Siri bleibt die größte Lücke

Siri AI startet als Beta, also als noch nicht fertige Version, zunächst auf Englisch. Im Oktober sollen Französisch, Japanisch, Koreanisch, Portugiesisch und Spanisch folgen. Deutsch steht nicht auf dieser Liste. In der EU fehlen Siri AI und davon abhängige Funktionen außerdem zunächst auf iPhone, iPad und Apple Watch. Auf unterstützten Macs und der Vision Pro ist Siri AI hingegen auf Englisch zugänglich. Eine bloße Sprachumstellung am iPhone reicht deshalb nicht.

Hinter der EU-Verzögerung steht ein Streit über den Digital Markets Act und den Zugang konkurrierender Assistenten zu Systemfunktionen und Nutzerdaten. Apple sieht den Datenschutz gefährdet. Die EU-Kommission widerspricht: Das Gesetz verbiete keine neuen Produkte; Apple entscheide selbst über den Start. Die Verzögerung allein der EU anzulasten, wäre daher zu einfach. Ebenso wenig ist belegt, dass Deutsch allein wegen des Beta-Status fehlt. Sprachunterstützung und EU-Zugang sind zwei getrennte Fragen.

Fotos-App bekommt die sichtbarsten Verbesserungen

Für deutsche Anwender lohnt sich vor allem ein Blick in Fotos. Mit „Räumliche Neuausrichtung“ lässt sich die Perspektive einer Aufnahme nachträglich verändern. „Erweitern“ ergänzt fehlende Bildbereiche, etwa wenn ein anderer Ausschnitt gewünscht ist. Das verbesserte „Bereinigen“ soll störende Objekte überzeugender entfernen. Die KI erzeugt dabei Bildinhalte hinzu. Das Ergebnis ist also eine bearbeitete Darstellung des Moments.

Auch Image Playground wird vielseitiger. Die App erzeugt nun fotorealistische Bilder und erlaubt Änderungen per Beschreibung oder durch das Markieren einzelner Objekte. Dazu kommen passende Formate für Hintergrundbilder und Kontaktposter. Genmojis sollen ebenfalls besser aussehen und sich durch beschriebene Änderungswünsche anpassen lassen.

Kleine Helfer im Alltag

Safari kann offene Tabs automatisch nach Themen ordnen. Mit „Mitteilung an mich“ überwacht der Browser Webseiten und meldet beispielsweise sinkende Preise oder wieder lieferbare Produkte. Eigene Erweiterungen lassen sich durch eine Beschreibung erstellen. Wer regelmäßig dieselben Seiten kontrolliert, könnte sich damit einige Klicks sparen.

Ähnlich arbeitet „Beschreibe einen Kurzbefehl“: Man erklärt den gewünschten Ablauf, und die App stellt die nötigen Schritte zusammen. Auch Änderungen lassen sich beschreiben. Im Kalender können Nutzer Termine mit einfachen Worten anlegen oder bearbeiten. Solche kleinen Hilfen sind weniger spektakulär als ein neuer Sprachassistent, können aber täglich Zeit sparen.

Die Home-App fasst zusammengehörige Meldungen zusammen. Bei Kameras kommen Beschreibungen von Aufnahmen und eine Suche nach Ereignissen hinzu. Dafür sind passende Geräte, eine Steuerzentrale und für die Videofunktionen ein geeigneter iCloud+-Tarif nötig. VoiceOver und Lupe erhalten ausführlichere Beschreibungen; der Reader für Bedienungshilfen kann Texte zusammenfassen und übersetzen. Hinzu kommt verbessertes automatisches Korrekturlesen.

Die Fußnoten entscheiden

Andere Neuerungen helfen bei deutscher Sprache vorerst wenig: Vorschläge in Mail, Anrufkontext und intelligente Datei- und Ordnernamen starten auf Englisch. Workout Buddy unterstützt Englisch und Spanisch. Die neue KI-Sprachsteuerung ist auf vier englischsprachige Länder begrenzt.

Auch die verbesserte Diktierfunktion kennzeichnet Apple auf seiner Produktseite als englischsprachig. Sie verlangt außerdem neuere Hardware. Vorschläge für Unterhaltungen in Nachrichten folgen erst mit einem späteren Update.

Grundsätzlich benötigen die Neuerungen die Betriebssystemversionen 27 und kompatible Hardware: beim iPhone mindestens ein 15 Pro beziehungsweise ein Modell der 16er-Reihe oder neuer. Auf Macs werden unter anderem Modelle ab M1 unterstützt. Für manche KI-Funktionen gelten tägliche Nutzungslimits; erweiterten Zugang will Apple künftig gegen Bezahlung anbieten.

Für deutsche Nutzer ist das ein Update mit deutlichen Lücken, aber auch mit praktischem Nutzen. Fotos, Safari und Kurzbefehle bieten gute Ansatzpunkte. Die große Hoffnung auf eine deutschsprachige Siri, die persönliche Zusammenhänge versteht und Aufgaben übernimmt, bleibt dagegen offen. Apple sollte deshalb klarer zeigen, was heute auf welchem Gerät und in welcher Sprache funktioniert.

Vergleich mit dem iPhone 18 Pro

Wer verstehen will, warum das iPhone Duo so teuer ist, beginnt wahrscheinlich beim iPhone 18 Pro. Dazu kommen ein faltbares Innendisplay, ein zweiter Bildschirm und ein aufwendiges Scharnier. Dass diese Zutaten den Preis nach oben treiben, leuchtet ein.

Bei gleicher Speicherausstattung liegt das Duo stolze 850 Euro über dem iPhone 18 Pro.

Um das Rätsel noch rätselhafter zu machen, sollte man auch bedenken, dass das iPhone Duo manche Dinge nicht bietet, die bei den iPhone Pro zum Standard gehören: Es besitzt beispielsweise kein separates Teleobjektiv, keine Face ID und keinen LiDAR-Scanner.

Vergleich mit dem iPad mini

Man kann die Rechnung allerdings auch andersherum aufmachen: Ein iPad mini bietet bereits einen Bildschirm in ungefähr derselben Größenordnung. Mit 256 GB Speicher kostet es als WLAN-Modell 809 Euro, mit Mobilfunk 979 Euro. Gegenüber dem iPad mini mit Mobilfunk beträgt der Abstand enorme 1.320 Euro. Das gilt sowohl für 256 als auch für 512 GB.

Die Frage ist nun: Was müsste man verändern, damit aus dem iPad mini ein faltbares Telefon wird? Und würde dieser Umbau wirklich einen Verkaufspreis von 2.299 Euro erklären?

