Google Project Genie Guide: Googles Foundation World Model erklärt

Die wichtigsten Funktionen von Project Genie

Werfen wir einen Blick auf die zentralen Funktionen von Project Genie.

• Interaktive Weltgenerierung: Anders als bei einem Video sitzt du am Steuer. Du steuerst die Kamera oder eine Figur, und das Modell generiert in Echtzeit den nächsten Frame passend zu deinen Aktionen.
• World Sketching: Du kannst eine Welt mit einem einfachen Textprompt (z. B. „Eine neonbeleuchtete Cyberpunk-Stadt“) oder einem hochgeladenen Bild anstoßen. Die KI erzeugt daraus eine spielbare 3D-Version des statischen Inputs.
• World Remixing: Damit lässt sich eine bestehende Welt transformieren. Du kannst den Zeichenstil ändern, neue Elemente hinzufügen oder die Atmosphäre anpassen – der Grundriss bleibt erhalten.
• Steuerbare Aktionen: Das Modell erkennt Eingaben wie Springen, Fliegen oder Laufen. Es übersetzt diese Befehle in nachvollziehbare visuelle Änderungen und gibt dir spürbare Kontrolle in der Simulation.

Hands-on mit Project Genie

Schauen wir uns einige einfache Use Cases an, um Ideen mit Project Genie zum Leben zu erwecken.

World Sketching

Der Startpunkt ist die World-Sketching-Phase. Du gibst einen Prompt ein oder lädst ein Foto hoch, und das System nutzt Nano Banana Pro (Googles neueste hochpräzise Bildengine), um das Anfangsbild zu verfeinern. 

So hat der Startframe die nötige architektonische Tiefe und Textur für eine komplexe 3D-Umgebung. 

Du kannst sogar die Logik der Welt „skizzieren“, indem du vorab definierst, wie sich deine Figur durch den Raum bewegt.

Unten siehst du eine Beispielumgebung und die Beschreibung einer Figur. So kann das Modell die Anfangswelt erzeugen, in der es startet.

World Remixing

World Remixing ist ein Highlight für kreative Workflows. Du kannst zum Beispiel ein realistisches Foto eines Stadtparks nehmen und das Modell mit „Remix in einen Studio-Ghibli-Zeichenstil“ auffordern. 

Die entstehende spielbare Welt behält den physischen Aufbau des Parks (Bäume, Wege) bei, legt aber eine völlig neue Ästhetik darüber. Die Übergänge sind meist flüssig, bei komplexen Texturen kann es jedoch zu leichten „Schmelz“-Effekten kommen. 

Ich habe das Modell zum Beispiel gebeten, den See pink zu färben – und es reagiert entsprechend. Stil und Layout bleiben gleich, während der See angepasst wird.

3D-Erkundung

Sobald die Welt generiert ist, wechselst du in den 3D-Explorationsmodus. Du kannst die Welt aus der Ego- oder Third-Person-Perspektive erkunden. 

Mit den WASD-Tasten bewegst du deine Figur, mit den Pfeiltasten schaust du dich um. Mit der Leertaste springst du und überwindest Hindernisse. 

Jede Session gibt dir 60 Sekunden zur Erkundung.

Mein Eindruck: Die Gesamtumgebung wirkt beeindruckend stimmig. Während du dich bewegst, erzeugt die KI neues Terrain im bereits etablierten Stil. Bei sehr komplexen Texturen gibt es Grenzen, und man merkt, dass das Modell Ideen live generiert – die Bildrate ist nicht immer ganz flüssig. 

Aber: Aus einem simplen Prompt in unter einer Minute eine begehbare Welt in wenigen Minuten zu machen, ist einfach mind-blowing.

Wie kann ich Project Genie nutzen?

Anfang 2026 ist Project Genie weiterhin ein experimenteller Forschungsprototyp. Es ist noch nicht allgemein verfügbar. 

Derzeit ist der Zugriff auf Google AI Ultra-Abonnentinnen und -Abonnenten in den USA beschränkt. 

Mit aktivem Abo findest du das Tool im Google Labs FX-Portal.

Hinweis: Teilnehmende am Forschungsprogramm müssen mindestens 18 Jahre alt sein.

Wie gut ist Project Genie?

Eine Welt in Echtzeit zu navigieren, unterscheidet sich deutlich vom Spielen eines Games mit vorgerenderten Grafiken. 

