KI kann inzwischen Spielwelten in Echtzeit generieren – sind herkömmliche Game-Engines noch notwendig? Vergleich der gemessenen Kennzahlen von 3 Weltmodellen

Zusammenfassung: Weltmodelle sind stark darin, interaktive Umgebungsbilder zu erzeugen; klassische Game-Engines sind stark darin, präzise Regeln auszuführen, Physik zu simulieren und Zustände zu verwalten. Beide Technologien liegen auf unterschiedlichen Ebenen – der sinnvollste Weg ist die Kombination.

Fazit vorweg: Klassische Game-Engines bleiben notwendig. Die drei repräsentativen Weltmodelle Genie 3, WHAM-RT/WHAMM und Oasis können bereits mit 10 bis 24 FPS handlungsfähige Bilder in Echtzeit erzeugen, doch ihre kontinuierliche Konsistenz bemisst sich in Sekunden oder Minuten, und auf der Regelseite – Objektgedächtnis, Schadensabrechnung, Lebenspunktestatistik – machen sie Fehler. Was die Engine liefert, ist deterministische Regelausführung, Physikberechnung, Zustandspersistenz und Mehrspieler-Synchronisation – genau das Fundament, auf dem kommerzielle Spiele laufen. Weltmodelle eignen sich derzeit für Umgebungsgenerierung, visuelle Vorhersage und Unterstützung bei der Content-Erstellung; die Engine bleibt für die Kernregeln zuständig. Zusammen ergibt das eine hybride Architektur.

Im Folgenden zeige ich zunächst die Unterschiede in der Funktionslogik zwischen Weltmodellen und klassischen Engines, beurteile dann anhand öffentlich zugänglicher Kennzahlen der drei Modelle, wo sie aktuell stehen, zerlege anschließend die von WHAMM offengelegten konkreten Fehlerfälle, liste danach die Engineering-Aufgaben auf, die ausgereifte Engines übernehmen, und komme zum Schluss zur Arbeitsteilung der hybriden Architektur, zur Szenarioauswahl und zu einem lauffähigen Codebeispiel.

ai-world-models-vs-traditional-game-engines-de-image-0

Zum Einstieg: Grundbegriffe zu Weltmodellen und Game-Engines

Begriff Erklärung
Weltmodell Ein KI-Modell, das anhand des aktuellen Bildes und der Spieleraktionen den nächsten Umgebungszustand vorhersagt und erzeugt
FPS In diesem Artikel die Anzahl der pro Sekunde dargestellten Bilder; im Kontext von Spielgenres auch Ego-Shooter
Auflösung Die Anzahl der horizontalen und vertikalen Pixel des Bildes, z. B. 640×360, 720p
Kontextfenster Der Umfang historischer Informationen, den das Modell bei der Vorhersage nachfolgender Zustände berücksichtigen kann; bei Weltmodellen häufig in Sekunden oder Frames gemessen
Autoregressive Generierung Jedes Frame wird auf Basis der zuvor generierten Frames weiter generiert; Fehler summieren sich Frame für Frame
Physik-Engine Ein System, das physikalische Einschränkungen wie Kollisionen, Bewegung und Kräfte berechnet
Zustandspersistenz Das Speichern des Zustands von Spielern, Aufgaben und Weltobjekten, sodass er jederzeit geladen und fortgesetzt werden kann
Mehrspieler-Synchronisation Ein Mechanismus, mit dem verschiedene Spieler denselben konsistenten Spielzustand sehen und darauf einwirken können
Determinismus Gleiche Eingaben liefern immer gleiche Ergebnisse; Voraussetzung für Debugging, Replay und Online-Betrieb
Game-Engine Ein Entwicklungs- und Laufzeitsystem, das Rendering, Eingabe, Physik, Animation, Netzwerk und Ressourcenverwaltung organisiert
Hybride Architektur Ein kombinierter Ansatz, bei dem klassische programmatische Systeme Regeln und Zustand verwalten, während generative Modelle die Inhalte bereitstellen

1 AI generiert Spielwelten in Echtzeit: Der Unterschied in der Funktionslogik von Weltmodellen und Game Engines

1.1 Weltmodelle: von der Generierung von Assets zur Generierung von Welten

Früher hat KI in der Spieleentwicklung hauptsächlich Texturen, Modelle, Voiceover und andere Assets generiert, die anschließend von der Engine zusammengesetzt und ausgeführt wurden. Weltmodelle verändern diese Arbeitsteilung: Das Modell nimmt direkt Tastatur- oder Gamepad-Eingaben der Spieler entgegen, sagt das nächste Frame voraus und wiederholt diesen Zyklus – daraus entsteht eine „spielbare“ Umgebung. Google DeepMind’s Genie 3, die Muse-Reihe des Microsoft Research (WHAM-RT/WHAMM) sowie Oasis von Decart und Etched sind drei repräsentative Vertreter dieser Richtung.

