Weltmodelle: KI, die nicht das nächste Wort vorhersagt, sondern die nächste Sekunde. Und was das für Fabrik, Lager und Roboter heißt.
Ein Sprachmodell hat gelernt, was nach einem Wort kommt. Ein Weltmodell hat gelernt, was nach einer Handlung kommt. Es sieht einen Stapler, der an einer Palette anfährt, und berechnet die nächsten Sekunden: Wo steht er dann, kippt die Last, was passiert, wenn ein Mensch aus dem Regalgang tritt. Das klingt nach Science-Fiction, ist aber seit 2025 Alltag in der Robotik, bei Fahrzeugherstellern und in den ersten Fabriken. Dieser Beitrag erklärt, was ein Weltmodell ist, wie es sich von Sprachmodellen und Videogeneratoren unterscheidet, wer die großen Modelle baut und wofür ein Betrieb sie heute schon nutzen kann.
Vom nächsten Wort zum nächsten Zustand
Die Sprachmodelle hinter ChatGPT, Claude oder Mistral arbeiten alle nach demselben Prinzip: Sie bekommen eine Folge von Wörtern und berechnen, welches Wort am wahrscheinlichsten folgt. Das funktioniert erstaunlich gut, weil in Text sehr viel Wissen über die Welt steckt. Aber es ist Wissen aus zweiter Hand. Ein Sprachmodell hat nie gesehen, wie eine Tasse vom Tisch fällt. Es weiß nur, dass in Texten nach „die Tasse fiel vom Tisch“ oft „und zerbrach“ steht.
Ein Weltmodell lernt aus erster Hand. Es bekommt Beobachtungen, meist Video, dazu Sensordaten oder Positionen, und es bekommt die Handlung, die gerade ausgeführt wird: Greifer schließt sich, Fahrzeug lenkt links, Spieler drückt die Taste nach vorn. Daraus baut es einen inneren Zustand der Szene und sagt voraus, wie der nächste Zustand aussieht. Wenn das gut funktioniert, kann das Modell Handlungen durchspielen, bevor sie ausgeführt werden: Es stellt sich vor, was passiert, und wählt die Handlung mit dem besten Ergebnis. Genau das tun Menschen und Tiere ständig, ohne darüber nachzudenken.
Der Begriff ist älter als der aktuelle Rummel. David Ha und Jürgen Schmidhuber haben 2018 unter dem Titel „World Models“ gezeigt, wie ein Agent ein Rennspiel vollständig in seiner eigenen Vorstellung trainieren kann. Yann LeCun, bis 2025 Leiter der KI-Grundlagenforschung bei Meta, hält Weltmodelle seit Jahren für den Weg zu Maschinen, die die Welt verstehen, und hat 2026 dafür ein eigenes Unternehmen gegründet. Neu ist, dass Rechenleistung und Videodaten inzwischen reichen, um solche Modelle in einer Qualität zu bauen, die man sich ansehen und benutzen kann.
Vier Bauarten, die heute am Markt sind
Unter dem Wort Weltmodell laufen 2026 vier technisch verschiedene Dinge. Für die Frage, was ein Betrieb damit anfangen kann, ist die Bauart entscheidender als der Markenname.
Das Modell erzeugt Bild für Bild, was der Betrachter sieht, und nimmt dabei laufend Steuerbefehle entgegen. Genie 3 von Google DeepMind und die Cosmos-Modelle von NVIDIA gehören dazu. Stärke: Jeder kann das Ergebnis sehen und beurteilen. Schwäche: Das Modell muss die ganze Szene malen, auch die Teile, die für die Entscheidung egal sind, und braucht dafür viel Rechenleistung.
Das Modell sagt nicht die Pixel voraus, sondern eine abstrakte Beschreibung der Szene. Metas V-JEPA 2 arbeitet so: Es lernt aus über einer Million Stunden Video, was in einer Szene als Nächstes passiert, ohne jemals ein Bild zu zeichnen. Stärke: sparsam und robust, gut für Roboter, die planen müssen. Schwäche: Man kann dem Modell nicht beim Denken zusehen.
Das Modell erzeugt keinen Film, sondern einen begehbaren Raum, der bleibt, wenn man sich wegdreht. Marble von World Labs baut aus Text, Fotos oder Video eine 3D-Szene, die sich bearbeiten, erweitern und in Simulationswerkzeuge übernehmen lässt. Stärke: Dauerhaft, messbar, als Geometrie weiterverwendbar. Schwäche: Die Szene steht still, die Physik muss von außen kommen.