Technisch müsste man am iPad mini erheblich mehr verändern, als es in der Mitte faltbar zu machen. Sein 8,3-Zoll-LCD würde durch ein faltbares 7,6-Zoll-OLED ersetzt, ergänzt um ein äußeres 5,4-Zoll-OLED. Beide Duo-Displays unterstützen adaptive Bildwiederholraten bis 120 Hz. Außerdem steht dem A17 Pro des iPad mini ein neuer A20 Pro gegenüber.

Ist es das Display?

Laut einem Bericht unter Berufung auf den Leaker »Instant Digital« soll Apple rund 250 US-Dollar pro faltbarem Displaypanel an Samsung Display zahlen. Bestätigt ist diese Zahl nicht. Falls sie stimmt, wäre das Display zweifellos eine kostspielige Komponente.

Auch Ausschuss und Nacharbeit könnten deshalb eine Rolle spielen. Dazu kommen Entwicklungskosten, Werkzeuge und Prüfverfahren, die sich bei kleinen Stückzahlen auf weniger verkaufte Geräte verteilen.

Es ist möglich (aber rein spekulativ), dass das Display nicht direkt verbaut werden kann. Apple spricht von zehn Schichten, die über das Display gelegt werden, um die gewünschte Stabilität zu erreichen. Liefert Samsung das gleich mit oder muss Apple das OLED-Panel erst auf diese Weise fit machen für das Duo?

Ist es die Mechanik?

Apple beschreibt ein Scharnier mit mehr als 100 Komponenten. Es ist nicht allein diese hohe Zahl, sondern die Tatsache, dass es bewegliche Teile sind. Ein normales iPhone kann fast völlig automatisiert bestückt werden. Ein Roboter platziert die winzigen Bausteine auf der Platine. Es ist einfach, die Platine als Ganzes in das Gehäuse zu schrauben. Mechanische Teile hingegen, die auch noch mit Federn ausgestattet sind, könnten deutlich aufwändiger sein.

Dabei sollte man auch bedenken, wie dünn die zwei Hälften des iPhone Duo sind. Wenn man dünn bauen möchte, muss man präzise bauen. Präzise ist ein anderes Wort für teuer.

Man muss sich nur das iPhone Air anschauen: Es ist ebenfalls sehr dünn, benötigt aber keine mechanischen Bauteile.

Ist es der Profit?

Vermutlich ist die Fertigung noch nicht so optimiert wie bei den anderen iPhones. Hinzu kommt, dass die bisherigen iPhones sehr profitabel sind. Warum sollte Apple eine neue Modellreihe auf den Markt bringen, die die Kunden umsteigen lässt von einem hochprofitablen Modell zu einem weniger profitablen Modell? Das wäre töricht. Vielleicht konkurriert das iPhone Duo, obwohl es noch nicht so effizient produziert werden kann, mit den etablierten Modellen, in denen fast zwei Jahrzehnte an Optimierungen stecken.

Apple kennt seine Kunden. Es werden anfangs sowieso jene zur Kreditkarte greifen, die sich für die Ingenieurskunst begeistern, und die deswegen nicht mit spitzem Bleistift nachrechnen. Man gönnt sich ja sonst nichts. Man kann die Preise später immer noch senken.

Zwei in einem?

Apple selbst liefert eine bemerkenswerte Preisbegründung. Marketingchef Greg Joswiak sagte laut einem Interviewbericht, das Gerät heiße aus gutem Grund iPhone Duo: Es sei wie zwei Produkte in einem.

Allerdings würde man bei solchen Kombi-Geräten einen Preisvorteil erwarten. Den gibt es aber nicht. Ein iPhone 18 Pro und ein iPad mini mit WLAN, jeweils mit 256 GB Speicher, kosten zusammen 2.258 Euro. Das Duo liegt 41 Euro darüber. Das Duo ist also noch teurer als die separaten Geräte.

Es stimmt zwar: Dafür passt es in die Hosentasche. Aber wenn man nichts spart gegenüber zwei separaten Geräten, geht auch etwas von der Cleverness der Idee verloren. Man benötigt bei einem Kombi-Gerät nämlich nur einen Prozessor, ein Gehäuse, einen RAM-Chip, eine SSD, ein Mainboard, ein Kamera-Modul und so weiter. Da müsste man doch etwas sparen können gegenüber zwei separaten Geräten?

Eins kommt zum anderen

Vermutlich gibt es nicht die eine Ursache, die den hohen Preis erklärt. Zählt man jedoch alle Argumente zusammen, kommt man durchaus in die Nähe. Teures Display, viele Einzelteile, filigrane Mechanik, knifflige Fertigung, hohe Einkaufspreise für RAM und SSD, dazu die enormen Gehälter von John Ternus und Tim Cook — da läppert sich was zusammen.

In der Debatte ist ein Argument immer wieder zu hören. Es wird nicht danach gefragt, ob der Preis gerechtfertigt ist, sondern vielmehr, ob man generell bereit ist, für ein Smartphone so viel Geld zu bezahlen, egal welche Funktionen es bietet. Es gibt anscheinend viele Kunden, die überhaupt nicht darüber nachdenken.

Dann findet man aber auch Kunden, die viel unterwegs sind und den ganzen Tag das iPhone als kleinen Mini-Computer benutzen. Für manche dieser Kunden ist das Duo vielleicht ein »No-Brainer«: gesehen, gekauft.

Aber vielleicht hängt der Erfolg des iPhone am Ende gar nicht davon ab, ob die Hardware den Preis rechtfertigt.

Sondern die Software.

Die zwei Hauptkameras

Die Grundlage bilden zwei Kameras auf der Rückseite. Die 48-Megapixel-Hauptkamera heißt bei Apple „Fusion Main“ und hat eine feste Blende von ƒ/1,6. Dazu kommt eine Ultraweitwinkelkamera mit ebenfalls 48 Megapixeln und ƒ/2,2. Sie nimmt einen größeren Ausschnitt auf und unterstützt Makrofotos, also Aufnahmen aus nächster Nähe. Damit lassen sich sowohl eine Landschaft als auch die feinen Strukturen einer Blüte festhalten.



Ein eigenes Teleobjektiv fehlt. Die Hauptkamera bietet allerdings eine zweifache Vergrößerung, die Apple als „optische Qualität“ bezeichnet. Das sollte man beim Vergleich mit den Pro-Modellen im Kopf behalten: Eine zusätzliche Telekamera steckt dahinter nicht. Wer oft weit entfernte Motive fotografiert, wird deshalb genau hinschauen müssen. Für mich bleibt das eine spürbare Grenze dieses Kamerasystems.

