Die Ära der körperlich anstrengenden Arbeit in der Spieleentwicklung geht dank KI-3D zu Ende

In den letzten gut einem Jahr sind die Fortschritte im Bereich der KI so schnell vorangeschritten, dass sie fast schon die Vorstellungskraft übersteigen.

Insbesondere im Bereich der Programmierung wird das Schreiben von Code gerade neu definiert. Selbst Programmieranfänger, die sich mit Code nicht auskennen, können der KI einfach ihre Idee mitteilen, woraufhin diese innerhalb weniger Minuten eine Webseite erstellt, ein kleines Spiel entwickelt und sogar gleich die auftretenden Fehler behebt.

Was den Code angeht, hat der KI-Agent bereits fast jeden Bereich der Spieleentwicklung durchdrungen. Doch auf der anderen Seite des kreativen Prozesses – der 3D-Grafik – gibt es nach wie vor eine nicht unerhebliche Hürde.KI kann zwar Bilder zeichnen und Videos generieren, doch sobald ein 3D-Modell benötigt wird, das in die Engine integriert, mit Skeletten verbunden und im Spiel tatsächlich bewegt werden kann, stößt sie oft an ihre Grenzen.

Ein ansprechendes 3D-Modell und ein funktionsfähiges 3D-Modell sind zwei verschiedene Dinge. Letzteres ist nicht nur ein einfaches visuelles Abbild, sondern eine räumliche Struktur, die verstanden werden muss. Wie die Hunderttausende von Punkten angeordnet sind, wie sie zu Flächen verbunden werden und ob die Verknüpfungen sinnvoll sind – all das entscheidet direkt darüber, ob das Modell bearbeitet, mit Rigging versehen und von der Engine gerendert werden kann.

In den letzten drei Jahren gab es im Bereich der KI rasante Durchbrüche bei Bildern, Videos und Code, doch gerade 3D galt bislang allgemein als die größte Hürde. In den letzten sechs Monaten hat sich dieser hartnäckige Widerstand jedoch deutlich schneller aufgelöst.

Am 1. September gab VAST, ein Unternehmen für große KI-3D-Modelle, den Abschluss der Finanzierungsrunden B und B+ bekannt, bei denen insgesamt rund 3 Milliarden Yuan eingeworben wurden. Die Finanzierungsrunde wurde von Matrix Partners China angeführt. Zählt man die vorherigen Finanzierungsrunden hinzu, hat das erst vor drei Jahren gegründete Unternehmen in weniger als einem halben Jahr insgesamt rund 5 Milliarden Yuan an Finanzmitteln eingeworben.

Besondere Aufmerksamkeit verdient auch die Liste der Investoren: In den letzten sechs Monaten tauchte eine Reihe von Spieleentwicklern häufig in der Aktionärsliste dieses KI-3D-Unternehmens auf, darunter 4399, Tanwan und Giant Network in der A3-Finanzierungsrunde sowie Perfect World, 37 Interactive Entertainment und Yanqu Games in der B- und B+-Finanzierungsrunde.Es kommt nicht oft vor, dass das Kapital der Spieleindustrie so konzentriert auf ein Technologieunternehmen im vorgelagerten Bereich setzt.

Zeitgleich mit der Finanzierungsrunde wurde auch die neueste Version P2.0 von „Tripo“, dem großen 3D-Modell von VAST, veröffentlicht. Es handelt sich dabei um das weltweit erste KI-3D-Basismodell, das eine native Vierkant-Topologie realisiert. Ich habe mich mit einem TA-Experten unterhalten, der das neue Modell kurz ausprobiert hat, und habe den Eindruck gewonnen, dass sich im Bereich der KI-3D-Technologie tatsächlich ein Umbruch abzeichnet.

01

Warum musste vor P2.0 immer jemand hinter der KI „aufräumen“?

Um genau zu erklären, was an diesem neuen Modell anders ist, müssen wir zunächst auf eine ganz grundlegende Frage zurückkommen: Wie werden 3D-Assets in einem Spiel eigentlich erstellt, und wo treten dabei häufig Probleme auf?