Hier rechnet eine klassische Physik-Engine die Geometrie und die Kräfte, und ein gelerntes Modell liefert, was sich nicht sauber berechnen lässt: Kamerabilder, Wetter, Verschmutzung, Varianten. NVIDIA Omniverse mit Isaac und Cosmos arbeitet so, ebenso die Zwillinge, die Siemens mit NVIDIA baut. Für die Industrie ist das die Bauart, die zählt.
Wer die Modelle baut, Stand Oktober 2026
Die Tabelle nennt die Modelle, die sich 2026 ansehen oder nutzen lassen, mit dem, was sie belegbar können. Marketingversprechen haben wir weggelassen, Zahlen stammen aus den Veröffentlichungen der Hersteller.
| Anbieter und Modell | Was es tut | Stand |
|---|---|---|
| Google DeepMind, Genie 3 | Erzeugt aus Text eine begehbare Welt in 720p mit 24 Bildern pro Sekunde, hält sie mehrere Minuten stabil und erinnert sich etwa eine Minute weit zurück. Bewegung über Tastatur, Ereignisse per Text. | Vorgestellt August 2025. Seit 29. Januar 2026 als Project Genie für Abonnenten von Google AI Ultra, zunächst nur in den USA, seit Mai 2026 weltweit. Je Welt 60 Sekunden. |
| Waymo, Waymo World Model | Auf Genie 3 aufgesetzt und auf Straßenverkehr nachtrainiert. Erzeugt Kamera- und Lidar-Daten für Situationen, die die Flotte nie gesehen hat: Tornado, überflutete Straße, Elefant auf der Fahrbahn. Steuerbar über Fahraktion, Szenenaufbau und Text. | Vorgestellt Februar 2026. Nur intern, keine unabhängigen Messwerte veröffentlicht. |
| NVIDIA, Cosmos | Offene Modellfamilie für physische KI: Predict sagt künftige Bilder voraus, Transfer macht aus Simulationsdaten fotorealistische Varianten, Reason beschreibt und bewertet Szenen. Cosmos 3 bündelt Weltgenerierung, Bildverstehen und Aktionssimulation. | Erste Fassung Januar 2025, Cosmos 3 im März 2026. Genutzt von 1X, Agility, Boston Dynamics, Figure, NEURA Robotics und anderen. Gewichte zum Herunterladen. |
| World Labs, Marble | Baut aus Text, Bildern, Video oder groben 3D-Layouts eine dauerhafte 3D-Szene, ausgegeben als Gaussian Splats, Netz oder Video. Szenen lassen sich bearbeiten, erweitern und zusammensetzen. | Allgemein verfügbar seit 12. November 2025. AMD hat am 28. September 2026 die Übernahme für rund 8,2 Milliarden Dollar in Aktien angekündigt, Abschluss bis Ende 2026 geplant. |
| Meta, V-JEPA 2 | Latentes Modell, lernt aus über einer Million Stunden Video, was als Nächstes passiert. Mit rund 62 Stunden Roboterdaten nachtrainiert plant es Greifen und Ablegen in Umgebungen, die es nie gesehen hat. | Veröffentlicht Juni 2025, offen. Forschungsstand, kein Produkt. |
| AMI Labs, noch ohne Modell | Unternehmen von Yann LeCun in Paris, baut Weltmodelle nach dem JEPA-Prinzip für Assistenten, Roboter und Datenbrillen. | Gegründet 2026, Seed-Runde von 1,03 Milliarden Dollar im März 2026 bei 3,5 Milliarden Bewertung. Kein Produkt veröffentlicht. |
| Wayve, GAIA-2 | Generatives Weltmodell für Fahrszenen aus mehreren Kameras, steuerbar über Fahrzeugaktion, Wetter, Tageszeit und Land. | Vorgestellt März 2025, interne Nutzung für Training und Prüfung. |
Die Pixelmodelle sind ein Thema für Spiele, Film und Forschung. Für die Industrie zählen die offenen Modelle, die sich an eine eigene Simulation hängen lassen, also Cosmos und die Omniverse-Kette, und die latenten Modelle, die Roboter planen lassen. Dass AMD für ein Unternehmen mit einem Jahr Produktgeschichte über acht Milliarden Dollar zahlt und dass ein Pariser Neuling vor dem ersten Produkt eine Milliarde einsammelt, sagt vor allem eins: Die Hardware-Hersteller erwarten, dass Weltmodelle der nächste große Rechenbedarf nach den Sprachmodellen werden.
Weltmodelle in der Industrie: fünf Einsatzfelder
In der Fabrik und im Lager ist ein Weltmodell selten das Produkt, das jemand kauft. Es steckt in Werkzeugen, die ein Problem lösen, das vorher teuer war. Fünf Felder, in denen das 2026 belegbar passiert.