Im Alltag fotografieren die rückseitigen Kameras standardmäßig mit 24 Megapixeln. Die Hauptkamera schafft auch bis zu 48 Megapixel und löst laut Apple ohne Auslöseverzögerung aus. Eine bewegliche Sensorlagerung gleicht Verwacklungen optisch aus. Bei den fotografischen Stilen kommen Regler für Textur und Körnung hinzu. Wer seinen Bildern einen eigenen Look geben möchte, bekommt damit mehr Spielraum.

Spezielle Funktionen des iPhone Duo

Richtig neugierig macht mich Duo Preview. Die fotografierte Person sieht das Livebild auf dem äußeren Display. Sie kann ihre Haltung ändern, den Bildausschnitt prüfen oder sagen, dass die Kamera etwas höher gehört. Ich mag die Idee, dass ein Foto so gemeinsam entsteht. Auch Selfies mit den höher auflösenden Rückkameras sind möglich, während der Außenbildschirm bei der Ausrichtung hilft.



Kid Cue geht spielerischer vor: Auf dem äußeren Display laufen Peanuts-Animationen, die Kinder zur Kamera schauen lassen sollen. Ob das beim eigenen Nachwuchs länger als drei Bilder funktioniert, wird sich zeigen. Den Ansatz finde ich sympathisch. Ein kurzer neugieriger Blick kann für ein schönes Foto schließlich schon reichen.



Noch hilfreicher könnte Smart Take sein. Das halb aufgeklappte Duo lässt sich auf einer Fläche aufstellen. Auf dem Gerät laufende KI erkennt laut Apple, wenn Menschen posieren, und nimmt automatisch Fotos auf. Ich denke dabei sofort an Gruppenbilder, bei denen sonst jemand fehlt oder nach dem Start des Selbstauslösers hektisch ins Bild rennt. Wie zuverlässig die Automatik den passenden Moment trifft, muss ein Praxistest zeigen.

Die Selfie-Kamera

Für Selfies und Videoanrufe gibt es außen außerdem eine Center-Stage-Kamera mit 12 Megapixeln. Sie kann den Ausschnitt erweitern, wenn weitere Personen dazukommen, und Querformat-Aufnahmen ermöglichen, ohne dass man das iPhone dreht. Unter dem inneren Display sitzt eine separate FaceTime-Kamera. Sie liefert Videos mit bis zu 1080p und 60 Bildern pro Sekunde. Apple beschreibt sie als verborgen, wenn sie nicht gebraucht wird. Wie auffällig der Kamerabereich während der Nutzung aussieht, bleibt anhand der vorliegenden Informationen offen.

Duo FaceTime nutzt beide Seiten besonders schön: Eine Person, die bei mir sitzt, kann über das äußere Display samt Kamera am Gespräch teilnehmen. Niemand muss sich neben mich vor denselben Bildschirm quetschen. Dual Capture erlaubt zudem, in FaceTime gleichzeitig das Bild der vorderen und hinteren Kamera zu teilen.

Video

Auch beim Filmen hat das Duo einiges zu bieten. Die Hauptkamera nimmt Dolby-Vision-Videos in 4K mit bis zu 120 Bildern pro Sekunde auf, etwa für Zeitlupen. Kinoeffekte lassen sich nachträglich bei Aufnahmen mit bis zu 60 Bildern pro Sekunde anwenden. Dazu kommen 4K-Zeitraffer in Dolby Vision HDR und ein überarbeitetes Audio Mix, das Stimmen verbessern und Musik isolieren kann.

Fazit

Mein erster Eindruck auf Basis der Ankündigung: Der Reiz dieser Kameras liegt für mich im gemeinsamen Fotografieren. Sich selbst sehen, zusammen posieren, entspannt am Videoanruf teilnehmen – dafür haben die zwei Bildschirme einen klaren Nutzen. Wenn das im Alltag so einfach funktioniert wie beschrieben, dürfte genau das vielen Menschen besonders viel Freude machen.

Gute Technik braucht Rücksicht

Genau deshalb verdienen Apples Funktionen Live Rewind und Siri Recap eine kritische Debatte. Live Rewind soll die letzten 15 Sekunden eines Gesprächs als Text anzeigen können. Siri Recap soll aus dem Gehörten Zusammenfassungen erstellen. Das klingt praktisch: Eine verpasste Information lässt sich nachlesen, eine Gedächtnisstütze entsteht nebenbei.

Doch Bequemlichkeit allein rechtfertigt nicht jeden Eingriff. Entscheidend ist auch, ob die Menschen, deren Worte dabei erfasst werden, davon wissen und mitentscheiden können. Menschen müssen miteinander reden können, ohne ständig darüber nachzudenken, was die Uhr am Handgelenk ihres Gegenübers gerade mithört.

Was machen diese Funktionen?

Live Rewind zeigt auf der Apple Watch einen Textausschnitt an, der das in den letzten 15 Sekunden Gesagte zusammenfasst, wenn man die Digital Crown zweimal drückt. So kann man Gesprochenes nachlesen, falls man etwas verpasst oder nicht verstanden hat. Den Text kann man per Tap in der Siri-App sichern.



Siri Recap erfasst im Hintergrund automatisch Notizen zu den Gesprächen im Laufe des Tages und generiert mit Apple Intelligence allgemeine Zusammenfassungen, die man anzeigen und durchsuchen kann. Oder man fragt Siri, was jemand damals gesagt hatte. Allerdings: Die Zusammenfassungen werden nach 7 Tagen automatisch gelöscht. Aber: Man kann sie vorher speichern, genau wie jeden anderen Text. Auch in der Siri App.

Apple nimmt den Schutz der Daten ernst

Die technischen Schutzmaßnahmen von Apple verdienen Anerkennung. Wir haben sie in einem Artikel zusammengefasst. Hier die kurze Fassung: Nach Apples Beschreibung müssen beide Funktionen ausdrücklich aktiviert werden. Die Verarbeitung der Audiosignale erfolgt auf der Apple Watch und auf dem iPhone in einem besonders geschützten Bereich. Das erfasste Audio soll danach sofort verworfen werden. Eine dauerhaft gespeicherte Tonaufnahme entsteht nicht.

Wo Cloud-Verarbeitung nötig ist, setzt Apple auf Private Cloud Compute. Dieses System soll persönliche Daten auch vor dem Zugriff durch Apple schützen. Zum Konzept gehört außerdem, dass unabhängige Sicherheitsforscher die Schutzmaßnahmen überprüfen können. Das ist mehr wert als die bloße Aufforderung, einem Unternehmen zu vertrauen.