Die Funktionslogik traditioneller Spiele besteht darin, dass Entwickler Szenen, Modelle, Regeln und Physiksysteme im Voraus definieren; Spieleraktionen lösen vordefinierte Logik aus, die Engine berechnet den neuen Zustand und rendert anschließend das Bild. Die Logik von Weltmodellen lautet „Beobachtung + Aktion → Vorhersage des nächsten Frames“, wobei die Regeln implizit in der visuellen Dynamik stecken, die aus den Trainingsdaten gelernt wurde. Bei Ersterem wird das Bild aus der Zustandsberechnung abgeleitet, bei Letzterem ist das Bild selbst eine Approximation des Zustands durch das Modell.

1.2 KI, die Code schreibt, und KI, die Bilder generiert – zwei unterschiedliche Wege

Am 9. November 2026 wird Saltline, veröffentlicht vom Anthropic-Ingenieur Felix Rieseberg, oft gemeinsam mit Weltmodellen diskutiert. Es handelt sich um einen spielbaren Prototyp eines kleinen Ego-Shooters, der im Browser läuft; die Szene ist ein Containerhafen in einer regnerischen Nacht und umfasst ein Missionslevel. Nach der eigenen Einschätzung des Entwicklers benötigte Claude Fable 5.2 unter der Bedingung eines einzelnen Prompts ohne menschliches Feedback etwa 8 Stunden und verbrauchte rund 445 Millionen Input-Token (größtenteils Cache-Reads) sowie etwa 2,7 Millionen Output-Token; basierend auf der API-Preisgestaltung entspricht das schätzungsweise etwa 550 US-Dollar. Diese Zahlen stammen aus einem öffentlichen Post des Entwicklers und sind dessen eigene Schätzung.

Das „3A“ in Saltline ist lediglich ein vom Entwickler gesetztes Experimentziel und eine visuelle Analogie. Der technische Weg besteht darin, dass die KI etwa 1,4 MB HTML/JavaScript-Code generiert; Modelle, Texturen und Sounds werden programmatisch durch Code und Shader erzeugt, und zur Laufzeit rendert der Browser lokal über Three.js und WebGL. Auf diesem Weg arbeitet die KI in der Entwicklungsphase, während die Laufzeit weiterhin ein deterministisches Programm ist – im Kern also die „Engine-artige“ Funktionslogik. Weltmodelle hingegen lassen die KI in der Laufzeit Frame für Frame Bilder generieren; die Kostenstruktur und Zuverlässigkeit beider Ansätze unterscheiden sich grundlegend.

ai-world-models-vs-traditional-game-engines-de-image-1

2 Technische Kennzahlen zur Echtzeit-Generierung von Spielwelten durch drei Weltmodelle

2.1 Vergleich der öffentlichen Kennzahlen der drei Modelle

Die Zahlen in der folgenden Tabelle sind allesamt Kennzahlen, die die jeweiligen Teams unter ihren offiziellen technischen Demonstrationsbedingungen veröffentlicht haben. Da die Testbedingungen voneinander abweichen, eignen sie sich zur Einschätzung der Größenordnung, aber nicht für einen direkten Quervergleich.

Kennzahl Genie 3 (Google DeepMind) WHAM-RT/WHAMM (Microsoft Research) Oasis (Decart & Etched)
Veröffentlichungsdatum 5. August 2025 2025 Oktober 2024
Demo-Umgebung Generische Umgebung, erzeugt aus Text-Eingabeaufforderungen Interaktive Umgebung im Stil von Quake II Sandbox-Welt im Blockstil
Bildrate bis zu 24 FPS über 10 FPS 20 FPS
Auflösung 720p 640×360 offiziell nicht als zentrale Kennzahl angegeben
Konsistenz/Gedächtnis Umgebung bleibt mehrere Minuten konsistent, visuelles Gedächtnis reicht etwa eine Minute zurück Kontext von etwa 0,9 Sekunden (bei 10 FPS etwa 9 Frames) stützt sich auf Techniken wie Dynamic Noising, um Fehlerakkumulation zu unterdrücken
Modellgröße/Offenheit Gewichte nicht veröffentlicht Forschungsdemo 500M Parameter, Open-Source-Code und -Gewichte
Generierungsmethode Echtzeit-autoregressive Welterzeugung Generierung auf Basis von MaskGIT Latent-Space-Diffusion mit Transformer + autoregressiv

2.2 Genie 3: Kontrollierbare Weltgenerierung für universelle Umgebungen

Das Ziel von Genie 3 ist ein universelles Weltmodell: Nutzer beschreiben eine Welt mit Text und können sofort in Echtzeit in sie eintauchen – geht man vorwärts, generiert das Modell das, was vor einem liegt; dreht man sich um, erzeugt es eine neue Perspektive. Es unterstützt außerdem Promptable World Events, mit denen sich Welt-Ereignisse wie Wetteränderungen oder das Auftauchen von Objekten per Text-Eingabeaufforderung steuern lassen. Google zeigte zudem Experimente, bei denen Genie 3 mit dem SIMA-Agenten kombiniert wurde: Der Agent erreicht in der generierten Welt durch Navigationsaktionen seine Ziele – ein Hinweis darauf, dass Weltmodelle als Trainingsumgebung für Agenten dienen könnten.