1. Roboter trainieren, ohne die Halle zu blockieren
Ein Roboter, der Kartons greifen soll, braucht Tausende Beispiele mit verschiedenen Kartons, Lichtverhältnissen, Verschmutzungen und Fehlern. In der echten Halle dauert das Wochen und blockiert eine Linie. Ein Weltmodell erzeugt diese Varianten aus wenigen echten Aufnahmen: Cosmos Transfer nimmt eine Szene aus der Simulation und macht daraus hundert fotorealistische Fassungen mit anderem Licht, anderem Boden, anderer Kartonfarbe. Die Humanoid-Hersteller 1X, Figure, Agility und Boston Dynamics arbeiten laut NVIDIA so, die Flotte lernt in der Simulation und wird erst dann auf die echte Halle gelassen.
2. Virtuelle Inbetriebnahme einer Anlage
FANUC, ABB, YASKAWA und KUKA, zusammen über zwei Millionen installierte Roboter, binden seit März 2026 Omniverse und Isaac in ihre virtuelle Inbetriebnahme ein. Die Zelle läuft als Zwilling mit echter Steuerungslogik, bevor der erste Roboter geliefert ist. Das Weltmodell steuert dabei die Sensorik bei: Es liefert die Kamerabilder, die die Bildverarbeitung später in der echten Zelle sehen wird, mit allen Störungen, die dort auftreten.
3. Lager und Flotten planen
KION baut zusammen mit Accenture Lagerzwillinge, in denen autonome Stapler für den Logistiker GXO trainiert werden, bevor sie ein echtes Lager befahren. Der Zwilling kennt Regale, Tore und Fahrwege aus dem Plan, das gelernte Modell liefert Menschen, die unerwartet aus einem Gang treten, verrutschte Paletten und Spiegelungen auf nassem Boden. Jeder Randfall, den der Stapler in der Simulation übersteht, muss er in der Halle nicht mehr lernen.
4. Was-wäre-wenn im laufenden Betrieb
Siemens hat auf der CES im Januar 2026 den Digital Twin Composer angekündigt, der zur Jahresmitte über den Xcelerator-Marktplatz verfügbar sein soll: Zwilling aus Siemens-Daten, Simulation aus Omniverse, Echtzeitdaten aus der Anlage. Der Nutzer verschiebt eine Maschine, ändert eine Schichtfolge oder ein Produkt und sieht, was die Linie dann leistet. Siemens nennt für PepsiCo zwanzig Prozent mehr Durchsatz und bis zu neunzig Prozent der Probleme, die vor dem Umbau erkannt wurden. Das sind Herstellerangaben, keine unabhängige Messung, aber sie zeigen, wofür das Werkzeug gedacht ist.
5. Randfälle finden, bevor sie passieren
Waymo nutzt sein Weltmodell, um Situationen zu erzeugen, die in Millionen Kilometern Fahrt nie vorkamen, und prüft, wie das Fahrsystem reagiert. Dasselbe Prinzip gilt für jede Maschine, die sich zwischen Menschen bewegt: Fahrerlose Transportsysteme, Kommissionierroboter, Erntemaschinen. Das Weltmodell ist der Prüfstand für das, was im Pflichtenheft steht, aber in keiner Testfahrt auftaucht.
So sieht ein Leitstand mit Weltmodell aus
Beispielansicht mit erfundenen Werten: ein Lager mit Zwilling, in dem das Modell die nächsten Sekunden vorausrechnet und Szenarien vergleicht. Aufbau und Zahlen richten sich im echten Projekt nach dem Betrieb.
Szenarien
Datenquellen
Links die Szenarien, in der Mitte die Halle mit den vorausberechneten Fahrwegen der beiden Stapler und der Person, die das Modell im Gang gesehen hat, rechts die Zahlen für die Schicht. Der Punkt rechts unten ist der Grund, warum man so etwas baut: Das Modell sieht den Stau am Tor, bevor er entsteht.
Was ein Weltmodell nicht kann
- Gelernte Physik ist keine bewiesene Physik. Das Modell hat aus Video gelernt, wie Dinge fallen und rutschen. Bei Kräften, Reibung und Gewicht kann es grob danebenliegen, und man merkt es nicht, weil das Bild plausibel aussieht. Für Festigkeit, Sicherheit und Normabnahme bleibt es bei klassischer Simulation und Prüfung.
- Das Gedächtnis ist kurz. Genie 3 erinnert sich etwa eine Minute weit. Was davor war, ist weg. Für eine Schicht von acht Stunden braucht es den Zwilling als dauerhaften Speicher und das Weltmodell nur für den Ausschnitt, der gerade gerechnet wird.