Auch die weitere Nutzung ist begrenzt: Die Synchronisierung über iCloud ist laut Apple Ende-zu-Ende-verschlüsselt. Zusammenfassungen und kurze Textausschnitte werden automatisch gelöscht, sofern Nutzer sie nicht gezielt aufbewahren oder weiterverwenden.

Das sind sinnvolle Vorkehrungen. Sie sollen verhindern, dass aus beiläufigen Gesprächen frei zugängliche Datensammlungen werden. Es wäre unfair, diesen Aufwand einfach abzutun.

Verschlüsselung ersetzt keine Zustimmung

Trotzdem beantwortet Apple damit vor allem eine technische Frage: Wie bleiben erfasste Informationen geschützt? Die soziale Frage bleibt offen: Dürfen sie überhaupt erfasst werden?

Für Betroffene macht es einen Unterschied, ob jemand zuhört oder ein Gerät aus ihren Worten abrufbare Texte und Zusammenfassungen erzeugt. Der Hinweis, es werde keine Tonaufnahme gespeichert, löst dieses Unbehagen nicht auf. Gesagtes kann festgehalten werden, auch wenn die ursprüngliche Audiodatei nicht erhalten bleibt.

Hier liegt die Schwäche des freiwilligen Aktivierens: Freiwillig ist die Nutzung nur für die Person, der die Apple Watch gehört. Wer mit ihr spricht oder daneben steht, hat keinen eigenen Ausschalter. Apple ist das bewusst, deswegen weist Apple darauf hin, dass auch die Privatsphäre der Personen in der Umgebung gewahrt werden soll. Apple nennt folgende Maßnahmen:

• Keine Sprecherzuweisung. Die Audio Intelligence-Features können keine Sprecher identifizieren oder zuordnen. Siri Recap kann Namen enthalten, die im Gespräch erwähnt werden, ordnet die Sprecher aber nicht direkt zu (z. B. „John sagte …“ oder Bezeichnung als „Sprecher A“ vs. „Sprecher B“). Ganz ähnlich kann Live Rewind das Gesagte zwar wortgetreu transkribieren, aber ohne Zitate bestimmten Sprechern zuzuordnen.
• Akustische und visuelle Signale für Live Rewind. Bei Aktivierung des Features gibt der Apple Watch-Lautsprecher einen akustischen Signalton wieder, auch wenn die Apple Watch stummgeschaltet ist oder Kopfhörer angeschlossen sind. Eine Vollbild-Animation und ein Mikrofonsymbol erscheinen auf dem Display, und eine deutlich erkennbare Doppeldruckgeste ist erforderlich, um Live Rewind zu aktivieren. Dies weist Personen in der Nähe darauf hin, dass das Feature aktiviert wurde.
• Ausgelassene Inhalte. Bestimmte Inhalte werden in Siri Recaps ausgelassen, darunter potenziell schädliche Inhalte wie Formulierungen, die Selbstverletzung oder Hassrede fördern, sowie sensible Informationen wie Finanzdaten, behördliche Kennungen, Authentifizierungsdaten und bestimmte persönliche Kennungen.

Das bedeutet: Die Watch zeigt zumindest bei Live Rewind (nicht für Live Recap!) dauerhaft an, dass sie gerade aufzeichnet.

Ist das sicher?

Der entscheide Punkt ist für mich: Das System versteht die Inhalte. Apple schreibt, sensible Daten würden nicht aufgezeichnet. Aber dazu muss das System erstmal verstehen, was sensible Inhalte sind. Es erkennt, wenn jemand seine Kreditkartennummer und die PIN diktiert; oder wenn jemand sein Passwort nennt.

Es geht mir nicht darum, ob das wirklich jemand tun würde. Sondern es geht mir darum, dass ein kleines Gerät am Handgelenk, verbunden mit einem Smartphone und notfalls mit der Cloud, solche Inhalte tatsächlich versteht. Ob es diese Daten schützt oder missbraucht, ist die Entscheidung des Programmierers. Diese Technologie ist ebenso nützlich wie gefährlich.

Die Gefährlichkeit besteht nicht darin, dass etwas aufgezeichnet und später abgespielt wird. Die Gefährlichkeit besteht darin, dass eine KI die Inhalte versteht und auswertet. Apple mag das alles richtig machen — aber wer weiß, was andere Leute so am Handgelenk haben.

Reicht ein Piepston?

Live Rewind soll beim Abrufen einen Ton abspielen und einen deutlichen Hinweis auf dem Display zeigen. Das schafft zumindest Aufmerksamkeit. Aber es setzt voraus, dass alle Anwesenden das Geräusch bemerken, die Anzeige sehen und deren Bedeutung verstehen. Im Alltag ist das kaum selbstverständlich.

Bei Siri Recap ist das Problem noch deutlicher: Laut Apple gibt es für Umstehende keinen erkennbaren Hinweis darauf, dass die Funktion gerade aktiv ist.

Ebenso wenig genügt das automatische Aussortieren bestimmter sensibler Inhalte. Finanzdaten oder Zugangsdaten zu erkennen, mag helfen. Aber ein harmlos wirkender Satz kann im jeweiligen Zusammenhang sehr sensibel sein, beispielsweise in menschlichen Beziehungen und ihren Dramen.

Was folgt nun daraus?

Apples Technik verfolgt erstmal eine nützliche Absicht. Technik, die Gespräche verständlicher macht, ist unbestreitbar nützlich. Es wäre aber verkürzt, wenn man es als reine Hörhilfe betrachten würde. Eine Hörhilfe funktioniert auch ohne KI.

Wir werden in naher Zukunft Geräte haben, deren ganzer Zweck darin besteht, nonstop zuzuhören und ein Transkript zu erstellen. Aber wenn man nicht nur Selbstgespräche führt, ist eine solche Technologie in den meisten Szenarien übergriffig.

Nach meiner Ansicht sollte der Gesetzgeber (und meinetwegen die EU) hier vermitteln. Einfach deswegen, weil hier die Interessen von verschiedenen Parteien abgewogen werden müssen. Es sind eben nicht nur die Nutzer dieser Geräte, die davon betroffen sind. Sondern alle.

Mein Vorschlag an die EU wäre, den Markt für solche Funktionen nicht besonders frei zu gestalten, sondern besonders kontrolliert. Man muss ein Restaurant betreten sicher sein können, nach welchen Regeln hier gespielt wird, und zwar ohne jeden einzelnen Gast fragen zu müssen.

Ich finde außerdem, dass Apples Ingenieure sich in diesen nötigen Prozess einbringen sollten.

