Weltmodell (World Model)

Ein Weltmodell, englisch World Model, ist eine KI, die im Inneren nachbildet, wie eine Umgebung funktioniert. Es soll vorhersagen können, was als Nächstes passiert, etwa wohin ein Ball rollt oder wie eine Person auf eine Tür zugeht. Der Begriff stammt aus der Robotik und dem Reinforcement Learning, wird aber zunehmend auch für Videogeneratoren verwendet.

Was haben Videogeneratoren mit Weltmodellen zu tun?

Um ein glaubwürdiges Video zu erzeugen, muss ein Modell viel über die Welt gelernt haben: dass Objekte nicht einfach verschwinden, dass Licht Schatten wirft und dass Wasser nach unten fließt. OpenAI hat seinen technischen Bericht zu Sora 2024 deshalb Video generation models as world simulators genannt. Darin beschreibt das Unternehmen, dass große Videomodelle solche Eigenschaften allein durch Training auf vielen Videos lernen. Zugleich nennt der Bericht Grenzen, zum Beispiel dass zerbrechendes Glas nicht richtig dargestellt wird.

Echte Weltmodelle gehen einen Schritt weiter. Sie erzeugen nicht nur einen festen Clip, sondern reagieren laufend auf Eingaben, etwa auf Tastendrücke, mit denen du dich durch eine erzeugte Umgebung bewegst. Mehrere große KI-Labore arbeiten an solchen interaktiven Modellen.

Was bedeutet das für dich?

Für deine Videos zeigt der Begriff vor allem, wohin die Entwicklung geht: zu längeren Clips, stabileren Figuren und Szenen, die sich wie ein echter Raum verhalten. Wenn ein Anbieter sein Modell als Weltmodell bewirbt, ist das zunächst eine Aussage über die Forschungsrichtung, nicht über die Qualität im Alltag.

Worauf du achten solltest

Auch Modelle mit diesem Anspruch machen typische Fehler. Gegenstände verschmelzen, Figuren wechseln das Aussehen, Bewegungen widersprechen der Physik. Prüfe Clips deshalb Bild für Bild, bevor du sie verwendest. Wie du solche Fehler mit Prompts verringerst, zeigt der Ratgeber KI-Video-Prompts. Aktuelle Modelle im Vergleich findest du unter Text zu Video.