Am 29. Januar 2026 wurde die auf Genie 3 basierende experimentelle Web-App Project Genie für Google AI Ultra-Abonnenten ab 18 Jahren in den USA geöffnet. Sie bietet Funktionen zum Skizzieren, Erkunden und Remixen von Welten. Offiziell wurde bekannt gegeben, dass jede Generierungssitzung auf 60 Sekunden begrenzt ist, die Charaktersteuerung Verzögerungen aufweisen kann und die Physik nicht unbedingt korrekt ist; Promptable World Events war damals noch nicht integriert.

2.3 WHAM-RT/WHAMM: Mit wenigen Daten auf ein neues Spiel übertragen

Microsofts Muse (World and Human Action Model) wurde ursprünglich mit Bleeding Edge von Ninja Theory trainiert. Die Daten umfassen über 1 Milliarde Spielbilder und Controller-Aktionen, was etwa 7 Jahren ununterbrochener Spielzeit entspricht. Die Echtzeitversion überträgt dieselbe Technik auf Quake II; für das neue Spiel wurden nur etwa eine Woche aufbereiteter Spieldaten benötigt, die Generierungsgeschwindigkeit liegt bei über 10 FPS und die Auflösung wurde auf 640×360 erhöht.

„Eine Woche Daten“ beschreibt den Datenumfang, der bei der Übertragung auf ein neues Spiel zum Einsatz kam – nicht die Trainingsdauer oder die Kosten eines Trainings von Grund auf. Die Bedeutung liegt darin: Ein bestehendes Weltmodell lässt sich mit verhältnismäßig wenigen neuen Daten an eine neue interaktive Umgebung anpassen – ein wichtiges Signal dafür, dass die Dateneinstiegshürde sinkt.

2.4 Oasis: ein Open-Source-Experiment für Echtzeit-Interaktion mit 20 FPS

Oasis besteht aus einem räumlichen Autoencoder, einem Transformer-basierten Latent-Diffusion-Backbone, autoregressiver Generierung sowie einer konditionierten Steuerung durch Nutzereingaben. Es unterstützt Bewegung, Springen, das Aufheben von Gegenständen und das Zerstören von Blöcken. Die offiziell genannten Echtzeitvorgaben sind einleuchtend: 20 FPS bedeuten 50 Millisekunden pro Frame; für 25 FPS muss ein Frame in rund 0,04 Sekunden entstehen.

Oasis ist eine technische Demonstration und nicht von Microsoft oder Mojang für Minecraft lizenziert. Die offiziellen Angaben weisen außerdem darauf hin, dass eine effizientere Inferenzinfrastruktur nötig ist, um die Geschwindigkeit weiter zu erhöhen und die Kosten für Dienste in großem Maßstab zu senken. Das macht die Kostencharakteristik von Weltmodellen deutlich: Jeder Frame ist ein Inferenzlauf, und je länger die Spieler spielen, desto länger muss die GPU rechnen.

3 Warum die von Weltmodellen generierten Spielwelten Fehler aufweisen

3.1 Konkrete, von WHAMM öffentlich offengelegte Fehlerfälle

Microsoft hat in seinem technischen Artikel zu WHAMM die Grenzen des Modells ausführlich aufgelistet. Diese Liste ist der wertvollste direkte Beleg dafür, wie reif Weltmodelle derzeit sind.

Fehlerphänomen Konkrete Ausprägung Ursache
Objektvergessen Objekte außerhalb des Sichtfelds werden vom Modell vergessen Kontextfenster von nur etwa 0,9 Sekunden (9 Frames)
Gegner verschwinden/tauchen plötzlich auf Schaut der Spieler nach unten auf den Boden und dann wieder hoch, kann ein Gegner verschwunden sein oder neu erscheinen Kein persistenter Objektzustand außerhalb des Bildausschnitts
Ungenaue Lebenspunktestatistik Die Lebenspunktzahl kann sich fälschlicherweise verändern Der Zahlenwert wird aus dem Bild „geraten“, es fehlt eine Zähllogik
Fehlerhafte Gegnerinteraktion Abweichungen bei Schadensberechnung und Treffererkennung Regeln werden näherungsweise aus Daten gelernt, deterministische Auflösung fehlt
Eingefrorene Levelgrenzen Nur ein Teil eines einzigen Quake-II-Levels wurde trainiert; am Ende der Trainingsdaten kann die Generierung einfrieren Generierungsbereich ist durch die Abdeckung der Trainingsdaten begrenzt
Latenz bei hoher Last Bei vielen gleichzeitig online spielenden Nutzern können spürbare Verzögerungen auftreten Serverseitiger Druck durch Echtzeit-Inferenz pro Frame

Microsoft beschreibt das sehr treffend: Dies ist die Approximation einer Umgebung durch ein generatives Modell – der Spieler erlebt das Modell, während das vollständige Erlebnis des Original-Quake-II weiterhin vom Originalspiel geliefert wird.

