Zwei Milliarden Dollar für ein Versprechen, das niemand ausbuchstabieren will: Der Stand der Weltmodelle im September 2026

Ein Podiumsgespräch, bei dem niemand antworten wollte

In der vergangenen Woche moderierte Russell Brandom, KI-Ressortleiter bei TechCrunch, auf der All-In-Konferenz ein Podium über Weltmodelle. Auf der Bühne saß Michael Rabbat, Mitgründer von AMI Labs und dort Vice President of World Models — nach Brandoms Einschätzung „das, was einer Autorität am nächsten kam“. Auf die Frage, woran sein Unternehmen eigentlich arbeite, antwortete Rabbat: „We'll talk about it when we're ready to talk about it.“ Per E-Mail präzisierte er später: Man befinde sich noch in einer Forschungs- und Aufbauphase und spreche deshalb öffentlich weder über Produktpläne noch über Zeitpläne.

Das wäre für sich genommen unauffällig — AMI Labs ist noch kein Jahr alt. Bemerkenswert wird es durch eine zweite Begegnung am Rand derselben Konferenz. Brandom sprach dort mit Alex de Vigan, dem Chef von Physicl, einem Unternehmen, das Trainingsdaten an die Weltmodell-Branche liefert. De Vigan weiß, dass seine Daten nützlich sind. Wofür, weiß er nicht: „I wish they would tell us more. We could build more useful data if we knew what they were working on.“

Wenn nicht einmal der Zulieferer erfährt, was mit seiner Ware geschieht, lohnt ein genauerer Blick auf dieses Feld. Es ist inzwischen mit deutlich über zwei Milliarden Dollar Risikokapital ausgestattet — und es ist das Feld, auf das zwei der bekanntesten Namen der KI-Forschung ihre zweite Karriere gesetzt haben.

Was ein Weltmodell ist — und was nur so aussieht

Die klarste Begriffsarbeit stammt ausgerechnet von einer Beteiligten. Fei-Fei Li, Mitgründerin von World Labs, hat im Juni 2026 einen Aufsatz veröffentlicht, der den Begriff sortiert, statt ihn zu bewerben. Ihre Grundunterscheidung ist eingängig: „Where language models learn the statistical structure of text, world models learn the statistical structure of space and time: how light falls on a surface, how a garden looks from an angle no camera has captured, how objects respond to force and follow the laws of physics.“

Ein Sprachmodell lernt also, wie Wörter aufeinander folgen. Ein Weltmodell soll lernen, wie die Welt sich verhält — wie ein Gegenstand fällt, was hinter einer Ecke liegt, wie sich ein Raum verändert, wenn man hindurchgeht. Li räumt im selben Absatz ein, dass „world model“ einer der „most overloaded terms in AI today“ sei: Bildverarbeitung, Robotik, bestärkendes Lernen und generative KI beanspruchen ihn alle und meinen jeweils etwas anderes.

Die für die Praxis wichtigste Abgrenzung macht Li mit einem Bild, das man sich merken sollte. Sie nennt Systeme, die aus einem Textbefehl eine Filmaufnahme erzeugen, Renderer — sie liefern Pixel für menschliche Augen, und was zählt, ist die optische Güte. Über deren Grenzen schreibt sie: „The buildings in the drone shot may look flawless from above, but try to drive through the city below and they fall apart.“ Das Modell trage kein ausdrückliches Verständnis dreidimensionaler Struktur; es erzeuge, was ein Betrachter sähe, nicht, was ist.

Damit ist die entscheidende Frage für jeden gestellt, der über den Einsatz solcher Systeme entscheidet: Brauche ich ein überzeugendes Bild oder ein belastbares Modell? Für einen Werbefilm genügt das Bild. Für einen Roboter, der einen Karton greifen soll, genügt es nicht. Google DeepMind formuliert den Anspruch in seinem Genie-3-Beitrag entsprechend als Fähigkeit, vorherzusagen, „how an environment will evolve and how their actions will affect it“ — also nicht nur, wie es aussieht, sondern was als Nächstes passiert.

Der Begriff selbst ist übrigens alt. Li führt ihn auf den Psychologen Kenneth Craik zurück, der 1943 vorschlug, Denken bestehe darin, „small-scale models“ der Wirklichkeit im Kopf durchzuspielen. Wer schon einmal überlegt hat, ob das Sofa durch die Tür passt, hat ein Weltmodell benutzt.

