World Labs ist ein 2024 von Fei-Fei Li mitgegründetes US-amerikanisches KI-Unternehmen, das sich der räumlichen Intelligenz widmet – der Fähigkeit von Systemen, dreidimensionale Umgebungen zu erfassen, zu erzeugen und in ihnen zu handeln. Sein erstes Produkt Marble erschien im November 2025.
Zusammenfassung
Fei-Fei Li hatte mit dem Datensatz ImageNet die Voraussetzung für den Durchbruch des Deep Learning geschaffen; mit World Labs verfolgt sie die These, dass Sprache als Trainingsgrundlage nicht ausreicht, weil räumliches Verständnis nicht in Texten niedergelegt ist.
Marble erzeugt bearbeitbare dreidimensionale Umgebungen aus Text, Bildern, Skizzen oder Videos und war das erste kommerziell verfügbare Produkt der World-Models-Kategorie. Das Unternehmen warb Mittel in Milliardenhöhe ein und gehört neben Google DeepMind, Nvidia und LeCuns AMI Labs zu den führenden Akteuren eines Feldes, das sich Ende 2025 formierte.
Entstehung und Ausrichtung
Fei-Fei Li ist Professorin an der Stanford University und Mitleiterin des dortigen Institute for Human-Centered AI. Ihr bekanntester Beitrag ist ImageNet, der Bilddatensatz, auf dem 2012 das Modell AlexNet trainiert wurde – der Auslöser der Deep-Learning-Welle.
World Labs gründete sie 2024 mit einem Team aus Fachleuten für maschinelles Sehen und dreidimensionale Rekonstruktion. Der Leitbegriff ist Spatial Intelligence: Die Fähigkeit, Räume zu erfassen, in ihnen zu schlussfolgern und zu handeln, sei eine eigenständige Form von Intelligenz, die aus Sprachdaten nicht hervorgeht. Li begründet dies entwicklungsgeschichtlich – räumliche Wahrnehmung ist evolutionär weit älter als Sprache.
Das Argument lässt sich als Umkehrung der herrschenden Annahme lesen. Sprachmodelle behandeln Welt als etwas, das in Texten beschrieben ist; was nicht beschrieben wurde, existiert für sie nicht.
Räumliche Zusammenhänge aber werden gerade deshalb selten beschrieben, weil sie für Menschen selbstverständlich sind – niemand notiert, dass ein Glas umkippt, wenn man es anstößt. Der Sprachkorpus ist nach dieser Lesart nicht bloß unvollständig, sondern systematisch dort dünn, wo physisches Weltwissen sitzt.
Fachliche Herkunft
Die technische Linie des Unternehmens führt nicht über die Sprachmodellforschung, sondern über die neuronale Szenendarstellung.
Zwei Verfahren prägen dieses Feld: die neuronale Strahlungsfeld-Darstellung, die eine Szene als kontinuierliche Funktion von Ort und Blickrichtung lernt und daraus neue Ansichten berechnet, sowie die spätere Darstellung durch eine große Zahl gerichteter Gaußverteilungen, die vergleichbare Bildqualität bei erheblich höherer Geschwindigkeit erreicht und damit interaktive Anwendungen erst praktikabel machte.
Das Gründungsteam kommt aus genau dieser Forschungslinie. Damit unterscheidet sich World Labs von Wettbewerbern, die räumliche Erzeugung als Erweiterung der Videogenerierung betreiben: Dort entsteht zuerst ein Bildstrom, aus dem räumliche Struktur abgeleitet werden muss; hier entsteht zuerst eine räumliche Struktur, aus der Bilder gerendert werden.
Der Unterschied erklärt, warum die Ergebnisse bearbeitbar sind – es gibt etwas zu bearbeiten, bevor gerendert wird.
Marble
Marble erzeugt aus Text, Bildern, Skizzen oder Videos dreidimensionale Umgebungen, die anschließend bearbeitet werden können – Objekte lassen sich verschieben, Stile übertragen. Das Produkt erschien im November 2025 mit kostenfreien und kostenpflichtigen Zugangsstufen und richtet sich an Spielentwicklung, Film, Architektur und Anwendungen der erweiterten Realität.