3.2 Konsistenzprobleme entstehen aus der autoregressiven Struktur selbst

3.2.1 Die Gedächtnislänge bestimmt, wie lange die Welt sich „erinnern“ kann

Ein Weltmodell kann die Zukunft nur anhand der historischen Frames im Kontextfenster vorhersagen. Das 0,9-Sekunden-Fenster von WHAMM bedeutet: Verlässt ein Gegner für etwa 9 Frames das Sichtfeld, verliert das Modell die Grundlage für seine Existenz. Genie 3 dehnt das visuelle Gedächtnis auf etwa eine Minute aus und hält die Konsistenz über mehrere Minuten – ein deutlicher Fortschritt. Doch Spiele verlangen oft, dass ein Spieler nach Stunden in denselben Raum zurückkehrt und die geöffnete Kiste noch vorfindet. Das erfordert eine Gedächtnisgröße, die um mehrere Größenordnungen höher liegt.

3.2.2 Regeln zielen auf „plausibles Aussehen“

Das Trainingsziel des Modells besteht darin, dass der nächste Frame plausibel aussieht. Regeln, die präzise akkumuliert werden müssen – Lebenspunkteverlust, Munitionszählung, Missionsfortschritt –, nehmen im Bild nur wenige Pixel ein, und das Modell neigt dazu, sie „ordentlich, aber falsch“ zu generieren. Was in einer Engine mit einer Zeile hp -= damage garantiert korrekt ist, erfordert in einem Weltmodell jede Menge Daten und strukturelles Design, um es anzunähern.

3.3 Aktionsraum und Grenzen der Interaktionsdauer bei Genie 3

Zu den von Genie 3 offiziell eingeräumten Einschränkungen gehören: Der Umfang der Aktionen, die ein Agent direkt ausführen kann, ist begrenzt; komplexe Interaktionen zwischen mehreren unabhängigen Agenten sind weiterhin schwierig; reale geografische Orte lassen sich nicht präzise wiedergeben; die Textdarstellung ist instabil; kontinuierliche Interaktionen dauern meist nur wenige Minuten. Ein begrenzter Aktionsraum bedeutet, dass sich komplexe Fähigkeitskombinationen, Inventaroperationen und Dialogverzweigungen nur schwer direkt ausdrücken lassen. Die schwierige Multi-Agenten-Interaktion wirkt sich direkt auf Online- und Gruppen-KI-Szenarien aus.

4 Die Kernfähigkeiten traditioneller Spiel-Engines

4.1 Die technische Tiefe einer Engine am Beispiel von Unreal Chaos Physics

Das Chaos-Physics-System der Unreal Engine umfasst Starrkörperdynamik, Zerstörungssysteme, Netzwerkphysik, Tuchsimulation, Ragdoll-Systeme, Fahrzeugphysik, Fluidsimulation, physikalische Animation und Haarsimulation. Der Wert dieser Module liegt in Kontrollierbarkeit, Reproduzierbarkeit und Debugbarkeit: Wenn dieselbe Kugel im selben Winkel dieselbe Wand trifft, lässt sich die Berechnung der Splitter reproduzieren. Entwickler können Probleme Frame für Frame lokalisieren, und die Netzwerkphysik sorgt dafür, dass die Ergebnisse auf mehreren Rechnern konsistent bleiben.

4.2 Die acht Systemaufgaben von Spiel-Engines

Engine-System Hauptfunktion Was das Weltmodell heute leisten kann
Szenensystem Verwaltet Karten, Objekte und Hierarchien Wird implizit über das Bild ausgedrückt; Objekten fehlt eine eigenständige Identität
Physiksystem Behandelt Kollisionen, Bewegung und Krafteinwirkung Wird näherungsweise aus Daten gelernt; die Genauigkeit ist begrenzt
Animationssystem Verwaltet Charakter-Skelette und -Bewegungen Generierung auf Bildebene; präzise Steuerung des Skeletts ist schwierig
Netzwerksystem Behandelt Mehrspieler-Synchronisation Komplexe Interaktionen mehrerer Agenten bleiben schwierig
Ressourcensystem Verwaltet Modelle, Texturen und Soundeffekte Ressourcen sind Modellgewichte und lassen sich kaum einzeln austauschen
Zustandsverwaltung Speichert Spieler-, Quest- und Weltzustand Begrenzt durch das Kontextfenster, WHAMM ca. 0.9 Sekunden
Renderingsystem Gibt stabil Bilder in vorgegebener Qualität aus Größenordnung 720p/24 FPS, begrenzt durch die Rechenleistung für Inferenz
Debugging-Werkzeuge Lokalisieren Fehler und Leistungsengpässe Ausgaben werden probabilistisch erzeugt; schrittweises Breakpoint-Debugging ist schwierig