Wer baut das — und mit wie viel Geld

AMI Labs, gegründet von Yann LeCun nach seinem Weggang bei Meta, sammelte im März 2026 1,03 Milliarden Dollar bei einer Vorgeld-Bewertung von 3,5 Milliarden ein. Ein Produkt gibt es bis heute nicht. Aufschlussreich ist, wie der Vorstandsvorsitzende Alexandre LeBrun die eigene Lage gegenüber TechCrunch einschätzte: „My prediction is that ‚world models' will be the next buzzword. In six months, every company will call itself a world model to raise funding.“ Das sagte er im März. Die sechs Monate sind vorbei.

World Labs von Fei-Fei Li ist am weitesten. Das Produkt Marble ist seit November 2025 verfügbar und wird kommerziell verkauft; im Februar 2026 holte das Unternehmen eine Milliarde Dollar, davon 200 Millionen von Autodesk — ein Geldgeber, der zugleich ein Absatzkanal ist, denn Autodesk verkauft Konstruktions- und Entwurfssoftware. Brandom nennt Marble „probably the most fully developed product in the space“, fügt aber hinzu, die Plattform wirke insgesamt eher darauf angelegt, Fähigkeiten vorzuführen.

Odyssey sammelte im Juni 2026 310 Millionen Dollar bei einer Bewertung von 1,45 Milliarden, unter anderem von Amazon, AMD Ventures und GV. Über weitere Übernahmegespräche in diesem Feld wird berichtet; wir lassen sie hier weg, weil sie durchweg auf ungenannten Quellen beruhen und von keiner beteiligten Firma bestätigt sind.

Daneben stehen die Konzerne, und hier wird es für Unternehmen praktisch interessant. NVIDIA hat Ende Mai 2026 Cosmos 3 veröffentlicht, mit offenen Gewichten unter einer freizügigen Lizenz. Tencent hat mit HY-World 2.0 seit April 2026 Gewichte und Code offengelegt, und zwar mit einem technisch wichtigen Unterschied: Das System gibt echte 3D-Objekte aus — Netze und Punktwolken —, nicht bloß Bildfolgen. Wer das Ergebnis in eine vorhandene Konstruktions- oder Spielpipeline einspeisen will, merkt den Unterschied sofort.

Was heute tatsächlich läuft

Der belastbarste Produktiveinsatz kommt von Waymo. Im Februar 2026 stellte das Unternehmen das Waymo World Model vor, das ausdrücklich auf DeepMinds Genie 3 aufsetzt und für den Fahrbetrieb angepasst wurde. Die Begründung im Beitrag ist der beste Satz, den dieses Feld derzeit zu bieten hat: Was Fahrgäste nicht sehen, sei der Fahrsoftware „navigating billions of miles in virtual worlds, mastering complex scenarios long before it encounters them on public roads“. Der Nutzen liegt bei den seltenen Ereignissen — ein Tornado, ein Elefant auf der Straße —, die in der Wirklichkeit nicht in ausreichender Zahl aufzunehmen sind.

Und genau hier liegt zugleich die ehrlichste Einschränkung: Waymo setzt das Modell zum Trainieren und Prüfen ein, nicht als Entscheider im fahrenden Auto. Das ist kein Schönheitsfehler, sondern die derzeit tragfähige Rolle solcher Systeme.

Wie weit der Rest davon entfernt ist, sagt DeepMind in seinem eigenen Genie-3-Beitrag unter der Überschrift „Limitations“ erstaunlich offen. Die erzeugte Welt bleibt nur „for a few minutes“ in sich stimmig. Der Handlungsraum ist ausdrücklich begrenzt: Die möglichen Eingriffe würden „not necessarily performed by the agent itself“, das Repertoire des Agenten selbst sei eingeschränkt. Das Zusammenspiel mehrerer unabhängiger Agenten in einer gemeinsamen Umgebung sei weiterhin ein offenes Forschungsproblem, und reale Orte könne das System nicht geografisch korrekt abbilden. Der Technikjournalist Ben Dickson hat daraus schon 2025 die unbequeme Frage abgeleitet, ob „even DeepMind“ wisse, wofür Genie 3 am Ende gut sei — ein Einwand, der ein Jahr später nicht widerlegt ist.

Auch wissenschaftlich ist die Sache offen. Eric Xing, Präsident der KI-Universität MBZUAI, hat mit Kollegen eine „Critique of World Model“ vorgelegt, die dem rein abstrakten Vorhersageansatz — also LeCuns Linie — vorwirft, den Bezug zur Wirklichkeit verlieren zu können, und stattdessen einen prüfenden, erzeugenden Baustein verlangt. LeCun wiederum steht seit Jahren für die Gegenrichtung und hält Modelle, die Bildpunkte exakt vorhersagen sollen, für den falschen Weg — seine JEPA-Linie sagt bewusst in einem abstrakten Zwischenraum voraus statt in Pixeln. Beide Seiten sind prominent, beide gut begründet, und keine hat bislang gewonnen. Für Außenstehende ist vor allem eines wichtig: Die Grundfrage, wie ein Weltmodell überhaupt gebaut werden sollte, ist offen — nicht bloß die Frage, wer vorn liegt.