Nehmen wir als Beispiel einen 3D-Charakter aus einem Spiel: Der übliche Produktionsprozess verläuft wie am Fließband:

Zunächst werden anhand der Konzeptzeichnungen das Design und der Stil festgelegt; anschließend wird ein hochdetailliertes High-Poly-Modell mit extrem hoher Polygonanzahl erstellt, das zur Modellierung der Form dient;dann folgt ein entscheidender Arbeitsschritt – die Topologieumwandlung, bei der das High-Poly-Modell in ein Mittel- oder Low-Poly-Modell umgewandelt wird, wobei die mehreren hunderttausend unstrukturierten, fragmentierten Polygone zu einem Modell mit ordnungsgemäßer Polygonverteilung neu angeordnet werden; anschließend erfolgt das UV-Mapping, bei dem die dreidimensionale Oberfläche wie eine Orangenschale auf eine Ebene abgeflacht wird, um Texturen darauf aufzubringen;Anschließend werden Texturen entworfen, das Skelett gebunden, das Skinning vorgenommen und die Animation erstellt, bevor das Modell schließlich in die Spiel-Engine importiert wird.

Die Linien auf dem weißen Modell sind die „Verdrahtung“: Die Anordnung der Flächen bestimmt direkt, ob das Modell bearbeitet, gebunden und gerendert werden kann.

Dabei stehen der kreative Aufwand und die Personalkosten in keinem Verhältnis zueinander. Das Entwerfen, Modellieren und Animieren sind die Bereiche mit hohem kreativem Aufwand; die Schritte wie Topologieüberarbeitung, UV-Entfaltung, Rigging und Skinning sind hingegen eher Übersetzungs- und Routinearbeiten, bei denen kaum etwas Neues geschaffen wird, die aber extrem von Erfahrung abhängen und allgemein als die zermürbendsten Phasen gelten.Insbesondere die Topologieanpassung ist der teuerste, mühsamste und unbeliebteste Schritt im gesamten Prozess; die manuelle Bearbeitung eines einzelnen Objekts dauert oft mehrere Stunden bis hin zu mehreren Tagen.

Noch schlimmer ist, dass es genau in der Mitte des Arbeitsablaufs feststeckt. Sobald es Probleme mit der Verkabelung gibt, fällt dies den Animatoren sofort auf, sobald sie die Arbeit übernehmen, und dann muss man eine ganze Reihe von Schritten rückgängig machen: Topologie ändern, UV-Mapping neu erstellen, Texturen neu zuweisen, das Rigging neu vornehmen und die Animation neu erstellen – man kann sagen, dass eine kleine Änderung große Auswirkungen auf das gesamte Projekt hat.

Das Ergebnis ist, dass die teuersten und besten Grafiker eines Teams viel Zeit damit verbringen müssen, diese Routinearbeiten zu erledigen, die eigentlich von Maschinen übernommen werden sollten. Geld und Zeit werden für die Aufgaben aufgewendet, die am wenigsten kreativ sind, bei denen aber keine Fehler passieren dürfen.

In den letzten Jahren waren KI-generierte Modelle jedoch gerade in den einfachsten und oberflächlichsten Aufgaben am besten – dem Erstellen von High-Poly-Modellen und der Gestaltung der äußeren Form –, während die wirklich zeit- und budgetintensiven Schritte wie die Neugestaltung der Topologie, das Binden und das Aufteilen möglicherweise sogar zusätzliche Arbeitsstunden erfordern, wenn das Netz nicht den Anforderungen entspricht.

Das Problem ist, dass die Ziele der beiden Phasen – High-Poly-Modell und Mittel- bis Low-Poly-Modell – nicht identisch sind.Bei High-Poly-Modellen steht das Aussehen im Vordergrund: Hautfalten, Kratzer an der Rüstung – je mehr Details, desto besser. Eine etwas unordentliche Polygonanzahl, Polygonverteilung und Topologie ist kein großes Problem, da diese Modelle ohnehin nicht für den direkten Einsatz gedacht sind. Visuelle Modelle für KI sind von Natur aus darauf ausgelegt, die Frage der Ähnlichkeit zu lösen.

