Weltmodell

Ein Sprachmodell sagt Text voraus. Ein Weltmodell versucht, etwas näher an eine mentale Karte zu bringen: was sich in einem Raum befindet, wo es sitzt und was passiert, wenn sich etwas bewegt. Der Punkt ist, dass ein System mit einem Weltmodell Fragen beantworten kann, die nie gezeigt wurden, wie zum Beispiel, wie die Rückenlehne dieses Stuhls aussieht, weil es sich dabei eher um eine Szene als um einen Musterabgleich anhand von Pixeln handelt.

Der Begriff wird im Marketing nur bedingt verwendet, daher ist es wichtig zu wissen, dass Forscher über die Definition gestritten haben. Ein Vorschlag eines internationalen Teams aus dem Jahr 2026 schloss reine Text-zu-Video-Generatoren aus, mit der Begründung, dass sie keine Rückkopplungsschleife mit der realen Welt hätten. Dafür eignen sich dreidimensionale Rekonstruktionen und Simulatoren, mit denen physikalische Regeln tatsächlich überprüft werden können.