3D Gaussian Splatting transformiert Bilder in fotorealistische 3D-Szenen in Echtzeit. Erfahren Sie, wie die Technologie funktioniert, wie sie im Vergleich zu NeRF und Fotogrammetrie abschneidet und wo sie sich in Ihre Produktionspipeline einfügt.
Du hast 40 Fotos eines geschnitzten Holzstuhls gemacht und möchtest ihn bis Freitag in deinem Spiel haben. Traditionelle Photogrammetrie würde dir ein Mesh liefern, aber die Nachbearbeitung allein kostet einen ganzen Tag. 3D-Gaußsplatting nimmt dieselben Fotos und rendert in Minuten eine fotorealistische 3D-Szene, die von jedem Blickwinkel auf einer Standard-GPU betrachtet werden kann. Es ist die Technik hinter den meisten „Wow, das ist ein echter Ort in Echtzeit“-Demos, die du 2024, 2025 und 2026 gesehen hast. Dieser Leitfaden erklärt, was 3D-Gaußsplatting eigentlich ist, wie es im Vergleich zu NeRF und Photogrammetrie abschneidet, und den Punkt, den die meisten Tutorials auslassen: Was man mit einem Splat anfängt, sobald man ihn erstellt hat.
3D-Gaussian-Splatting ist eine Rendering-Methode, die aus einer Reihe von 2D-Bildern eine fotorealistische 3D-Szene rekonstruiert. Anstatt ein polygonales Netz zu erstellen, wird die Szene als Millionen winziger 3D-Gauß-Kleckse dargestellt, jeder mit eigener Position, Größe, Rotation, Farbe und Transparenz. Wenn man die Szene betrachtet, werden diese Kleckse auf den Bildschirm projiziert (oder gesplattet) und miteinander überblendet. Aus der richtigen Entfernung ergeben sie eine durchgehende, scharfe, fotorealistische Oberfläche.
Die Methode entstand aus einem SIGGRAPH-Paper von 2023, verfasst von Forschern von Inria und dem Max-Planck-Institut. Der Titel des Papers, 3D Gaussian Splatting for Real-Time Radiance Field Rendering, verrät die beiden entscheidenden Aspekte: Es handelt sich um eine Radiance-Field-Technik ähnlich wie NeRF, die jedoch in Echtzeit gerendert wird. Für die formale Definition ist Gaussian Splatting auf Wikipedia ein guter Ausgangspunkt, und die PlayCanvas Gaussian Splatting-Dokumentation zeigt die Technik in einer Echtzeit-Engine.
Jede 3D-Gauß-Funktion wird durch eine 3D-Kovarianz (ihre Form und Ausrichtung), eine mittlere Position, einen Deckkraftwert und Kugelflächenfunktionen-Koeffizienten definiert, die ansichtsabhängige Farben speichern. Kombiniert man einige Millionen davon, erhält man ein volumetrisches Modell der Szene. Es gibt kein Mesh, keine UV-Map und keine Texturdatei. Nur Punkte im Raum, die sich selbst rendern.
Der Trick liegt in der Rasterisierung, nicht im Raymarching. Traditionelle NeRFs werten für jedes Pixel ein neuronales Netz aus. 3DGS sortiert die Gauß-Kugeln auf der GPU von vorne nach hinten und zeichnet sie wie Sprites. Deshalb erreicht ein trainierter Splat auf einer einzelnen Consumer-Grafikkarte 30 bis über 100 Bilder pro Sekunde, während NeRF oft nur langsam vorankommt. Die Originalarbeit berichtete vom Training mit etwa 30.000 Bildern in 30 bis 60 Minuten und anschließender Echtzeit-View-Synthese.
Beide Techniken lernen ein Strahlungsfeld anhand von Bildern. Der Unterschied liegt darin, was sie lernen und wie sie rendern.
NeRF trainiert ein neuronales Netzwerk, um Farbe und Dichte an jedem 3D-Punkt vorherzusagen. Das Training und Rendern ist langsam. 3D Gaussian Splatting überspringt das Netzwerk während des Renderns vollständig. Sobald die Gauß-Verteilungen optimiert sind, besteht das Rendern nur noch aus Sortieren und Überblenden. Wenn Sie eine Live-Vorschau oder einen Web-Viewer benötigen, ist 3DGS die klare Wahl.