Im Gegensatz zur Low-Poly-Modellierung geht es bei der Topologie-Optimierung nicht nur darum, dass das Modell „ähnlich“ aussieht, sondern vor allem darum, dass es „funktionsfähig“ ist: Die Anzahl der Polygone muss innerhalb des Budgets bleiben, die Verdrahtung muss der Struktur folgen, und an den Gelenken müssen ausreichend Loops vorgesehen werden … Dafür nimmt man gerne gewisse Abstriche beim Aussehen in Kauf.Dies ist ein Schritt vom „Visuellen“ zum „Strukturellen“, während KI in der Vergangenheit 3D-Modelle lediglich als „eine Grafik mit vielen Punkten“ behandelte und damit nur die erste Hälfte des Weges zurückgelegt hat.

Dies führt dazu, dass bei den bisher generierten Modellen oft noch manuelle Nachbesserungen erforderlich sind. Es gibt nur einen Weg, KI wirklich in den Arbeitsablauf zu integrieren: Sie muss bereits im Moment der Generierung Strukturen ausgeben, die den Industriestandards entsprechen.

Das P2.0-Modell, bei dem Vierkantflächen direkt generiert werden, wurde entwickelt, um genau dieses Problem zu lösen.

P2.0 – Charaktere im Steampunk-Stil direkt aus dem Spiel

Vierkantige Polygone sind seit Jahrzehnten der Standard in Film, Fernsehen und Videospielen. Der Grund dafür, dass sie als „Standard“ gelten, liegt nicht darin, dass sie „besser“ sind als dreieckige Polygone, sondern darin, dass sie für nachfolgende Arbeitsschritte besser geeignet sind: Sie ermöglichen eine einfachere kontinuierliche Verkabelung, liefern bei der Unterteilung von Oberflächen vorhersehbarere Ergebnisse und eignen sich besser für die Charakteranimation.Bisher war es der KI nicht möglich, Vierkantflächen zu erzeugen, da sie zunächst eine chaotische Oberfläche generieren und diese dann mithilfe von Algorithmen zu Vierkantflächen umtopologisieren musste – was einem Umweg über den teuersten und unbeliebtesten Schritt der gesamten Produktionskette gleichkam, der zudem zeitaufwendig war und zu Detailverlusten führte.

Vierseitige Flächen lassen sich leichter zu durchgehenden Linien verbinden und eignen sich daher besser für Charakteranimationen.

Der entscheidende Unterschied bei P2.0 besteht darin, dass die vier Seitenflächen nicht erst nach der Generierung nachbearbeitet werden, sondern bereits während des Generierungsprozesses direkt entstehen. Dahinter steht eine langjährige technische Entwicklung – das Unternehmen verfügt über ein selbst entwickeltes Nexus-Framework.Die gängige Vorgehensweise in der Branche besteht darin, das 3D-Modell in eine Abfolge von Schritten zu zerlegen und es Zeichen für Zeichen zu generieren, ähnlich wie beim Schreiben eines Satzes Wort für Wort. Nexus verfolgt diesen Ansatz – erst sortieren, dann schreiben – nicht, sondern generiert zunächst das Ganze und ergänzt anschließend die Details.

Einfach ausgedrückt: Mit P2.0 entsteht nicht mehr nur ein unordentliches Modell, sondern ein industrielles Asset, das direkt in die Engine importiert, bearbeitet und zerlegt werden kann. Das heißt, schon beim Erstellen wird der teuerste und mühsamste Schritt umgangen.

Laden Sie ein Originalbild hoch, um direkt ein Charakterkopfmodell mit ordentlichen, an den vier Seiten angeordneten Polygonen zu erhalten.

Einige Entwickler berichten, dass sich die Investition allein durch die Zeitersparnis beim Neuaufbau der Topologie bereits amortisiert. Auch 3D-Künstler weisen darauf hin, dass P2.0 bei Assets mit harten Oberflächen wie Waffen, Fahrzeugen und Architektur-Objekten deutliche Verbesserungen bietet – die Oberflächen sind sauber, die Dichte entspricht präzise den Details und die Kanten sind klar und scharf.