4.3 Determinismus ist die Lebensader kommerzieller Spiele

Determinismus ermöglicht Aufzeichnung und Wiedergabe, automatisierte Tests und die Reproduktion von Bugs, die Spieler melden; er ist außerdem die Grundlage für frame-synchronisierte Online-Partien und Anti-Cheating. Die Ausgaben von Weltmodellen enthalten Zufälligkeit: Dieselbe Eingabe kann unterschiedliche Ergebnisse erzeugen. Für kreative Erkundung ist das ein Vorteil, für kommerzielle Spiele, die faires kompetitives Spiel, Speichern und Laden von Spielständen sowie Balancing-Optimierung benötigen, jedoch ein Hindernis. Aus dieser Perspektive liegt der Unterschied zwischen Engine und Weltmodell nicht in der Bildqualität, sondern darin, ob das Ergebnis zugesichert werden kann.

ai-world-models-vs-traditional-game-engines-de-image-2

5 Die Verschmelzung von Weltmodellen mit klassischen Game-Engines: hybride Architekturen

5.1 Die Arbeitsteilung in hybriden Architekturen

Das Kernprinzip hybrider Architekturen lautet: Alles, was „zugesichert“ werden muss, übernimmt die Engine – alles, was „Vielfalt“ und „Generierung“ braucht, übernimmt das Modell. Die Engine hält den autoritativen Zustand (Lebenspunkte, Inventar, Quests, Koordinaten, Online-Daten), das Modell ist für dynamische Umgebungen, Content-Generierung, NPC-Verhalten und kreative Unterstützung zuständig. Die Ausgaben des Modells müssen von der Engine validiert werden, bevor sie in den Zustand geschrieben werden dürfen. Saltline zeigt bereits eine Variante dieses Ansatzes: Das große Sprachmodell erzeugt während der Entwicklungsphase den gesamten Code, zur Laufzeit wird alles ausschließlich von deterministischen Programmen ausgeführt.

ai-world-models-vs-traditional-game-engines-de-image-3

5.2 Ein minimalistisches Beispiel: NPC-Verhalten mit einem LLM steuern

Das folgende Beispiel zeigt den am einfachsten umsetzbaren Teil einer hybriden Architektur: Die Engine speichert den autoritativen Zustand des NPC, das große Sprachmodell schlägt lediglich die nächste Aktion vor, und die Engine prüft diesen Vorschlag gegen eine Whitelist und numerische Grenzen, bevor sie ihn ausführt. Die Schnittstelle folgt dem OpenAI-kompatiblen Format.

import json, openai

client = openai.OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")

state = {"npc": "港口守卫", "hp": 80, "player_distance": 12, "alert": False}
prompt = f"根据状态给出NPC下一步行为,只输出JSON,action取值 patrol/chase/talk:{json.dumps(state, ensure_ascii=False)}"

resp = client.chat.completions.create(
    model="YOUR_MODEL_NAME",  # Verfügbares Modell im Konsolen-Dashboard auswählen
    messages=[{"role": "user", "content": prompt}],
)
print(resp.choices[0].message.content)
Vollständige Implementierung ansehen: NPC-Entscheidungsschleife mit Engine-Validierung und Modellvorschlag
import json
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1",  # OpenAI-kompatible Schnittstelle, verschiedene Modelle lassen sich für Vergleiche umschalten
)

ALLOWED_ACTIONS = {"patrol", "chase", "talk", "retreat"}


class EngineState:
    """Autoritativer Zustand auf der Engine-Seite: Alle Werte werden ausschließlich hier geändert"""

    def __init__(self):
        self.npc = {"name": "港口守卫", "hp": 80, "max_hp": 100, "alert": False}
        self.player_distance = 12.0

    def snapshot(self) -> dict:
        return {"npc": self.npc, "player_distance": self.player_distance}


def propose_action(state: dict, model: str) -> dict:
    """Das Modell schlägt eine Aktion vor; es darf den Zustand nur lesen, nicht direkt ändern"""
    system = (
        "你是游戏NPC的决策模块。只输出一个JSON对象,"
        '格式:{"action": "patrol|chase|talk|retreat", "line": "一句台词"}'
    )
    resp = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": system},
            {"role": "user", "content": json.dumps(state, ensure_ascii=False)},
        ],
        max_tokens=200,
    )
    text = resp.choices[0].message.content.strip()
    try:
        return json.loads(text)
    except json.JSONDecodeError:
        return {"action": "patrol", "line": ""}  # Bei Parse-Fehler auf sicheres Standardverhalten zurückfallen


def validate_and_apply(engine: EngineState, proposal: dict) -> str:
    """Engine-Validierung: Whitelist + Regelbeschränkungen; ungültige Modellausgaben werden abgelehnt"""
    action = proposal.get("action")
    if action not in ALLOWED_ACTIONS:
        action = "patrol"
    if action == "chase" and engine.npc["hp"] < 20:
        action = "retreat"  # Regeln legt die Engine fest: Bei niedriger HP ist Verfolgen verboten
    if action in {"chase", "retreat"}:
        engine.npc["alert"] = True
    line = str(proposal.get("line", ""))[:60]  # Länge der Dialogzeile begrenzen, damit die UI nicht überläuft
    return f"{engine.npc['name']} -> {action}:{line}"


if __name__ == "__main__":
    engine = EngineState()
    proposal = propose_action(engine.snapshot(), model="YOUR_MODEL_NAME")
    print(validate_and_apply(engine, proposal))

Dieses Muster bildet den Gegenentwurf zum gescheiterten WHAMM-Fall: HP und Alarmzustand werden von der Engine gespeichert – selbst wenn das Modell sie „vergisst“, verschwindet kein Gegner einfach aus dem Nichts. Gibt das Modell eine illegale Aktion aus, fällt die Engine auf ein sicheres Verhalten zurück.