Das iPhone bleibt der Mittelpunkt

Ternus stellte gleich zu Beginn klar, wo er die Zukunft sieht: beim iPhone als persönlicher Schaltzentrale. Natürlich verteidigt da jemand sein wichtigstes Geschäft. Trotzdem überzeugt mich der Gedanke. Neu war die Idee des »Persönlichen intelligenten Hubs«, weil es mich an die Strategie des »Digital Hub« erinnert, die sehr lange maßgeblich war. Das war die große Idee, die alles verband. Es gut, erneut eine solche Idee zu haben.



Dass Apple dann die glorreiche Erkenntnis offenbarte, dieses Hub sei (ob man es glaubt oder nicht!) das iPhone, war aufgrund seiner Vorhersehbarkeit ein bisschen peinlich. Aber wahr. — Oder ist es das nicht? Für mich ist es vermutlich eher der Mac, aber das iPhone als buchstäblich dauernder Begleiter ist nicht von der Hand zu weisen. Höchstens lässt es sich mal beim Sport von der Apple Watch vertreten, aber das sind schon Ausnahmen. Es ist keine neue Erkenntnis, aber immer wieder verblüffend, was Apple mit der Smartphone-Revolution gelungen ist.

Ich kann mir gut vorstellen, dass KI unseren Umgang mit dem iPhone verändert. Dass sie das Smartphone überflüssig macht, sehe ich bisher nicht. Gerade weil die Anwender dem iPhone vertrauen, ist es in einer ganz anderen Position als andere Geräte, die sich dieses Vertrauen erst noch erarbeiten müssen. Beispielsweise Geräte von Meta oder OpenAI.

Apple Intelligence und Siri AI

Die neue Siri wirkt in der Vorstellung wie ein Assistent, der Fragen beantworten und Aufgaben erledigen kann – auch mit Informationen, die auf dem eigenen Gerät liegen. Die gezeigten Szenen wirkten real (beim Einkaufen, am Bahnhof), auch wenn ich mich frage, ob sie meinen Bedarf tatsächlich treffen. Aber in den Demos war deutlich zu sehen, dass komplexe Fragen ohne Friktion erledigt wurden. Daten auf dem Gerät, lokale Intelligenz, und Server-Wissen kombiniert. Durchaus eindrucksvoll.



Gut finde ich Apples Einsatz für KI, die direkt auf dem iPhone arbeitet. Nicht jede Anfrage sollte einen Umweg über einen Server brauchen. Die neuen Chips schaffen dafür mehr Spielraum. Dennoch ist mir aufgefallen, wie oft Apple darauf hingewiesen hat, dass es ohne Server nicht funktioniert. Diese zweistufige Intelligenz ist eine gute Idee.

Eine Apple Watch, die mithört

Bei den neuen Funktionen der Apple Watch bin ich hin- und hergerissen. »Live Rewind« zeigt an, was jemand in den vergangenen 15 Sekunden gesagt hat. »Siri Recap« erstellt Zusammenfassungen von Gesprächen. Wer schon einmal einen wichtigen Satz verpasst hat, versteht den möglichen Nutzen sofort. Auch die Einschränkungen und Sicherheitsmaßnahmen fand ich überzeugend. Es ist eben gerade nicht so, dass die Watch immer und überall mithört. Sondern nur dann, wenn der Anwender es will und benötigt, von Situation zu Situation.



Apple betont, dass keine Audiodateien gespeichert werden und Apps keinen Zugriff auf die Audiodaten haben. Wir werden uns wohl noch mit der interessanten Technik beschäftigen, die das garantiert. Aber ob sich das gesellschaftlich durchsetzen lässt, ist eine andere Frage. Obwohl ich denke, dass Apple die Funktion gut implementiert hat, kann ich gewisse Zweifel nicht vertreiben.



In der EU bekommen wir es ohnehin nicht. Langsam fühle ich mich echt abgehängt.

iPhone Duo

Die Vorstellung des iPhone Duo war fantastisch. Ich mag es, wenn solche Neuheiten ausführlich erklärt werden. Am Ende war ich dennoch etwas erschöpft angesichts der vielen Details. Das ist aber keine Kritik. Allenfalls könnte man das Tempo etwas reduzieren. Bei den Live-Keynotes durfte man auch mal durchatmen, wenn das Publikum applaudierte. Die enorme Qualität von Apples Animationen und die vielen optischen Details, die da auf einen einprasseln, muss man erstmal verarbeiten. Vielleicht achte ich auch zu sehr darauf. Ich bewundere Apples Mannschaft für diese Videos und Animationen sehr.



Apple hat zunächst erklärt, was seine Herangehensweise bei einem faltbaren Smartphone ist. Warum es dieses Seitenverhältnis hat, diese Größe, diese Displays. Für mich gehören diese Erläuterungen zu den Highlights. Apple wirft nicht unbedacht das nächste Gerät auf den Markt, sondern durchdenkt es gründlich. Darin einen Einblick zu erhalten, ist wirklich interessant.



Die Hardware scheint fehlerfrei zu sein, in dem Sinne, dass man die Entscheidungen nachvollziehen kann und alles sehr hochwertig wirkt. Die ersten Hands-on-Berichte scheinen das zu bestätigen.



Unschlüssig bin ich bei der Software. Zwar hat Apple viele clevere Funktionen gezeigt. Beispielsweise, dass Buttons an der Seite platziert werden und sogar das Dock an die Seite rückt. Jedoch fand ich die vielen Icons rätselhaft. (Die unbeschrifteten Icons sind eine Idee von Liquid Glass.) Und trotz der vielen plausiblen Demos, was man nun mit dem großen Display anfangen sollte, muss ich doch sehr darüber grübeln, ob ich irgendwas davon gebrauchen kann. Das ist keine Kritik an der Software. Wenn man’s nicht braucht, spart man Geld. (Theoretisch.)



Mein iPad mini mag ich sehr. Hier würde ich die Frage nicht stellen, ob ich’s brauche. Für iBooks und Webseiten ist es wirklich gut. Außerdem: Ich mag es einfach. Warum soll es dann beim iPhone Duo anders sein? Einerseits denke ich mir: Ohne Zweifel wäre es toll, ein iPhone Duo zu haben! Andererseits denke ich mir: Brauche ich sowas jederzeit in meiner Hosentasche?



Der hohe Preis könnte bei dieser Abwägung helfen. Die Preise sind jenseits von Gut und Böse. Völlig irre. Mit 512 GB Speicher landet man bei etwa 2.500 Euro. Ist das noch ein iPhone? Ich verstehe auch nicht, warum es so teuer sein muss.