02

Für Menschen und für Agenten

Wir haben gerade darüber gesprochen, wie Menschen die KI-gestützte 3D-Generierung besser nutzen können. In den heutigen Entwicklungsprozessen ist die KI jedoch bereits sehr tief in die Abläufe eingebunden: Das Schreiben von Code, das Einrichten der Engine und das Beheben von Fehlern anhand der Ausführungsergebnisse – all das wird häufig von KI-Agenten anstelle von Menschen übernommen. Oftmals sind es nicht unbedingt Menschen, die die KI-gestützten 3D-Generierungsmodelle tatsächlich aufrufen, sondern möglicherweise auch Agenten.

Ob ein Agent ein 3D-Modell jedoch gut nutzen kann, ist eine ganz andere Frage. Denn das „Verständnis“ eines Modells durch einen Agenten und durch einen Menschen erfolgt auf völlig unterschiedliche Weise.

Nehmen wir zum Beispiel an, ein Mensch wirft einen Blick auf ein Modell und erkennt sofort: „Das ist ein Fisch, das ist der Schwanz“ – dabei stützt er sich auf seine Augen und seine Erfahrung.Bei einem Agenten ist das anders: Er hat keine Augen, sondern versteht nur Code und Bytes; sein Wissen über das Modell kann nur aus den Daten in den Dateien stammen. Wenn ein Modell auf Daten angewendet wird, ergibt sich daraus lediglich eine Ansammlung von Eckpunktkoordinaten und geometrischen Formen, ohne semantische Informationen wie „Welcher Teil ist der Fisch, welcher Teil ist der Schwanz?“.

Der Agent steht also vor einem Modell, das in etwa einem Buch ohne Inhaltsverzeichnis und ohne Kapitelüberschriften gleicht, und wird dennoch aufgefordert, direkt ein bestimmtes Kapitel oder einen bestimmten Absatz zu überarbeiten – er weiß gar nicht, wo er anfangen soll.Es gibt zwar einige provisorische Lösungen, wie zum Beispiel die Umwandlung von 3D-Daten in Code, der dann dem Agenten zugeführt wird, doch bei diesem Umwandlungsprozess gehen leicht Informationen verloren, und bei einer hohen Anzahl an Polygonen kann dies schnell die Verarbeitungskapazität des Agenten übersteigen.

Eine weitere Einschränkung ist das Arbeitstempo des Agenten. Er erzeugt die Ergebnisse nicht auf einen Schlag, sondern durchläuft einen schnellen Zyklus aus „Erstellen, Prüfen, Überarbeiten, Erneut-Erstellen“ – ähnlich wie zwei Personen, die sich gegenüberstehen und einen Entwurf überarbeiten, wobei jede Runde nur wenige Minuten dauert. Wenn man nach jeder Erzeugung lange auf die manuelle Überprüfung und Annotation warten müsste, würde die Effizienz völlig zusammenbrechen.

Daher gibt es für den Einsatz von 3D durch den Agenten eine Reihe von zwingenden Voraussetzungen, die nichts mit der Ästhetik des Modells zu tun haben: Die Topologie muss sauber sein, damit der Agent die Struktur erkennen und die Bauteile unterscheiden kann;die Anzahl der Polygone muss überschaubar und das Modell leicht genug sein, damit die Echtzeit-Rendering-Funktion auf der Webseite damit zurechtkommt; noch wichtiger ist, dass sich das Modell semantisch in einzelne Teile zerlegen lässt – wenn es sich um eine Schachtel mit unbenannten Teilen handelt, weiß der Agent nicht, welches Teil er nehmen soll und welche Logik er dafür programmieren muss.

Drei unverzichtbare Voraussetzungen für den erfolgreichen Einsatz eines Modells durch Agent: saubere Topologie, kontrollierbare Flächenanzahl, klare Teilung in Bauteile

Genau dieses Problem löst VAST. Insbesondere hat es den letzten Punkt – „Teile mit Namen“ – mit programmierbarer Präzision umgesetzt.