- Rechenbedarf. Ein Pixelmodell in Echtzeit läuft auf Rechenzentrumshardware, nicht auf dem Industrie-PC an der Linie. Latente Modelle sind sparsamer, aber auch sie trainiert niemand auf einem Bürorechner.
- Die Daten sind der Engpass. Ein Betrieb ohne Kameras, Sensoren und saubere Maschinendaten hat nichts, was ein Weltmodell lernen könnte. Das ist in neun von zehn Gesprächen, die wir dazu führen, der eigentliche Befund.
- Zertifiziert ist nichts. Es gibt 2026 keine Norm, die ein gelerntes Weltmodell als Nachweis für eine Sicherheitsfunktion anerkennt. Wer damit etwas belegen will, belegt es mit den Prüfungen, die das Modell vorbereitet hat, nicht mit dem Modell.
Was das für Ihren Betrieb heißt
Niemand im Mittelstand wird 2026 ein eigenes Weltmodell trainieren, und niemand muss das. Die Frage ist, ob der Betrieb in zwei Jahren die Daten hat, mit denen ein Modell von NVIDIA, Siemens oder einem Roboterhersteller etwas anfangen kann. Vier Schritte, in dieser Reihenfolge.
Positionen, Zustände, Zeitstempel, Kamerabilder dort, wo etwas schiefgeht. Funksensorik über LoRaWAN kommt ohne Kabel aus, Maschinendaten liefert die Steuerung. Ohne diese Grundlage bleibt jedes Weltmodell ein Vortrag.
Ein Zwilling für eine Halle mit echten Daten bringt mehr als ein Konzept für das ganze Werk. Die erste Frage an den Zwilling sollte eine sein, deren Antwort Geld wert ist: Wo entsteht der Stau, welche Maschine wartet auf welche.
Cosmos ist offen, Omniverse hat Schnittstellen, Siemens liefert den Zwilling als Dienst. Der Wert liegt darin, die eigenen Daten sauber an diese Werkzeuge zu bringen und die Ergebnisse in die eigene Steuerung zurückzuführen.
Jede Vorhersage des Modells wird gegen die echte Halle geprüft, bevor jemand danach plant. Was das Modell dreimal richtig vorhergesagt hat, darf in die Planung. Was es einmal falsch hatte, wird untersucht, nicht übergangen.
Wir bauen die Datenseite solcher Projekte: Sensorik und Funknetze in der Halle, die Anbindung von Steuerungen und Lagerverwaltung, die Datenbrücke zu Simulationswerkzeugen und Zwillingen, und die Leitstände, in denen Vorhersage und Wirklichkeit nebeneinander stehen. Mehr dazu unter LoRaWAN, prognosewerk© und spuerwerk©. Wie aus einer Skizze eine Simulation wird, zeigt der Beitrag Aus einer Bleistiftskizze wird eine Simulation, die vielen anderen Modellfamilien jenseits der Sprache stehen in LEM statt LLM.
Quellen
- Google DeepMind: Genie 3, a new frontier for world models: Auflösung, Bildrate, Gedächtnis, steuerbare Ereignisse
- Google: Project Genie: Start am 29. Januar 2026, Zugang über Google AI Ultra, Grenze von 60 Sekunden je Welt
- Waymo: The Waymo World Model: Aufbau auf Genie 3, Kamera- und Lidar-Ausgabe, Steuerung über Aktion, Szene und Text
- NVIDIA, 16. März 2026: Physical AI to the Real World: Cosmos 3, Nutzer in der Robotik, Omniverse bei FANUC, ABB, YASKAWA, KUKA, Lagerzwillinge von KION und Accenture für GXO
- NVIDIA Cosmos: Modellfamilie Predict, Transfer, Reason
- World Labs: Marble: Eingaben, Ausgabeformate, Bearbeitung, allgemeine Verfügbarkeit seit 12. November 2025
- AMD, 28. September 2026: AMD to Acquire World Labs: Kaufpreis rund 8,2 Milliarden Dollar in Aktien, Abschluss bis Ende 2026
- Meta: V-JEPA 2: Latentes Weltmodell, Trainingsdaten, Roboterplanung ohne Training in der Zielumgebung
- TechCrunch: AMI Labs: Gründung, Standort Paris, Führung
- Wayve: GAIA-2: Generatives Weltmodell für Fahrszenen
- Siemens, CES 2026: Industrial AI Operating System mit NVIDIA, Digital Twin Composer, Angaben zu PepsiCo
Stand der Angaben: 21. Oktober 2026. Modelle, Zugänge und Partnerlisten ändern sich, Finanzierungs- und Übernahmeangaben stammen aus den Mitteilungen der Unternehmen.