🚀 Schnellstart: Beim Aufbau eines NPC-Entscheidungsprototyps können Sie über APIYI apiyi.com mit demselben API-Schlüssel OpenAI-, Claude-, Gemini- und andere Modelle aufrufen. Neue Nutzer erhalten ein kostenloses Testkontingent, sodass sich die Dialogqualität, die Reaktionslatenz und die Stabilität der JSON-Ausgabe verschiedener Modelle vergleichen lassen.

5.3 Szenarioempfehlungen: Wann ein Weltmodell passt und wann Sie bei der Spiel-Engine bleiben sollten

5.3.1 Szenarien, für die sich Weltmodelle eignen

  • Proof of Concept und Ideenfindung: Mit Texteingaben schnell eine begehbare Welt erzeugen und Art Direction sowie Atmosphäre prüfen. Genau für solche Anforderungen sind die Skizzier- und Remix-Funktionen von Project Genie gedacht.
  • Trainingsumgebungen für Agenten: Die Experimente mit Genie 3 und SIMA zeigen, dass generative Welten KI-Agenten eine Vielzahl unterschiedlicher Trainingsszenarien bieten können.
  • Kurzzeitige interaktive Erlebnisse: Interaktive Demos, Marketing-Erlebnisse und Forschungspräsentationen im Bereich von einer Minute passen zum aktuellen Konsistenzlimit von einigen Minuten.

5.3.2 Szenarien, in denen eine Spiel-Engine unverzichtbar ist

  • Spiele mit Speicherständen und langfristigem Fortschritt: Quests, Inventar und Fortschrittswerte müssen persistent gespeichert werden.
  • Kompetitive und Online-Multiplayer-Spiele: Sie benötigen deterministische Berechnungen, Mehrspieler-Synchronisation und Anti-Cheat-Mechanismen.
  • Spiele, deren Gameplay auf Physik basiert: Zerstörung, Fahrzeuge, Stoffsimulation und ähnliche Mechaniken hängen von debugfähigen Systemen wie Chaos Physics ab.
  • Kommerzielle Projekte, die im Live-Betrieb laufen: Tests, Performance-Analyse und Patch-Updates hängen von der Toolchain der Engine ab.

5.3.3 Szenarien, für die sich eine hybride Architektur eignet

  • Dynamische Inhalte in Open Worlds: Die Engine übernimmt Gelände und Regeln, das Modell erzeugt Side-Events, NPC-Dialoge und Umgebungsbeschreibungen.
  • KI-gestützte Entwicklung: Wie bei Saltline erzeugt ein Großes Sprachmodell in der Entwicklungsphase Code, Shader und Level-Logik; zur Laufzeit übernimmt dann ein deterministisches Programm.

5.4 Entscheidungsempfehlung: Reifegrad anhand technischer Kennzahlen beurteilen

Bewertungsdimension Aktueller Stand der Weltmodelle (offiziell veröffentlicht) Typische Anforderungen kommerzieller Spiele Fazit
Bildrate 10 bis 24 FPS In der Regel über 30 FPS, Actionspiele streben 60 FPS an Engine gewinnt
Auflösung 640×360 bis 720p 1080p und mehr Engine gewinnt
Kontinuierliche Konsistenz 0.9 Sekunden Kontext bis mehrere Minuten Dutzende Stunden Spielzeit inklusive Speicherständen Engine gewinnt
Geschwindigkeit der Inhaltserzeugung Welt wird aus einer Text-Eingabeaufforderung sofort erzeugt Traditionelle Pipeline benötigt Modellierung und Level-Design Weltmodell gewinnt
Betriebskosten Eine GPU-Inferenz pro Frame Rendering auf der lokalen Hardware der Spieler Engine ist sparsamer
Umsetzungsform Forschungsprototyp, experimentelles Produkt Produktiv einsetzbar Hybridarchitektur

💡 Empfehlung zur Auswahl: Wenn ein Team KI zunächst in eine bestehende Engine integrieren möchte, ist der sicherste Einstiegspunkt „überprüfbarer generierter Inhalt“ – also etwa NPC-Dialoge, Quest-Texte und Levelbeschreibungen. Auf APIYI apiyi.com können Sie mehrere Modelle parallel über eine einheitliche Schnittstelle testen, nach Ausgabequalität und Kosten pro Aufruf auswählen und erst dann über das Integrationskonzept entscheiden.