Mit der gesteigerten Genauigkeit verbessert sich auch die Feinheit der vom Tripo P2.0 erzeugten natürlichen Teilung (Connected Component) der 3D-Modelle, wodurch die Aufteilung der Komponenten sinnvoller und semantisch korrekter wird.

Die Windmühle wurde in einzelne, semantisch beschriftete Teile zerlegt.

In Verbindung mit den zuvor erwähnten nativen Vierkantflächen und der direkten Ausgabe auf Basis der Flächenanzahl macht VAST die 3D-Generierung von Modellen wirklich agentenfreundlich.Die Polygone sorgen für klare Strukturgrenzen, sodass der Agent erkennen kann, „wo sich die einzelnen Teile befinden“; die Begrenzung der Polygonanzahl sorgt dafür, dass die Assets direkt in einer für die Zielplattform lauffähigen Größe ausgegeben werden; die semantische Teilung ermöglicht es dem Agenten, Teile zu benennen, sie im Code zu lokalisieren und Interaktionslogik auf Teilebene zu schreiben.

Nehmen wir als Beispiel eine offizielle Demonstration: Cao Yanpei, Chefwissenschaftler bei VAST, generierte mit P2.0 eine mechanische Spinne und ließ anschließend ein großes Sprachmodell für jedes einzelne Bauteil Namen vergeben, die Bewegungslogik programmieren und debuggen, um so die animierte Steuerung der Spinne Bauteil für Bauteil zu realisieren.

Externe Entwickler haben diese Funktionen bereits in funktionsfähige Produkte umgesetzt. Ein Entwickler hat mithilfe von GPT und Tripo eine interaktive Lernseite zu menschlichen Organen erstellt – auf der man jedes Organ anklicken, drehen und erkunden kann. Das Projekt wurde von Greg Brockman, dem Mitbegründer von OpenAI, geteilt.

Saubere, gut lesbare Modelle, kombiniert mit der Tatsache, dass der Agent selbst Code schreibt und die Rendering-Validierung selbst durchführt. Es ist absehbar, dass sich die Effizienz bei der Entwicklung und Validierung von Spielen in Zukunft wahrscheinlich um mehrere Größenordnungen verbessern wird.

03

Von der „Eierjungen-Werkstatt“ bis hin zu den Investitionen der Hersteller

Die Fähigkeiten von KI-3D-Modellen entwickeln sich rasant weiter, und die entsprechenden Anwendungen finden zunehmend Verbreitung.

Am 30. Juli wurde in der „Egg Party“-Werkstatt die Funktion zum Zerlegen von 3D-Modellen eingeführt, deren Technologie von VAST bereitgestellt wird.Ein im Workshop erstelltes oder ausgewähltes Modell lässt sich in wenigen Schritten in mehrere einzelne Komponenten zerlegen, die separat verschoben, gedreht, skaliert oder gelöscht sowie frei mit anderen Komponenten kombiniert werden können.

Das erstellte Modell lässt sich mit einem Klick in einzelne Komponenten zerlegen, die separat verschoben, gedreht und skaliert werden können.

Durch diese Funktion sind die von der KI generierten Modelle nicht mehr ein einziges Ganzes, sondern lassen sich bearbeiten, neu zusammenstellen und als einzelne Elemente verwenden. So erscheint eine Burg nicht mehr nur als Burg: Die Mauern lassen sich neu anordnen und bilden ein Labyrinth, aus dem man einen Ausgang finden muss; die Türme sind auf unterschiedlichen Höhen verteilt und bilden eine Parkour-Strecke mit aufeinanderfolgenden Sprüngen.Früher hatte ein Modell als Ganzes nur einen Verwendungszweck; durch seine Zerlegung lassen sich nun mehr Karten integrieren und mehr Funktionen erfüllen.