NeRF neigt dazu, feine Details zu glätten und scharfe Kanten zu verwischen. 3DGS behält gestochen scharfe Kanten und hochfrequente Details bei, da es Farben direkter speichert. Allerdings entstehen eigene Probleme: schwebende Flecken, aufgeblähte Gauß-Kugeln im leeren Raum und unnatürliche Verzerrungen an den Rändern des Aufnahmebereichs. Eine geschickte Erfassung reduziert diese, doch sie verschwinden nie vollständig.
Die kontinuierliche Darstellung von NeRF bewältigt extreme Blickwinkeländerungen und transparente oder unscharfe Volumen (Rauch, haarähnliche Strukturen) besser als diskrete 3D-Gaußsche Splats. Wenn Ihre Szene viel halbtransparente Geometrie enthält und Sie keine Echtzeitwiedergabe benötigen, kann eine NeRF-Variante dennoch ein saubereres Ergebnis liefern.
Dies ist der Vergleich, der sich tatsächlich auf Ihren Arbeitsablauf auswirkt. Beide beginnen mit Fotos. Am Ende stehen sehr unterschiedliche Assets.
Fotogrammetrie erzeugt ein texturiertes Mesh: Vertices, Faces, UVs, ein Textur-Atlas, den Sie in Unity oder Unreal einbinden können. Gaussian Splatting erzeugt eine Gauß-Punktewolke. Es sieht fantastisch aus, ist aber kein Mesh. Sie können kein Rig dafür erstellen, es nicht einfach mit Texturen bemalen und lässt sich nicht ohne zusätzliche Schritte für Animationen verformen.
Ein Mesh aus Fotogrammetrie ist in Blender wie jedes andere Modell bearbeitbar. Ein Splat liegt in seinem eigenen Format vor (typischerweise eine .ply- oder .splat-Datei). Sie können Splats mit speziellen Editoren bearbeiten, zuschneiden, umfärben und komprimieren, aber sobald Sie möchten, dass eine Figur läuft oder eine Tür sich öffnet, stellt der Splat Widerstand entgegen. Für statische Umgebungen und Archivierungen ist das in Ordnung. Für alles, was sich bewegt, planen Sie die Konvertierung oder Neuerstellung.
Der Aufnahmevorgang ist der Teil, den du kontrollierst, und er bestimmt dein Ergebnis mehr als die Software selbst.
Machen Sie einen vollständigen 360-Grad-Kreis um Ihr Motiv. Überlappen Sie mindestens ein Drittel jedes Bildes mit dem vorherigen. Halten Sie eine konstante Höhe ein und denken Sie daran, nach oben und unten zu blicken, damit die Ober- und Unterseite des Objekts abgedeckt sind. Flache, strukturlose Flächen (eine weiße Wand, ein klarer Himmel) bieten der Optimierungsalgorithmus keine Anhaltspunkte; fügen Sie daher Referenzdetails hinzu oder wechseln Sie das Motiv.
Eine enge 360-Grad-Aufnahme mit durchgängiger Überlappung ist einem großen Haufen unzusammenhängender Aufnahmen immer überlegen. Halten Sie Ihr Telefon beim Kreisen in etwa derselben Ebene. Gehen Sie in normalem Tempo und unterlassen Sie das Zoomen während der Aufnahme. Der Optimierer benötigt konsistente Anhaltspunkte für den Maßstab, und eine variierende Kamerahöhe ist der schnellste Weg zu einer verzerrten Darstellung.
Tool für Gaussian Splatting von Polycam und 3D-Aufnahme von Luma AI wandeln beide Bildersätze oder Videos mit nahezu keiner Einrichtung in Splat-Darstellungen um und sind auf Ihrem Smartphone nutzbar. Für eine kostenlose, lokale Option mit hoher Kontrolle bieten Postshot Gaussian Splatting Trainer und der ursprüngliche Inria-Quellcode die meisten Anpassungsoptionen.
Laden Sie die Bilder hoch, lassen Sie das Tool die Kamerapositionen schätzen und die 3D-Gaußschen optimieren, und öffnen Sie anschließend das Ergebnis im dazugehörigen Viewer. Die meisten Tools exportieren .ply- oder .splat-Dateien, die Sie auf einem Web-Viewer hosten oder in eine Spiele-Engine importieren können. Rechnen Sie mit einer Trainingsdauer von wenigen Minuten (bei Smartphone-Apps) bis weniger als eine Stunde (bei Desktop-Anwendungen mit großen Datensätzen).