Sicherlich zeigt das iPhone Duo große Ingenieurskunst. Aber diese wird am Ende zusammen mit dem Preis bewertet. Und so kann es geschehen, dass es als Produkt am Ende vielleicht missraten ist. Ich werde dieses harte Urteil nicht fällen, bevor ich das Gerät getestet habe. Aber dass es zu diesem Preis eine sehr hohe Hürde überspringen muss, ist unbestreitbar. Für 1.500 Euro wäre es eine ganz andere Abwägung.

Das iPhone 18 Pro ist weiterhin eindrucksvoll

Zwar ist jetzt das iPhone Duo überall in den Schlagzeilen. Dennoch war es für mich verblüffend, wie viele spektakuläre Technologien und Fähigkeiten das iPhone 18 Pro bietet. Es braucht sich nicht hinter dem Duo zu verstecken. Prozessor, Akkulaufzeit, Kameras: alles atemberaubend. Diese Merkmale sind nützlich im Alltag, erwiesenermaßen. Nicht spekulativ, wie beim Duo. Als Allrounder in allen Lebenslagen ist das iPhone 18 Pro fantastisch. Man weiß es, ohne es testen zu müssen: So ein großer und leistungsfähiger Akku ist hilfreich; und so ein schneller und effizienter Prozessor ist nützlich. Man muss nicht erst darüber nachdenken.



Die Preise sind auch beim iPhone 18 Pro so hoch (gerade bei den höheren Speichergrößen), dass am Ende alle Ingenieurskunst vielleicht vor der Frage zurücktreten muss, ob man die 18er-Generation überspringt. Sicherlich kann Apple bei einem Spitzenmodell auch den üblichen Hunderter extra verlangen. Premiumtechnik hat einen Premiumpreis, niemand stellt das infrage. Aber es gibt eine Grenze. Wenn sinnvolle Konfigurationen bei 1.600 Euro anfangen und rasch die Marke von 2.500 Euro überspringen, kommt man ins Grübeln.



Immerhin bekommt man ein sehr gutes, sehr langlebiges, sehr bewährtes, sehr ausgereiftes Produkt. Man kauft es, es tut an der Kasse einmal weh, aber es verrichtet dann klaglos seinen Dienst, ununterbrochen, Tag und Nacht, in jeder Lebenslage. Mehr kann man eigentlich nicht verlangen. Und doch…

Es stimmt immer noch

Apples Geheimrezept, das am besten bekannte Geheimrezept der Welt, funktioniert weiterhin. Rastlose Innovation, hohe Qualität, eigene Technologien und ein nahtloses Zusammenspiel von Hardware und Software aus einer Hand sind einfach nicht zu schlagen.



Die aktuelle Führungsmannschaft besteht aus Spezialisten für Hardware und Software, begleitet von Spezialisten für Fertigung und Logistik. John Ternus ist als CEO vermutlich eine gute Wahl, um diese Tradition fortzuführen. Man müsste eigentlich erwähnen, dass die gerade vorgestellten Produkte allesamt noch aus der Ära Tim Cook stammen, aber das stimmt nur teilweise. Denn John Ternus hat diese Hardware-Entwicklungen geleitet.



Wenn er so weitermacht, wird alles gut.

Wann ist das nächste Apple Event?

Wie gut ist GPT 6 »Astra«?

In zwei Worten: unglaublich gut. Das Modell ist nicht grundlegend anders als der Vorgänger. Aber es ist besser in dem Sinne, dass es schönere User-Interfaces erzeugt und ohne Aufforderung einen Haufen Funktionen einfügt, an die man gar nicht gedacht hatte. Astra ist sehr »proaktiv«. Es durchdenkt die Aufgaben und findet dabei neue Aspekte, die es direkt löst, ohne nachzufragen.

Dadurch verblüfft es, weil man nicht damit rechnet. Es versucht ständig, die Erwartungen zu übertreffen. Während meiner Tests habe ich immer wieder gedacht: »Du krichst die Tür nicht zu…!«, was auf hochdeutsch so viel bedeutet wie »Das ist kaum zu glauben«.

So ist es geschehen

Um 5 Uhr morgens (sonntags!) habe ich, weil mir die Idee nicht aus dem Kopf ging, einen Plan geschrieben für eine automatisierte Bild-Datenbank. In dem Plan habe ich festgelegt, was ich mir von der App wünsche. So beginne ich jedes Projekt mit einer KI.

Anschließend habe ich den Plan mit Astra diskutiert und immer weiter verfeinert. Das hat gute drei Stunden gedauert, bis etwa 8 Uhr morgens. Diese langen Besprechungen mit dem KI-Modell sind mein bester Trick.

Als alles geklärt war, gab ich den Startschuss:



Der Screenshot oben ist tatsächlich sehr interessant. Denn er zeigt, dass Astra eine Stunde und fünfunddreißig Minuten ohne Unterbrechung gearbeitet hat. Ich verwendet meist die Einstellung »Sehr hoch«, was bedeutet, dass das Modell für jeden Schritt besonders lange nachdenkt.

Diese Fähigkeit, so lange an einem Problem (bestehend aus vielen Teilschritten) zu arbeiten, ist eine neue und große Errungenschaft. Je länger die Modelle an einer Sache arbeiten können, desto schwieriger können die Aufgaben sein.

Ich bin während dieser Zeit zum Bäcker gegangen und habe ein schönes Sonntags-Frühstück nachgeholt. Es war ein gutes Gefühl, zu wissen, dass in dieser Zeit eine KI für mich arbeitet.

Hier ist das Ergebnis:



Und dies:

Das Ergebnis

Es ist eine komplette Mac-Applikation mit allem drum und dran. Als sie erstmals startete, war es genau 9:58 Uhr.

Das bedeutet: Es hat von 5:00 Uhr bis 9:58 gedauert, knapp fünf Stunden, von der ersten Planung bis zur fertigen App.

Die App kann Webseiten einlesen und findet darin die Bilder ab einer brauchbaren Größe. Die App liest den Text der Webseite, um eine kurze Beschreibung für jedes Bild zu erzeugen. Sie findet Schlagworte und sie erkennt, ob das Produkt von vorne oder von hinten dargestellt wird. Die App erkennt sogar, ob es sich um ein neues Produkt handelt. — Das sind sehr komplexe Funktionen.

Klar, danach ist man noch lange nicht fertig. Beim Testen erwachen weitere Wünsche. Hier ein Menü, da eine Abkürzung. Man entdeckt Spezialfälle, für die man die Regeln etwas anpassen muss. Nach etwa sieben oder acht weiteren Stunden war auch dieser Feinschliff abgeschlossen. Das dauert normalerweise viele Tage, oft auch Wochen.