6 Häufige Fragen zu Weltmodellen und Game-Engines

Q1: Was ist ein KI-Weltmodell? Worin unterscheidet es sich von einem Videogenerierungsmodell?

Ein Weltmodell sagt auf Grundlage des aktuellen Umgebungszustands und der Nutzeraktionen den Zustand des nächsten Moments voraus und erzeugt ihn. Videogenerierungsmodelle geben ein festes Videostück aus, in das Nutzer nicht mittendrin eingreifen können; ein Weltmodell erhält bei jedem Frame neue Eingaben, sodass Nutzer Richtung und Aktionen fortlaufend steuern können. Genie 3 ist ein Vertreter dieser Modellklasse.

Q2: Worin unterscheidet sich die Echtzeit-Generierung von Spielwelten durch Weltmodelle grundlegend von einer klassischen Game-Engine?

Eine Engine berechnet den Zustand nach expliziten Regeln und rendert ihn anschließend zum Bild – das Ergebnis ist reproduzierbar. Ein Weltmodell lernt visuelle Dynamik aus Daten und erzeugt das Bild direkt – das Ergebnis ist mit Zufälligkeit behaftet. Die Engine liegt bei Determinismus, Zustandspersistenz, physikalischer Genauigkeit und Mehrspieler-Synchronisation vorn, das Weltmodell bei der Geschwindigkeit der Inhaltserzeugung und der niedrigen Einstiegshürde fürs Erstellen.

Q3: Wann wurden Genie 3, WHAM-RT und Oasis jeweils vorgestellt? Kann man sie heute schon ausprobieren?

Oasis wurde im Oktober 2024 vorgestellt und bietet Open-Source-Code, Modellgewichte mit 500 Mio. Parametern sowie eine Online-Demo. Muse wurde im Februar 2025 vorgestellt, die Echtzeitversion für Quake II folgte kurz darauf. Genie 3 erschien am 5. August 2025; das darauf aufbauende Project Genie ist seit dem 29. Januar 2026 für Google AI Ultra-Abonnenten ab 18 Jahren in der Region USA verfügbar, eine Sitzung ist auf 60 Sekunden begrenzt.

Q4: Wo fallen bei Spiele-Teams, die heute KI integrieren, die Kosten hauptsächlich an?

Das hängt davon ab, in welcher Phase die KI arbeitet. Wird wie bei Saltline während der Entwicklung Code von einem Großen Sprachmodell generiert, konzentrieren sich die Kosten auf einmalige API-Aufrufe – der Entwickler schätzt sie selbst auf rund 550 US-Dollar; danach läuft das Spiel lokal beim Spieler, ohne weitere Modellaufrufe. Ein Weltmodell inferiert zur Laufzeit Frame für Frame, sodass jede Spielsession fortlaufend GPU-Kosten erzeugt. Setzt man ein Großes Sprachmodell für Laufzeitfunktionen wie NPC-Dialoge ein, wird nach Aufrufvolumen abgerechnet; über die nutzungsbasierte Abrechnung von APIYI apiyi.com lässt sich zunächst in kleinem Maßstab testen und der Aufwand pro Spieler abschätzen.

Q5: Wie bekomme ich schnell KI-gesteuerte NPCs in einen bestehenden Spielprototypen?

Empfohlen ist das Muster „Modell schlägt vor + Engine prüft“ aus Abschnitt 5.2 dieses Artikels:

1. Bei APIYI apiyi.com registrieren und API-Schlüssel sowie kostenloses Testkontingent erhalten;
2. Im Beispielcode `base_url` auf `https://api.apiyi.com/v1` setzen und einen verfügbaren Modellnamen eintragen;
3. Den NPC-Zustand aus der Engine als JSON serialisieren und an das Modell übergeben, dabei nur Aktionen aus der Whitelist akzeptieren;
4. Verschiedene Modelle hinsichtlich Latenz und Ausgabestabilität vergleichen und dann die Online-Lösung festlegen.

Q6: Welche bekannten Einschränkungen haben Weltmodelle derzeit?

Der WHAMM-Kontext liegt bei rund 0.9 Sekunden, Objekte außerhalb des Sichtfelds werden vergessen, bei der Lebenspunkte-Statistik und der Schadensberechnung treten Fehler auf, und nach Erreichen der Grenze der Trainingsdaten kann die Generierung einfrieren; die kontinuierliche Interaktion von Genie 3 dauert nur wenige Minuten, der Aktionsraum ist begrenzt, und komplexe Interaktionen mehrerer Agenten bleiben schwierig; Oasis erklärt offiziell, dass eine effizientere Inferenzinfrastruktur nötig sei, um schneller zu werden und die Servicekosten zu senken. All diese Einschränkungen führen zu derselben Schlussfolgerung: Weltmodelle eignen sich derzeit als Inhaltsebene, die Regelebene braucht weiterhin eine Engine.

