemo Bild für Bild durch:
"A big chunk of the right side of castle disappeared, including catapult, when camera turned back while flying on dragon. See 1:25 to 1:29. I was not expecting this to happen in a "world model"."
Ein anderer formulierte das Muster allgemeiner, und ich halte das für die fairste Einschätzung der Demos:
"It's very good at maintaining consistency for things that stay in frame, but I don't know that this points to it developing a strong "world simulation" like they claim."
Das andere große Thema war die Offenheit. Ein Kommentator fand es "very hard to get me excited about yet another proprietary model for which absolutely zero technical details are released (not even the number of parameters)", wie in diesem Hacker-News-Kommentar zu lesen ist. Allerdings waren nicht alle der Meinung, dass die Geschichte vom Robotertraining nur Hype sei. Eine Antwort auf einen Skeptiker wies darauf hin, dass bereits ein Weltmodell zum Training selbstfahrender Autos eingesetzt wird:
"A proprietary version of this technology is already training Waymo's robot cars. Waymo blogged about their DeepMind-provided world model a year ago."
Meine Einschätzung: Der Realismus ist echt, aber der „Welt“-Teil beschränkt sich noch größtenteils auf das, was auf dem Bildschirm zu sehen ist. Dinge, die das Bild verlassen, können verändert zurückkehren. Für einen Entwurf zur Filmvorvisualisierung ist das in Ordnung, aber es ist deutlich relevanter, wenn Sie damit einen Roboter trainieren möchten.
Was hat Google uns über Genie 4 noch nicht gesagt?
Google hat keine Parameteranzahl, keine Benchmarks, keine Auflösung oder Bildrate, keine Sitzungsgrenze über "a few minutes" hinaus, keinen Preis und keine API-Dokumentation veröffentlicht. Veröffentlicht hat Google dagegen eine ungewöhnlich offene Liste von Einschränkungen, die Sie auf der Genie-Modellseite vollständig lesen sollten.
Hier steht, womit Genie 4 laut DeepMind weiterhin Schwierigkeiten hat:
| Einschränkung | Was DeepMind sagt |
|---|---|
| Kohärente Umgebungen | Visuelle Details und Objektpermanenz können sich verändern, besonders in langen Sitzungen, nach mehreren Prompt-Änderungen oder bei Bewegung durch die Umgebung |
| Andere Agenten | Die Modellierung von Interaktionen zwischen Nutzern, mehreren Agenten und gemeinsamen Umgebungen ist weiterhin ein Forschungsproblem |
| Reale Orte | Reale Orte lassen sich nicht mit perfekter Genauigkeit simulieren |
| Text | Klar lesbarer Text erscheint in der Regel nur, wenn er in Ihrer Weltbeschreibung enthalten ist |
| Dauer | Einige Minuten durchgehende Interaktion, keine längeren Sitzungen |
| Audio | Die Genauigkeit des Echtzeit-Audios wird noch verbessert |
Zur Sicherheit sagt Google, dass Genie 4 interne Sicherheitsbewertungen durchlaufen hat und über Schutzvorkehrungen verfügt, die denen seiner anderen Modelle entsprechen. Außerdem tragen laut Google alle erzeugten Videos und Audios SynthID, Googles unsichtbares Wasserzeichen. Das ist derselbe Ansatz wie bei Genie 3, nur jetzt auf Sound ausgeweitet.
Wie erhalten Sie Genie 4, und was wird es kosten?
Im Moment gar nicht, es sei denn, Sie gehören zu den ausgewählten Testern. Google sagt, dass Genie 4 als Nächstes für Abonnenten von Google AI Ultra in Project Genie und für Early-Access-Partner in der Gemini API und Google AI Studio verfügbar wird. Sie können sich heute auf die Warteliste für Genie 4 setzen lassen.
Der Weg für Endkunden ist am klarsten. Project Genie ist die App von Google Labs zum Erstellen von Welten, und Googles Tarifseite führt sie als exklusives Ultra-Feature in mehr als 140 Ländern auf. Mit Stand vom 28. Oktober 2026 beschreibt diese Seite Project Genie noch als auf Genie 3 basierend.
Hier sehen Sie, was die einzelnen Zugangswege heute kosten, entnommen aus Googles eigenen Seiten:
| Zugangsweg zu Genie 4 | Status (28. Oktober 2026) | Preis |
|---|---|---|
| Programm für ausgewählte Tester | Aktiv, nur auf Einladung | Nicht veröffentlicht |
| Project Genie auf Google AI Ultra | Demnächst verfügbar | Ultra ab $99.99/Monat (5x Pro-Nutzung) oder $199.99/Monat (20x Pro-Nutzung), USA |
| Gemini API und Google AI Studio | Demnächst verfügbar, Early-Access-Partner | Kein Tarif für Genie 4 veröffentlicht |
Der realistische Plan für die meisten lautet also: auf die Warteliste setzen lassen und, wenn Sie bereits für Ultra bezahlen, auf den Modellwechsel bei Project Genie achten. Für Entwickler gibt es noch nichts, auf dessen Grundlage sie etwas bauen könnten. In der Zwischenzeit bieten Google AI Studio und die Gemini API Zugang zum Rest der Gemini-Familie, einschließlich Gemini Omni Flash, dem Modell hinter der Realismusebene von Genie 4.
Für wen ist Genie 4 gedacht?
Den Hinweisen der ausgewählten Tester zufolge liegen die ersten Anwendungen in der Kreativ- und Planungsarbeit, nicht im Produktivbetrieb. DeepMind nennt vier:
- Filmvorvisualisierung. Regisseure betreten eine Szene und führen live mehrere „Takes“ durch, wobei sie Kamera, Beleuchtung, Dialoge und Handlung ändern.