Gegen 17 Uhr beendete ich meine Arbeit und widmete mich den TV-Berichten über die Landtagswahl in Sachsen-Anhalt. (Es wäre wohl besser gewesen, wenn ich auch das an die KI delegiert hätte.)

Astra bedient den Computer

Um die Funktionen zu testen, wollte ich die letzten 20 Pressemeldungen von Apple einlesen. Dazu hätte ich die URL der jeweiligen Pressemeldung eingeben müssen, um anschließend zu kontrollieren, ob der Import wie erwartet funktioniert.

Dafür war ich aber zu faul. Einer der wichtigsten Tricks, den ich mir von anderen Entwicklern abgeschaut habe, lautet: Sei unverschämt! Man kann von den KI-Modellen inzwischen Dinge verlangen, die einfach nur dreist sind. Deswegen habe ich Astra mitgeteilt, dass ich nun diese 20 Meldungen importieren müsse; und scheinheilig gefragt, wie es mir dabei helfen könne.

Astra antwortete, dass es die Aufgabe einfach selbst übernähme — und legte direkt los. Das ist ein Beispiel für das »proaktive« Verhalten: Astra rast sofort los, wenn es irgendwo eine Aufgabe entdeckt.



Interessant ist aber, wie es die Aufgabe löste. Es führte einen zweiten Mauspfeil und bediente die App damit. Neu ist die Geschwindigkeit, mit der das inzwischen möglich ist. Das Video zeigt einen Ausschnitt aus dieser Phase:

Fazit

Ich habe innerhalb eines Tages eine komplette und durchaus komplexe Mac-Applikation erzeugt, inklusive Tests, Dokumentation und ersten Verfeinerungen.

Die technische Qualität der App und das Design sind exzellent. Es ist richtig, richtig, richtig gut. Es ist sogar haarsträubend gut. Es ist Du-krichst-die-Tür-nicht-zu-gut.

Die Fähigkeit zur Programmierung ist nur eine Facette. Das Modell kann auch viele andere Dinge. Allgemein gilt: Es versteht sehr gut, was man will. Und es ist verflixt schlau. Und schnell.

Die Arbeit ist getan. Ich bin zufrieden.

Mal sehen, was ich morgen mache.

AGI – das große Ziel

AGI steht für Artificial General Intelligence, auf Deutsch künstliche allgemeine Intelligenz. „Allgemein“ ist der wichtige Teil. Ein Schachprogramm kann den Weltmeister schlagen, ist aber außerhalb des Schachbretts nutzlos. Eine AGI soll dagegen viele verschiedene geistige Aufgaben verstehen, neue Aufgaben lernen und Wissen zwischen Bereichen übertragen. Sie braucht dafür weder Bewusstsein noch Gefühle. Entscheidend ist, was sie leisten kann. OpenAI definiert AGI seit Jahren als stark selbstständig arbeitende Systeme, die Menschen bei den meisten wirtschaftlich wichtigen Aufgaben übertreffen. Forschende von Google DeepMind schlagen eine feinere Skala vor: Man solle Breite, Leistungsniveau und Selbstständigkeit getrennt bewerten. AGI wäre dann eher eine Reihe von Stufen als eine einzige Ziellinie.

Nach dieser Sicht ist Astra ein starkes Argument für den Ausdruck „AGI-Ära“. Das Modell kann nicht nur Fragen beantworten. Es recherchiert, programmiert, analysiert Daten und erstellt fertige Dokumente, Tabellen oder Präsentationen. In Codex, OpenAIs Arbeitsumgebung für KI-Agenten, kann es Ordner lesen, Dateien anlegen und ändern, Programme ausführen und Ergebnisse prüfen. Anstelle von: „Schreibe mir eine Anleitung“ wird nun eine komplexe Tätigkeit möglich, etwa: „Prüfe diese 200 Dateien, sortiere die Daten, baue eine Tabelle mit Diagrammen und liefere einen Bericht.“ Für Apple-Anwender könnte eine Aufgabe lauten: „Finde den Fehler in meinem SwiftUI-Projekt, ändere den Code, starte die Tests und zeige mir das Ergebnis.“

Computer Use

Besonders wichtig ist Computer Use. Dabei sieht die KI die Oberfläche einer App, klickt auf Schaltflächen und tippt wie ein Mensch. So kann sie Informationen aus Nachrichten und Notizen zusammentragen, Formulare ausfüllen, Termine pflegen oder eine Website testen – auch wenn es für die App keine besondere Schnittstelle gibt.

Mit GPT-5.6 Sol war das oft quälend langsam. Astra erledigte OpenAIs simulierte Computeraufgaben in rund 47 Prozent weniger Zeit; zusammen mit der überarbeiteten Codex-Umgebung wurden Browser-Aufgaben 1,9-mal schneller abgeschlossen (also die Bedienung einer komplexen Webseite). Damit nähert sich die Bedienung dem Tempo eines Menschen, auch wenn das noch kein allgemeiner Beweis für Menschengeschwindigkeit in jeder App ist.

Eine neue Ära?

Die Testergebnisse erklären zugleich, warum Brockman von einer „Ära“ und nicht von einem eindeutigen AGI-Sieg spricht. Beim ARC-AGI-3-Test muss ein System unbekannte, spielartige Welten erkunden, deren Regeln erkennen und Handlungen planen. Astra kam mit OpenAIs eigener Gedächtnistechnik auf 99,9 Prozent und benötigte bei fast allen gelösten Aufgaben weniger Schritte als der typische Mensch. Diese Technik weicht aber vom ursprünglichen Test-Szenario ab: In der ursprünglichen Testumgebung, ohne die spezielle Technik, erreichte es nur 62,7 Prozent. Die ARC Prize Foundation (die den Test entwickelt hat) spricht tatsächlich von einem großen Sprung, betont aber: Der Test besteht aus kleinen, abgeschlossenen Welten und beweist keine allgemeine Intelligenz. Anders gesagt: Eindrucksvoll, aber nur ein Test von vielen. Auch OpenAIs andere Prüfungen zeigen ein gemischtes Bild. Manche Mathematik- und Sicherheitsaufgaben beherrscht Astra fast vollständig, bei breiten Wissens- und Arbeitsaufgaben liegt es oft nur zwischen etwa 40 und 70 Prozent.

Allerdings: Menschen würden ebenfalls nicht alle Tests zu 100 Prozent bestehen. Und das ist die Messlatte für AGI: Ein System zu schaffen, dass bei den meisten Aufgaben so gut abschneidet wie es Menschen normalerweise gelingen würde. Nur sind Menschen eben sehr unterschiedlich.

