Wie Googles Project Genie reale Orte aus Street View zu interaktiven KI‑Welten macht

Google DeepMind entwickelt mit Project Genie ein experimentelles KI‑System, das aus einfachen Eingaben vollständig interaktive virtuelle Umgebungen erzeugen kann. In einer neuen Erweiterung werden diese KI‑Welten erstmals mit realen Orten verankert, indem das System auf Bilder aus Google Street View zugreift. Nutzer können dadurch KI‑Versionen echter Straßen und Sehenswürdigkeiten erkunden – nicht nur frei erfundene Szenen.

Das Projekt ist Teil einer größeren Forschungsrichtung rund um sogenannte „World Models“: KI‑Systeme, die komplette Umgebungen simulieren und in Echtzeit auf Nutzeraktionen reagieren können, statt nur statische Bilder oder Videos zu erzeugen.

Von Street‑View‑Fotos zu erkundbaren Simulationen

Die neue Funktion verbindet Project Genie direkt mit der riesigen Street‑View‑Bilddatenbank von Google Maps. Dadurch kann das Modell virtuelle Welten generieren, die auf echten Orten basieren.

Typischer Ablauf:

• Ein Nutzer wählt einen Ort auf Google Maps oder nennt einen realen Standort.
• Anschließend beschreibt er per Textprompt Stil oder Szenario.
• Project Genie erzeugt daraus eine interaktive Umgebung, die auf Street‑View‑Bildern basiert.

Das Ergebnis ähnelt weniger einer gerenderten Szene als vielmehr einer spielbaren Simulation, durch die man sich frei bewegen kann – ähnlich wie in einem Videospiel.

Da die Umgebung dynamisch generiert wird, lässt sie sich auch kreativ verändern. Nutzer können etwa:

• das Wetter ändern
• eine moderne Straße in eine historische Szene verwandeln
• eine Stadtlandschaft in eine völlig andere Umgebung transformieren (z. B. Wüste oder futuristische Welt)

Was Nutzer mit Project Genie aktuell machen können

Project Genie funktioniert eher wie ein KI‑gestützter Welt‑Generator als wie ein klassisches Bild‑ oder Videotool.

Zu den derzeitigen Möglichkeiten gehören:

• Welten aus Textprompts erstellen: Beschreibungen reichen aus, um eine komplette Umgebung zu generieren.
• Interaktive Erkundung in Echtzeit: Nutzer bewegen sich mit typischen Steuerungen durch die generierten Szenen.
• Reale Orte als Ausgangspunkt nutzen: Durch Street‑View‑Integration können Simulationen von echten Straßen oder Sehenswürdigkeiten starten.
• Umgebungen neu mischen („Remixing“): Stil, Atmosphäre oder Szenario lassen sich per Prompt verändern.

Damit ähnelt das Ergebnis eher einem prozedural generierten Game‑Level als einem statischen KI‑Bild.

Verfügbarkeit und Zugang

Project Genie ist derzeit kein fertiges Produkt, sondern ein experimenteller Prototyp in Google Labs.

Wichtige Zugangsdaten:

• Zugriff erfordert ein Google‑AI‑Ultra‑Abonnement.
• Nutzer müssen mindestens 18 Jahre alt sein und sich mit einem persönlichen Google‑Konto anmelden.
• Das Tool startete zunächst für AI‑Ultra‑Abonnenten in den USA, mit schrittweiser Erweiterung.
• Einige Berichte sprechen inzwischen von einer globalen Einführung für AI‑Ultra‑Nutzer, wobei Funktionen regional variieren können.

Die Street‑View‑Integration konzentriert sich in frühen Versionen vor allem auf Standorte in den USA, weitere Regionen sollen später folgen.

Die Technik hinter Project Genie

Im Kern läuft das System auf Genie 3, einem von Google DeepMind entwickelten World‑Model‑KI‑System.

Im Unterschied zu klassischen generativen Modellen erzeugt Genie keine fertigen Medien, sondern dynamische Umgebungen, die sich während der Nutzung weiterentwickeln.

Wichtige technische Eigenschaften:

• Echtzeit‑Generierung: Die Welt entsteht fortlaufend, während sich der Nutzer bewegt.
• Interaktive Navigation: Die Umgebung reagiert direkt auf Eingaben und Aktionen.
• Leistung von etwa 20–24 Bildern pro Sekunde bei 720p‑Auflösung.
• Kurzzeitige Konsistenz: Die generierte Welt bleibt mehrere Minuten stabil und logisch zusammenhängend.

Technisch funktioniert das ähnlich wie bei Sprachmodellen: Das System berechnet fortlaufend den nächsten visuellen Frame auf Basis vorheriger Frames und der aktuellen Nutzeraktion.

Aktuelle Grenzen der Technologie

Trotz beeindruckender Demos befindet sich Project Genie noch klar im Forschungsstadium.

Zu den wichtigsten Einschränkungen zählen:

• Begrenzter Zugang: Nutzung aktuell nur über ein hochpreisiges Google‑AI‑Abo.
• Regionale Einschränkungen: Street‑View‑basierte Welten sind zunächst hauptsächlich auf US‑Orte beschränkt.
• Begrenzte Dauer stabiler Simulationen: Die Umgebung bleibt nur einige Minuten konsistent.
• Noch eingeschränkte Interaktionsmöglichkeiten: Die Bandbreite möglicher Aktionen ist bislang relativ klein.

Daher gilt Project Genie derzeit eher als früher Forschungsprototyp und nicht als ausgereifte Simulationsplattform.

Warum Google an World Models arbeitet

Für Google DeepMind ist Genie Teil einer größeren Vision: KI‑Systeme, die komplexe Umgebungen verstehen und simulieren können.

Mögliche Anwendungsfelder sind unter anderem:

Spiele und interaktive Medien

World Models könnten die Entwicklung von Spielen drastisch beschleunigen, weil komplette Spielwelten direkt aus Beschreibungen entstehen können.

Bildung und virtuelle Erkundung

Durch die Verbindung mit Street View könnten Lernende historische Orte, Städte oder Landschaften in interaktiven Simulationen erkunden.

Training für Robotik und KI‑Agenten

Simulationen sind entscheidend, um Robotern oder autonomen Agenten Fähigkeiten beizubringen. Mit Systemen wie Genie lassen sich nahezu unbegrenzt viele Trainingsumgebungen erzeugen.

Der größere Trend: Von KI‑Content zu KI‑Simulation

Die meisten generativen KI‑Tools erzeugen Inhalte – etwa Texte, Bilder oder Videos.

World Models wie Genie gehen einen Schritt weiter: Sie erzeugen komplette, dynamische Umgebungen, die sich über Zeit konsistent verhalten.

Das eröffnet neue Möglichkeiten für:

• komplexe Entscheidungs‑Simulationen
• KI‑Agenten mit physischer Interaktion
• Robotik‑Training
• offene virtuelle Erkundung

Project Genie steckt zwar noch in einer frühen Phase, zeigt aber, wie generative KI sich von Medienproduktion hin zu realitätsnahen Simulationen ganzer Welten entwickeln könnte. In Zukunft könnten Karten, Spiele, Simulationen und Trainingsumgebungen möglicherweise auf derselben grundlegenden Technologie basieren.