Der Unterschied zu benachbarten Systemen liegt im Ergebnis: Marble liefert bearbeitbare räumliche Strukturen, während Genie begehbare Umgebungen in Echtzeit erzeugt und Cosmos synthetische Videodaten für Robotertraining.
| System | Anbieter | Ergebnis |
|---|---|---|
| Marble | World Labs | bearbeitbare 3D-Umgebungen |
| Genie 3 | Google DeepMind | begehbare Echtzeitumgebungen |
| Cosmos | Nvidia | synthetische Videodaten, offene Gewichte |
| V-JEPA 2 | Meta | Repräsentationen für Wahrnehmung und Planung |
Einordnung
World Labs steht für die Position, dass der Weg zu allgemeineren Fähigkeiten über räumliches statt über sprachliches Verständnis führt. Diese These teilt es mit LeCuns AMI Labs, setzt aber anders an: World Labs arbeitet produktnah und hat früh veröffentlicht, während AMI Labs bislang nichts vorgelegt hat.
Bemerkenswert ist die Rolle Lis in beiden Phasen: Sie schuf mit ImageNet die Datengrundlage der Deep-Learning-Ära und vertritt nun die Auffassung, dass deren dominante Ausprägung – Sprachmodelle – an eine strukturelle Grenze stößt.
Kritik
Bewertungshöhe. Wie bei anderen Unternehmen des Feldes stehen Mittel in Milliardenhöhe einem schmalen Produktbestand gegenüber.
Reichweite des Anspruchs. Marble erzeugt räumliche Strukturen. Der Schritt von dort zu Systemen, die in Räumen schlussfolgern und handeln, ist der eigentliche Anspruch und bislang nicht eingelöst.
Abgrenzung zur Computergrafik. Ein Teil der Kritik hält die Ergebnisse für eine Fortschreibung etablierter Verfahren der dreidimensionalen Rekonstruktion, denen der Begriff Weltmodell eine weiterreichende Bedeutung zuschreibt, als sie tragen.
Ein rekonstruierter Raum ist noch kein Modell davon, wie sich Dinge in ihm verhalten – er enthält Geometrie und Erscheinung, aber keine Masse, keine Reibung, keine Kausalität. Wer Weltmodell im Sinne der Robotik versteht, findet hier weniger vor, als der Ausdruck verspricht.
Umstrittene Grundthese. Dass räumliches Verständnis nicht aus Sprache hervorgehen könne, ist eine empirische Behauptung und keine bewiesene.
Vertreter der Gegenposition verweisen darauf, dass große Modelle wiederholt Fähigkeiten gezeigt haben, die man ihnen aus prinzipiellen Erwägungen abgesprochen hatte, und dass multimodales Training die scharfe Trennung zwischen sprachlichem und räumlichem Lernen ohnehin auflöst. Die Frage ist damit offen – und sie ist, anders als der Streit um Begriffe, entscheidbar.
Verwandte Begriffe
- Fei-Fei Li – Mitgründerin
- ImageNet – ihr früherer Beitrag zur Deep-Learning-Wende
- World Models – übergeordnete Systemklasse
- Genie – konkurrierendes System von Google DeepMind
- AMI Labs – Wettbewerber mit verwandter These
- Nvidia – Anbieter der Cosmos-Plattform
- Physical AI – verwandter Begriff
- Embodied AI – Position, der der Ansatz zugehört
Quellenangaben
- Deng, Jia / Dong, Wei / Socher, Richard / Li, Li-Jia / Li, Kai / Fei-Fei, Li, 2009. ImageNet: A Large-Scale Hierarchical Image Database. In: Proceedings of the 2009 IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2009), S. 248–255. DOI: 10.1109/CVPR.2009.5206848.
- Krizhevsky, Alex / Sutskever, Ilya / Hinton, Geoffrey E., 2012. ImageNet Classification with Deep Convolutional Neural Networks. In: Advances in Neural Information Processing Systems 25 (NeurIPS 2012), S. 1097–1105.
- TechCrunch, 2025. Fei-Fei Li’s World Labs speeds up the world model race with Marble, its first commercial product. techcrunch.com, 12. November 2025.
- World Labs (2025): Introducing Marble. November 2025.
← Zurück zur Lexikon-Übersicht
Zuletzt bearbeitet: 10. August 2026
Zusammengestellt, formuliert, lektoriert und korrigiert mit KI-Unterstützung. Kuratiert von Nils Brauer. Alle Angaben ohne Gewähr.