Warum geschwiegen wird

Brandoms Erklärung für die Geheimhaltung ist ökonomisch und überzeugt ohne Verschwörung. Solange Geld leicht zu beschaffen ist, gibt es keinen Zwang, sich festzulegen — und einen guten Grund, es nicht zu tun. Würde AMI Labs morgen verkünden, man habe ein bestimmtes Anwendungsfeld erschlossen, hätte das Unternehmen binnen Wochen Gesellschaft: von den anderen Weltmodell-Firmen, von neuen Laboren, und schließlich von OpenAI und Anthropic. Brandom vergleicht das mit dem „dunklen Wald“ aus Liu Cixins Romanen: Wenn man nicht weiß, wer sonst zwischen den Bäumen steht, macht man besser kein Geräusch.

Die Kehrseite benennt er gleich mit: Dieselbe Kapitalfülle, die das stille Bauen erlaubt, finanziert auch die künftigen Wettbewerber. Der Vorsprung wird nicht durch Geheimhaltung verdient, sondern nur verlängert.

Zur Ehrlichkeit gehört eine Lücke, die wir nicht schließen konnten: Ob Lizenz- und Urheberrechtsfragen bei den Trainingsdaten ein Grund für das Schweigen sind, ließ sich mit keiner Primärquelle belegen. Es liegt nahe — belegt ist es nicht, und deshalb behaupten wir es nicht.

Was das für Entscheider heißt

Drei Schlüsse lassen sich heute ziehen, ohne zu spekulieren.

Erstens: Die Kategorie ist keine Kaufentscheidung. „Weltmodell“ beschreibt derzeit drei verschiedene Dinge — einen hübschen Renderer, einen begehbaren Raum und eine Vorhersagemaschine für Handlungsfolgen. Wer ein Angebot prüft, sollte mit Lis Unterscheidung dazwischengehen und fragen: Gibt mir das System Pixel, Geometrie oder eine Vorhersage? Nur die dritte Antwort rechtfertigt den Begriff im engeren Sinn, und nur sie trägt Robotik oder Sicherheitsanwendungen.

Zweitens: Es gibt bereits Brauchbares, aber es steht nicht bei den bekanntesten Namen. Wer heute praktisch etwas ausprobieren will, greift zu NVIDIA Cosmos 3 oder Tencent HY-World 2.0 — beide mit offenen Gewichten, beide ohne Warteliste, beide auf eigener Infrastruktur betreibbar — oder zu World Labs' Marble, wenn 3D-Inhalte für Entwurfs- und Kreativabläufe gebraucht werden. DeepMinds Genie und Runways GWM-Reihe sind dagegen Vorschau-Zugänge ohne öffentliches Preismodell. Die Faustregel lautet damit ungewöhnlicherweise: Die verfügbaren Optionen kommen von Konzernen, die Modelle verschenken, um Hardware und Plattformen zu verkaufen — nicht von den Neugründungen, die das Feld definieren.

Drittens: Der ernstzunehmende Einsatzfall ist heute die Simulation, nicht die Entscheidung. Waymo zeigt das Muster: Das Weltmodell erzeugt seltene Situationen, an denen ein anderes System geübt und geprüft wird. Wer Robotik, Fertigung oder autonome Systeme baut, sollte Weltmodelle als Prüfstand einplanen — als Weg, Fälle zu erzeugen, die in der Wirklichkeit zu selten oder zu gefährlich sind. Wer sie dagegen als Entscheider in die Wirkkette einbaut, geht über das hinaus, was derzeit irgendjemand belegt hat, einschließlich der Anbieter.

Und viertens, als Beobachtungshinweis statt als Ratschlag: LeBruns Sechs-Monats-Prognose ist fällig. Wenn in den kommenden Wochen Unternehmen auftauchen, die sich neuerdings als Weltmodell-Firmen bezeichnen, ohne dass sich an ihrem Produkt etwas geändert hat, dann war es die zutreffendste Aussage, die in diesem Feld bislang öffentlich gemacht wurde — und sie kam von einem, der selbst eine Milliarde Dollar damit eingesammelt hat.