World Model, der vermeintliche algorithmische Ersatz für die reale Umgebung, in der biologische Agenten Erfahrungen sammeln und handeln, ist in den letzten Jahren ein aufkommendes Thema geworden, aufgrund des wachsenden Bedarfs an virtuellen Agenten mit künstlicher (allgemeiner) Intelligenz. Es gab viel Diskussion darüber, was ein World Model tatsächlich ist, wie es erstellt werden kann, wie es eingesetzt wird und wie es bewertet werden sollte.In dieser Abhandlung setzen wir uns zunächst mit der Vorstellung aus dem berühmten Science-Fiction-Klassiker „Dune“ auseinander und beziehen Inspiration aus dem Konzept des „hypothetischen Denkens“ in psychologischer Literatur. Wir kritisieren mehrere Ansätze zur Weltmodellierung und argumentieren, dass das primäre Ziel eines World Models darin besteht, alle handlungsfähigen Möglichkeiten der realen Welt für zielgerichtete Überlegungen und Handlungen zu simulieren. Aufbauend auf diese Kritik schlagen wir eine neue Architektur für ein allgemeines World Model vor, die sich auf hierarchische, mehrstufige und gemischte kontinuierliche/diskrete Darstellungen sowie einen generativen und selbstüberwachten Lernrahmen stützt. Dabei geben wir einen Ausblick auf ein physikalisches, agentisches und verschachteltes (PAN) AGI-System, das durch dieses Modell ermöglicht wird.