Das .ply-Format enthält die Gaussian-Parameter (Position, Kovarianz, Farbe, Deckkraft) und lässt sich in den meisten Viewern und Engine-Plugins laden. Das .splat-Format ist eine leichtere, für Streaming optimierte Variante, die für die Wiedergabe im Web entwickelt wurde. Im Jahr 2026 sind zwei weitere Formate relevant: .spz ist ein kompaktes, verlustbehaftet komprimiertes Splat-Format, das die Dateigröße für die Distribution erheblich reduziert, und die KHR_gaussian_splatting-Erweiterung der Khronos Group integriert Splats in den glTF-Standard für universelle Viewer-Unterstützung. Wählen Sie .ply für maximale Kompatibilität, .spz, wenn die Größe entscheidend ist, und beobachten Sie glTF, während sich die Lage bei den Formaten stabilisiert.
Tool | Eingabe | Ausführungsumgebung | Export | Ideal für |
|---|---|---|---|---|
Polycam | Fotos, LiDAR, Video | iOS, Web, Desktop | .ply, .obj | Schnelle mobile Schnappschüsse |
Luma AI | Fotos, Video | Web,App | .ply, .splat | NeRF + 3DGS hybride Erfassung |
KIRI Engine | Fotos und Video | Mobil, web | .ply | Scannen unterwegs |
Postshot | Bilder | Desktop GPU | .ply | Kostenloses, umfassend steuerbares lokales Training |
Inria-Codebasis | Bilder | Arbeitsplatzrechner (CUDA) | .ply | Recherche und höchste Qualität |
Keine dieser Optionen erzeugt standardmäßig ein spielfertiges Mesh. Genau diese Lücke ist die eigentliche Workflow-Problematik, und hier stocken die meisten "Ich habe ein Splat erstellt"-Projekte.
Das Einbringen eines Splats in eine Echtzeit-Engine ist nichts Besonderes mehr, aber die Unterstützung variiert stark.
Unity bietet den ausgereiftesten Lösungsweg. Das offizielle Unity-Gaussian-Splatting-Paket wird über die Cloud-Toolchain von Unity bereitgestellt und importiert .ply- und .spz-Dateien direkt, wobei Compute Shader für GPU-Sortierung und -Rendering zum Einsatz kommen. Stand 2026 ist dies der Standard für den Produktionseinsatz bei statischen Hintergründen und Viewern.
Ziehen Sie die .ply-Datei ins Projekt, weisen Sie sie dem Splat-Renderer zu, und das Plugin übernimmt die Sortierung und Zeichenreihenfolge auf der GPU. Beginnen Sie mit einigen hunderttausend Gaussians für einen schnellen Funktionstest, bevor Sie eine Aufnahme mit mehreren Millionen Splats laden, die schwächere Hardware überfordern könnte.
Unreal Engine hat auch 2026 noch keine Unterstützung durch Erstanbieter für Gaussian Splatting (Gaußsches Splatting), aber das Plugin-Ökosystem ist inzwischen produktionsreif. Das Luma AI-Plugin (kostenlos auf Fab) ermöglicht per Drag-and-Drop den Import von .ply- und .luma-Dateien mit vorgefertigten Blueprint-Assets, und NanoGS (veröffentlicht im März 2026) fügt Nanite-artige LOD-Cluster, Culling (Ausblendung) und GPU-basierte Sortierung für große Szenen hinzu. Beim Import kann es immer noch zu Detailverlusten kommen, daher solltest du dein spezifisches Splat-Modell frühzeitig testen, bevor du dich für eine Pipeline entscheidest.
Ein Splat mit einigen Millionen Gaußschen Glocken läuft auf einer Desktop-GPU flüssig. Derselbe Splat auf einem Smartphone oder einem Quest-Headset ist eine andere Geschichte. Die Anzahl der Splats, die Sichtweite und die Kosten für das Sortieren pro Frame summieren sich schnell. Planen Sie Komprimierung und Ausdünnung ein, und akzeptieren Sie, dass mobiles Echtzeit-3DGS weiterhin eine Optimierungsaufgabe und kein Standard ist. Browser-Viewer haben sich bis 2026 dank nativer WebGPU-Compute-Shader verbessert, aber Desktop-Engines sind bei großen Szenen weiterhin führend.
