kurz erklärt

Weltmodell (World Model)

Anders als ein Sprachmodell, das auf Textstatistik beruht, bildet ein Weltmodell Physik, Raum und Kausalität ab, woraus sich der nächste Zustand ergibt.

Der Begriff ist nicht neu. Douglas Lenats Cyc-Projekt baute schon 1984 eine symbolische Wissensbasis, aus der eine Maschine über die Welt schließen konnte. Ha und Schmidhuber nannten 2018 ein neuronales System explizit „World Models“ – es lernt eine kompakte Repräsentation der Umgebung, aus der sich künftige Zustände ableiten lassen. Yann LeCun knüpft mit seinem Ansatz JEPA daran an, nicht davor: JEPA sagt den abstrakten Folgezustand voraus, statt Pixel oder Token vorherzusagen. Im März 2026 sammelte sein Labor AMI dafür gut eine Milliarde Dollar ein, die bisher größte Seed-Runde Europas.

Wichtig ist eine Unterscheidung, die dabei oft verloren geht: Das Modell ist die Repräsentation selbst – eine Wissensbasis, ein gelernter latenter Raum, eine interne Karte. Vorhersage ist nur eine Funktion, die sich darauf ausführen lässt, neben Planung, Abfrage oder Erklärung. Ein Sprachmodell kennt dagegen nur eine Repräsentation von Textstatistik, keine der Welt.

Ein Forscherverbund hat im April 2026 einen Vorschlag zur Vereinheitlichung vorgelegt: Wahrnehmung, Interaktion mit der Umgebung, Langzeitgedächtnis. Videogeneratoren wie Sora oder Veo fallen damit ausdrücklich heraus – überzeugende Physik im erzeugten Bild ist noch kein Weltmodell ohne echte Rückmeldung aus der Wirklichkeit.

Der Begriff suggeriert trotzdem ein Verstehen der realen Welt. Auch ein Weltmodell liefert nur Vorhersagen auf Basis seiner Repräsentation, kein Verständnis. Die kognitiven Schulden, die daraus entstehen, liegen nicht an der Architektur, sondern an der ungeprüften Übernahme von Vorhersagen.