- Journalismus und Geschichte. Ein einzelnes Archivfoto in eine erkundbare Szene verwandeln oder zeigen, wie sich eine Sturzflut oder ein Waldbrand entwickelt.
- Spielkonzepte. Von einer Idee zu einem erkundbaren Prototyp gelangen, "before writing a single line of engine code."
- Simulation. Unternehmenspartner testen es zur schnellen Szenarioerstellung, parallel zu DeepMinds eigener Robotikarbeit.
Wenn Sie Videos produzieren, vergleichen Sie es mit Tools, die Sie heute nutzen können, etwa Sora 2, Runway und Kling AI. Diese erzeugen festgelegte Clips, während Genie eine Welt erschafft, durch die Sie sich bewegen. Das ist eine andere Aufgabe.
Ist Genie 4 für Kundensupportteams relevant?
Nicht als Produkt. Genie 4 rendert Welten, und niemand wird eine Rückerstattungsanfrage mit einem simulierten Bahnsteig beantworten. Die Architektur ist allerdings die nützlichste Idee in der Ankündigung für alle, die KI in einer Supportwarteschlange einsetzen.
Sehen Sie sich an, was Gemini in der Schleife tut: das Ziel in Schritte zerlegen, handeln, das Ergebnis prüfen und dann nachjustieren. Genie allein erzeugt überzeugende Bilder, die unbemerkt vom Plan abweichen können, und Support-KI scheitert auf dieselbe Weise. Ein Modell, das eine selbstbewusste Antwort schreibt, ohne dass irgendetwas sie mit Ihren Richtlinien oder Bestelldaten abgleicht, rät ebenfalls nur. Daher kommen KI-Halluzinationen im Support.
Die Frage, die ich jedem Anbieter stellen würde, lautet also nicht: „Welches Modell verwenden Sie?“ Sondern: „Was prüft das Modell, und kann ich zuerst sehen, wie es mit meinen Tickets funktioniert?“ Hier sind einige konkrete Varianten dieser Prüfung:
- Vor dem Livegang anhand historischer Daten testen. Lassen Sie den Agenten Ihre bisherigen Tickets bearbeiten und lesen Sie, was er gesendet hätte. Ich habe aufgeschrieben, wie Sie einen KI-Agenten testen.
- Jede Antwort auf eine Quelle stützen. Der Agent sollte auf Grundlage Ihres Helpcenters und früherer Antworten antworten und verlinken, was er verwendet hat.
- Wissen, wann man sich zurückzieht. Eine klare Übergaberegel ist besser als ein cleveres Modell. Siehe Best Practices für die Übergabe durch KI-Agenten.
So hat SamCart eesel eingerichtet. Zuerst wurden das Helpcenter und bisherige Freshdesk-Tickets geladen. Anschließend wurde ein Agent für E-Mail-Tickets und ein separater für den Website-Chat eingesetzt. Beide antworten auf Grundlage von etwa 280 Helpcenter-Artikeln, verlinken ausschließlich öffentliche Artikel, und der Ticket-Agent hört sofort auf zu antworten, sobald ein Teammitglied das Ticket übernimmt. Es ist dieselbe Disziplin aus Planen, Handeln und Prüfen, nur auf eine Warteschlange statt auf einen Drachen angewandt.
Wenn Sie Modelle für diese Aufgabe vergleichen, zeigt meine Analyse der besten Modelle für Supporttickets, welche sich bewähren. Und KI-Agenten im Vergleich zu KI-Chatbots erklärt, warum die Schleife wichtiger ist als das Modell.
Sollten Sie sich schon für Genie 4 interessieren?
Ja, wenn Sie in den Bereichen Film, Spiele, Simulation oder Robotikforschung arbeiten: Lassen Sie sich auf die Warteliste setzen, denn der Realismus und das native Audio sind ein echter Fortschritt gegenüber Genie 3, und das Design mit Gemini in der Schleife zeigt, wohin sich Weltmodelle entwickeln. Nein, wenn Sie gehofft hatten, noch in diesem Quartal darauf aufzubauen: Es gibt keine API, keinen Preis und kein Datenblatt.
Für alle anderen ist es eine gute Vorschau auf eine umfassendere Idee. Google hat das Weltmodell nicht dadurch zuverlässiger gemacht, dass es größer wurde. Stattdessen hat Google ein zweites Modell hinzugefügt, dessen einzige Aufgabe darin besteht, zu planen und zu prüfen. Das ist die Erkenntnis, die ich auf jede KI übertragen würde, die Sie im Kundenkontakt einsetzen. Für einen breiteren Blick auf Agenten sind meine Übersicht der besten KI-Agenten und die Beispiele für KI-Agenten gute weiterführende Lektüre.
Testen Sie eesel für eine KI, die ihre Arbeit überprüft
Genie 4 braucht Gemini, um jedes Bild zu prüfen. Ihre Support-KI braucht dasselbe für jede Antwort. eesel ist ein KI-Teammitglied für Ihren Helpdesk, das in Ihre bestehende Warteschlange in Zendesk, Freshdesk oder Gorgias einsteigt und aus Ihrem Helpcenter und bisherigen Tickets lernt. Sie können es außerdem anhand Ihrer eigenen Tickethistorie testen, bevor es auch nur einem einzigen Kunden antwortet.
SamCart setzt zwei davon ein, einen pro Kanal, auf Grundlage desselben Helpcenters. Wenn Sie sehen möchten, was es auf die Tickets des letzten Monats geantwortet hätte, testen Sie eesel kostenlos.