Kurz gesagt: Ja, aber es ist nicht kostenlos.
Ein Splat ist eine Wolke aus unscharfen Ellipsoiden, keine Oberfläche. Konvertierungstools rekonstruieren die sichtbare Hülle der 3D-Gaussians als Mesh, aber das Ergebnis ist meist dicht, verrauscht und voller interner Artefakte. Man erhält Geometrie, aber keine saubere Topologie und nichts, was für das Rigging geeignet wäre.
Wenn Sie ein bearbeitbares, animierbares Asset benötigen und nicht ein erfasstes, ist ein Mesh-Generator der schnellere Weg. Zum Erstellen von 3D-Modellen aus eigenen Charakteren ist ein KI-Generator einem Scanner jedes Mal überlegen. Triverse AI verwandelt eine Texteingabe oder ein Referenzbild in ein sauberes, retopologisiertes 3D-Modell, das Sie direkt in Blender übernehmen können. Genau darin liegt der Unterschied: 3DGS erfasst, was sich vor der Kamera befindet, während ein Generator erschafft, was Sie sich vorstellen.
3D Gaussian Splatting und KI-basierte Mesh-Generierung lösen zwei unterschiedliche Teilbereiche desselben Problems: die Überführung eines 3D-Assets von der Idee in die Engine.
Verwenden Sie 3DGS, wenn Sie ein reales Objekt oder einen realen Ort digitalisieren möchten. Verwenden Sie einen KI-Generator, wenn das Asset noch nicht existiert oder wenn Sie ein Mesh benötigen, das Sie bearbeiten, riggen und animieren können. Teams ohne Scan-Equipment oder ein großes Art-Team profitieren am meisten von dieser Arbeitsteilung: Erfassen Sie die Referenz aus der realen Welt, generieren Sie die fehlenden Komponenten und setzen Sie sie in der Engine zusammen.
Wenn Ihr Ziel ein Spiel-ready-Charakter, ein stilisiertes Prop oder alles, was sich bewegt, ist, überspringen Sie das Splatting. Triverse exportiert GLB- und OBJ-Dateien mit sauberer Topologie, die Spiel-ready-Spezifikationen entsprechen, was ein rohes Splat ohne aufwendige Konvertierung niemals erreichen wird. Für einen tieferen Einblick in die Beibehaltung dieser sauberen Topologie lesen Sie unseren Leitfaden für Best Practices für saubere Topologie.
In den meisten Produktionspipelines kommen zwei davon zum Einsatz, nicht nur eines. Das Erfassen realer Referenzen mit 3DGS und das Generieren eigener Teile mit einem Mesh-Editor ist eine gängige und sinnvolle Aufteilung.
Polygonnetz gegenüber Gaussian-Splatting-Punktwolke am Beispiel eines Holzstuhls. Workflow: Von Fotos über ein Gaussian-Splatting-Tool bis zum Viewport in Unity oder Unreal. Photogrammetrie-Netz gegenüber Gaussian-Splatting-Punktwolke gegenüber durch KI generiertem, bereinigtem Netz.
3D-Gauss-Splatting ist der schnellste Weg, um Fotos in eine Echtzeit, fotorealistische 3D-Szene zu verwandeln, durch die man sich tatsächlich bewegen kann. Es schlägt NeRF bei der Geschwindigkeit und Photogrammetry bei der Erfassungszeit, aber es liefert eine Punktwolke, kein Mesh. Das sollte man wissen. Verwenden Sie es für statische Aufnahmen und Umgebungen, kombinieren Sie es mit Photogrammetry oder KI-3D-Generierungswerkzeugen wie Triverse AI, wenn Sie etwas Bearbeitbares benötigen, und Sie werden Ihre Zeit mit dem Erstellen verbringen, anstatt mit dem Kämpfen mit Dateiformaten.
Dennis Kirk is an AI 3D specialist and game developer with more than 5 years of industry experience, mastering production workflows across Unity, Unreal Engine, and Godot. He focuses on demystifying next-generation 3D workflows for creators of all skill levels. His writing spans hands-on technical walkthroughs, asset optimization strategies, and in-depth software reviews, helping developers build faster and smarter.