7 Weltmodelle vs. Game Engines – Kernpunkte (Key Takeaways)

  • Kennzahlen im Überblick: Genie 3 erreicht 720p bei 24 FPS, WHAM-RT liegt bei über 640×360/10 FPS, Oasis bei 20 FPS.
  • Schwachstelle Gedächtnis: Der WHAMM-Kontext umfasst etwa 0.9 Sekunden – Gegner und Objekte außerhalb des Sichtfelds werden vergessen.
  • Schwachstelle Regeln: Präzise Regeln wie Lebenspunkte und Schadensabrechnung werden nur näherungsweise aus dem Bild erzeugt und sind fehleranfällig.
  • Warum die Engine zählt: Physik, Zustandspersistenz, Mehrspieler-Synchronisation und Debugging-Tools bilden das Fundament kommerzieller Spiele.
  • Zwei Wege: Bei Saltline schreibt die KI den Code, und das Programm läuft; beim Weltmodell erzeugt die KI das Bild Frame für Frame.
  • Richtung der Fusion: Die Engine hält den autoritativen Zustand, das Modell liefert Vorschläge für Umgebung, Inhalte und NPC-Verhalten.
  • So steigen Sie ein: Beginnen Sie mit überprüfbaren NPC-Dialogen; über die einheitliche Schnittstelle von APIYI (apiyi.com) lassen sich mehrere Modelle vergleichen.

8 Fazit: Die Position traditioneller Game Engines im Zeitalter der KI-Weltmodelle

KI-Weltmodelle können inzwischen interaktive Spielwelten in Echtzeit generieren. Drei repräsentative Modelle treiben die Bildrate auf 10 bis 24 FPS und die Auflösung auf 720p, und die Datenmenge, die für den Wechsel zu einem neuen Spiel benötigt wird, ist auf etwa eine Woche gesunken. Gleichzeitig zeigen Probleme wie Objektvergessen, falsche Lebenspunkte und eingefrorene Level bei WHAMM, dass die Modelle eine angenäherte Erfahrung des Spiels erzeugen – Regeln, Zustand und Online-Verbindung müssen weiterhin von der Engine gewährleistet werden.

Die Hauptlinie der kommenden Jahre ist eine hybride Architektur: Die Engine bewahrt die Determinismus, die Modelle erweitern den Umfang und die Vielfalt der Inhalte, und die Codegenerierung durch große Sprachmodelle in der Entwicklungsphase verkürzt kontinuierlich die Prototyping-Zyklen. Für Entwicklungsteams ist der praktischste Schritt, KI in die überprüfbaren Teile der bestehenden Engine zu integrieren und Wirkung sowie Kosten anhand echter Aufrufdaten zu bewerten. Empfohlen wird eine schnelle Validierung über APIYI apiyi.com – die Plattform bietet eine einheitliche Schnittstelle für mehrere Modelle und kostenloses Guthaben für neue Nutzer.

📚 Referenzen

  1. Google DeepMind – Technische Veröffentlichung von Genie 3: Bildrate, Auflösung, Konsistenz und Grenzen von Genie 3
  2. Link: deepmind.google/blog/genie-3-a-new-frontier-for-world-models
  3. Beschreibung: Die Primärquelle für die Kennzahlen von Genie 3 und die offiziell eingeräumten Einschränkungen

  4. Google – Offizielle Ankündigung von Project Genie: Eine experimentelle Webanwendung auf Basis von Genie 3

  5. Link: blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie
  6. Beschreibung: Verfügbarkeitsumfang und das Limit der 60-Sekunden-Erfahrung

  7. Microsoft Research – WHAMM Echtzeit-Weltmodellierung: Quake-II-Echtzeitdemo und ihre Grenzen

  8. Link: microsoft.com/en-us/research/articles/whamm-real-time-world-modelling-of-interactive-environments
  9. Beschreibung: Die Quelle für Fehlerfälle wie den 0,9-Sekunden-Kontext und das Objektvergessen

  10. Microsoft Research – Muse / WHAM-Projekt: Welt- und menschliche Aktionsmodelle

  11. Link: microsoft.com/en-us/research/project/wham/wham
  12. Beschreibung: Der Umfang der Trainingsdaten von Bleeding Edge

  13. Decart – Oasis-Projektseite: Ein offenes Echtzeit-Interaktionsweltmodell

  14. Link: oasis-model.github.io
  15. Beschreibung: 500M Parameter, 20 FPS und Architekturdetails

  16. Epic Games – Physics in Unreal Engine: Übersicht über die Chaos-Physics-Funktionen

  17. Link: dev.epicgames.com/documentation/unreal-engine
  18. Beschreibung: Der Fähigkeitsumfang ausgereifter Engine-Physiksysteme

  19. Saltline-Code-Repository und README: Die Erklärung des Entwicklers zur Datenherkunft

  20. Link: github.com/realcodebear/saltline-fable-5.2
  21. Beschreibung: Referenz zu Dateigrößen und zum Ansatz KI-generierten Codes

Autor: APIYI-Technikteam
Technischer Austausch: Kontaktieren Sie uns gerne über die Startseite von APIYI apiyi.com, um praktische Erfahrungen zur Integration von KI in die Spieleentwicklung auszutauschen

Schreibe einen Kommentar