Die Demonstrationen im Labor unterscheiden sich grundlegend von der Produktionsumgebung mit über 100 Millionen aktiven Nutzern pro Monat. Für den Modellanbieter bedeutete die Einführung dieser Funktion in „DanZai“ nicht nur eine technische Herausforderung, sondern auch die Überwindung zahlreicher ingenieurtechnischer Hürden.„DanZai“ verzeichnet stabil über 100 Millionen monatlich aktive Nutzer. Angesichts der enormen Anzahl gleichzeitig aktiver Spieler, der Leistungsbeschränkungen auf Mobilgeräten und der Notwendigkeit, nach einem Klick so schnell wie möglich zurückzukehren, muss die KI in diesem Umfeld gleichzeitig die dreifache Herausforderung in Bezug auf Qualität, Geschwindigkeit und Kosten meistern.

Tatsächlich besteht die Zusammenarbeit zwischen VAST und NetEase schon seit Langem. Anfang 2025 wurde auf Basis der Tripo-API in „Yan Yun Shiliu Sheng“ die Funktion „Wanwu Taiji“ eingeführt, mit der Spieler durch einen einzigen Satz Spielgegenstände generieren konnten;Im September 2025 wurde Tripo dann in „Danzai Workshop“ integriert: Spieler konnten Referenzbilder hochladen und Befehle eingeben, um Modelle im Cartoon-Stil zu erhalten, die sich direkt zum Erstellen von Karten verwenden ließen; mit der Einführung der neuen „Teilen“-Funktion hat sich die Zusammenarbeit nun von der „KI-Generierung“ hin zur „bearbeitbaren KI“ weiterentwickelt.Im Laufe der Jahre hat sich die Zusammenarbeit mit jedem Schritt immer tiefer in den Spielentwicklungsprozess von NetEase integriert.

Darüber hinaus wird Tripo nun auch in den Arbeitsabläufen weiterer Hersteller eingesetzt. Bereits zuvor hatte das Unternehmen zahlreiche weltweit führende Spielehersteller über den gesamten Entwicklungsprozess hinweg unterstützt – von der Konzeptentwicklung bis zum Animations-Binding –, um die schnelle Erstellung von Szenario-Assets, die Validierung von Level-Prototypen und den Vergleich verschiedener Lösungsansätze zu ermöglichen, wodurch die Gesamteffizienz um über 50 % gesteigert wurde.

Neben den Produkten strömt auch Kapital in den Markt. In den letzten sechs Monaten haben sich 4399, Tanwan, Giant Network, Perfect World, 37 Interactive Entertainment und Yanqu Games nacheinander an VAST beteiligt.Spielehersteller gehören zu den wichtigsten Abnehmern von AI 3D. Wenn sich vor- und nachgelagerte Bereiche zum gleichen Zeitpunkt zusammenführen, bedeutet dies oft, dass die Technologie den Schritt von der bloßen Nutzbarkeit hin zur praktischen Anwendbarkeit vollzieht und sich die wirtschaftlichen Erträge von reinen Zahlen auf dem Papier in tatsächliche Gewinne in der Produktion verwandeln.

Ende

In den letzten Jahren hat sich der Wettbewerb im Bereich der KI-3D-Generierung zunehmend von der Frage, „wie gut die Ergebnisse aussehen“, hin zur Frage verschoben, „ob sie in die Produktion übernommen werden können“, und VAST bringt die KI-3D-Generierung Schritt für Schritt näher an die Industriestandards der Spieleindustrie heran.

Natürlich müssen noch zahlreiche Herausforderungen bewältigt werden, bevor sich die KI-gestützte 3D-Generierung wirklich in die Produktionsabläufe der Spieleindustrie integrieren lässt. Doch wie wir bereits zu Beginn des Artikels erwähnt haben: Nach den rasanten Fortschritten bei Grafiken, Videos und Code dürfte 3D die letzte große Hürde sein. Und nun scheint sich diese Hürde sichtbar zu lockern.

Für VAST ist dies erst der Anfang; das langfristige Ziel besteht darin, die Hürden für das „Erschaffen einer Welt“ so weit zu senken, dass jeder damit beginnen kann. Vielleicht können wir tatsächlich darauf hoffen, dass in Zukunft jeder sein eigenes Spiel entwickeln kann.