Klar, wir können es nicht wie ein Standard-LLM bewerten – eine „Welt“ lässt sich nicht abfragen, sondern nur über das visuelle und interaktive Erlebnis beurteilen. 

Zuerst die Technik: Das Video ist auf 720p und rund 24 fps begrenzt. Dadurch wirkt es weniger „knackig“ als Sora, denn der Fokus liegt nicht auf glattem Video, sondern auf einer interaktiven Welt.

 Die Erzeugung einer Welt in Echtzeit ist rechnerisch deutlich aufwendiger. 

Visuell ist das Erlebnis sehr ordentlich. Ich hatte teils leicht ruckelige Frames wegen der niedrigeren Bildrate, insgesamt bleibt die Welt aber recht konsistent. 

Mir fiel in einigen Durchläufen auf, dass generierte Objekte manchmal verschwinden oder sich ändern, wenn man vorbeigeht und sich umdreht. Das betrifft eher einzigartige Objekte (z. B. Figuren) als statische wie Bäume. 

Die Interaktion funktionierte meist problemlos. Drückst du eine Taste zum Bewegen oder Umschauen, schwenkt und bewegt sich die Kamera entsprechend.

 Insofern ist die Welt recht interaktiv. Beim Springen gab es teils Verzögerungen – vor allem auf flachem Terrain, wo das Modell einen Sprung nicht „erwartet“.

 Konstanter klappt es, wenn Hindernisse vorhanden sind und ein Sprung „Sinn ergibt“.

In Summe fühlte es sich sehr nah an der realen Welt an (abgesehen vom Stil). Distanzen und Größenverhältnisse passten überwiegend. Auch Bewegungsparallaxe blieb durchgängig konsistent. 

Ich konnte das Modell allerdings zuverlässig aus dem Tritt bringen, wenn ich mehrere Aktionen gleichzeitig verlangte – etwa gleichzeitig schwimmen und laufen. Die Prompt-Formulierung muss hier sehr präzise sein.

Alles in allem ein verblüffendes Erlebnis – und kaum zu glauben, wie leicht sich einfache interaktive Welten erzeugen lassen.

Use Cases für Project Genie

Mir fallen viele Einsatzszenarien für ganz unterschiedliche Zielgruppen ein.

1. Schnelles Game-Prototyping: Designer können monatelanges Environment-Modeling überspringen und das „Gefühl“ eines Levels sofort testen. Liefere präzise Infos zu Physik, Stil und Skizzen deines Levels, um zu sehen, wie es sich spielen könnte.
2. Training von KI-Agenten: World Models bieten einen sicheren, unendlichen Übungsraum, in dem Roboter Navigation und Objektmanipulation lernen, bevor sie in der physischen Welt eingesetzt werden. 
3. Bildung: Lernende können historische Settings wie das antike Rom generieren und durch die Straßen laufen – ein Verständnis für Maßstab und Architektur, das ein Lehrbuch nicht vermittelt.

Hier ist ein kleiner Abstecher zum Globe Theatre in London. Noch nicht ganz perfekt, aber mit weiterem Prompt-Feinschliff lässt sich eine immer genauere Version der Welt bauen.

Hier ist der Prompt, den ich verwendet habe: 

World Prompt:
A hyper realistic 360-degree immersive recreation of London's Southbank. Focus on the Globe Theater, a massive three-story open-air polygonal wooden structure with a thatched roof. The exterior is white lim-wash with dark oak timber framing. Nearby, include the Rose Theatre. 

The streets are narrow, unpaved, and muddy. Include the River Thames and the distance silhouette of Old London Bridge. 

Character: A person that wears a doublet of velvet and stained leather breeches. He has ink stains and a small jagged scar across his eyebrow.Bereitgestellt von

Fazit

Project Genie markiert den Übergang von Generative Media zu Generative Simulation. Wir verlassen die Phase, in der wir KI-generierte Inhalte nur betrachten, und treten in eine Ära ein, in der wir in ihnen leben. Gleichzeitig entstehen Large Action Models, die deine Ziele verstehen und dafür die passende Umgebung und Aktionen bereitstellen. Parallel sehen wir Next-Level-Videogenerierung mit Tools wie ByteDance’s Seedance 2.0, das wir in einem separaten Guide behandeln. 

Wenn du tiefer einsteigen willst, wie solche Modelle entstehen, empfehle ich folgende Ressourcen:

• Sora 2 API: Der komplette Guide mit Beispielen
• Reinforcement Learning in Python
• Deep Reinforcement Learning in Python