AGI schien für Jahrzehnte so außer Reichweite, dass man sich nicht groß darum bemühen musste, es klar zu definieren. Meist wird AGI so verstanden, dass eine KI besser programmieren können muss, als es »normale Menschen« können, um den Test zu bestehen. Aber, und das wird oft übersehen: Gemeint sind Fachgebiete, beispielsweise »normale Programmierer« und »normale Mathematiker« (falls es sowas überhaupt gibt, man ist noch auf der Suche). Wenn man diese einzelnen Fähigkeiten kombiniert, dann ist das schon außergewöhnlich intelligent. Denn welcher »normale Arzt« kann schon so gut programmieren wie ein »normaler Programmierer«? Insofern wäre das Erreichen von AGI mehr, als einfach nur mit dem Menschen gleichzuziehen.

Ist es gelungen?

Ist Astra also AGI? Wenn man dem Begriff nicht zu viel abverlangt, kann man das vertreten. Ein verlässlicher Ersatz für einen Menschen, der sich in fast jede neue Lage einarbeitet, ist es noch nicht. Ein Modell kann einen schwierigen mathematischen Beweis unterstützen und kurz darauf an einer missverständlichen Schaltfläche scheitern. Es wird also nach und nach Bereiche geben, bei denen das Siegel »AGI« gerechtfertigt ist, und das ist neu.

OpenAI betont, dass GPT 6 Astra vor allem sehr gut darin wäre, die Intention des Menschen zu verstehen. Das ist eine wichtige Eigenschaft, denn selbst das klügste Modell ist für den Menschen nicht nützlich, wenn es nicht versteht, was der Mensch will.

Was kommt als nächstes?

Nach AGI käme theoretisch ASI, die Artificial Superintelligence. Damit ist ein System gemeint, das selbst die besten Menschen in fast allen wichtigen geistigen Bereichen weit übertrifft. Eine solche KI existiert bisher nicht. Der mögliche Übergang könnte sich beschleunigen, wenn KI einen großen Teil der KI-Forschung selbst übernimmt: Sie könnte neue Modelle entwerfen, Versuche ausführen und ihre Ergebnisse verbessern. OpenAI nennt einen automatisierten KI-Forscher bereits als Ziel für die kommenden Jahre. Daraus könnten schnellere Fortschritte in Medizin, Energie und Technik entstehen – zugleich aber größere Gefahren durch Cyberangriffe oder Entscheidungen, die Menschen kaum noch prüfen können.

Interessant ist dabei, dass AGI (also das Erreichen der menschlichen Intelligenz) eine Ziellinie darstellt, auch wenn sie unscharf ist. Aber ASI ist unbegrenzt. Vielleicht wird uns AGI irgendwann vorkommen als eine für einen Computer lächerliche Leistungsstufe, vergleichbar mit dem ersten Macintosh mit 128 kByte. Es war ein Meilenstein, aber kaum noch begreifbar, dass man damit tatsächlich arbeiten konnte.

Der nüchternste Schluss lautet daher: Astra ist kein amtlicher Stempel „AGI erreicht“. Es markiert aber einen Wechsel vom Chatbot zum digitalen Mitarbeiter, der Wissen in Handlungen und fertige Arbeit verwandelt. Wenn man unter einer Ära eine Übergangszeit versteht, in der immer mehr menschliche Denkarbeit von solchen Systemen übernommen werden kann, ist es durchaus eine bemerkenswerte Errungenschaft der Ingenieure.

Siri, Agenten und MCP

Was einen Agenten wie Siri so interessant macht, ist die Fähigkeit, mehrere einzelne Schritte zu kombinieren, um ein Ziel zu erreichen. Für das Beispiel mit Frau Müller benötigt Siri zunächst den Zugriff auf das Adressbuch.

Klingt einfach, aber: Siri muss nun herausfinden, welche Funktionen beim Adressbuch zur Verfügung stehen (Suchen, Hinzufügen, Ändern) und welche Felder es gibt (Vorname, Nachname, Rufnummer, usw.). Wenn Siri die Rufnummer gefunden hat, geht es weiter: Nun braucht Siri Zugriff auf die Telefon-App. Auch die Telefon-App hat bestimmte Funktionen und erwartet bestimmte Daten (etwa die Rufnummer).

Woher weiß Siri, wie all die Apps bedient werden müssen und welche Daten sie erwarten? Das ist tatsächlich eine der revolutionären Ideen bei Siri. Jede App enthält eine Beschreibung, die Siri lesen kann.

MCP ist im Grunde genau dies; allerdings nicht für Siri, sondern für alle KI-Agenten. Einfach gesagt ist es eine Liste an Funktionen, die eine App zur Verfügung stellt; außerdem die Daten, die sie dafür benötigt; und eine kleine Anleitung.

In meiner sehr unglücklichen und sehr einsamen Sendung – die leider, wie ich bereits tränenreich beklagte, nur fünf Downloads erzielte – hatte ich orakelt, dass bald jede Software eine solche MCP-Schnittstelle bekommen wird; und dass jede Software in Zukunft viel häufiger per MCP bedient wird, als durch den Menschen. Konkret: Photoshop wird in Zukunft vor allem durch KI-Agenten bedient, und seltener durch Menschen. Klingt komisch, ist aber so.

Hey Siri, werd’ mal konkret!

Jaja, schon gut. Ich werd’ mal konkret.

Für Mac-TV verwende ich eine kleine Datenbank, um Artikel und News zu verwalten. Es ist eine App, in der ich Texte schreiben, ein Bild hinzufügen und per Knopfdruck auf der Webseite veröffentlichen kann. Die App speichert alles in einer Datenbank. So sieht das aus:



Die App hat neuerdings eine MCP-Schnittstelle. Damit kann jede KI, der ich es gestatte, auf die App zugreifen. Als KI verwende ich Codex, eine Variante von ChatGPT. So schalte ich es ein:



Warum ist das nützlich? ChatGPT (oder Codex) kann nun in der Artikel-Datenbank suchen. Dadurch kann ich das KI-Modell fragen: »Welche Artikel wurden veröffentlicht über das iPhone 18 Pro?«. Auch alle Quellen (URLs) sind sorgfältig gespeichert, sodass die KI dort weiter recherchieren kann.

Der Clou: Es gibt in der App eine weitere Datenbank mit Meldungen anderer News-Portale. Und eine Datenbank mit allen Pressemeldungen von Apple. Und eine mit bekannten Fakten über Apple. Und eine mit dubiosen Gerüchten. — All diese Datenbanken sind nun für das KI-Modell durchsuchbar.

Erneut: Was soll das bringen? Das KI-Modell kann also die Datenbank durchsuchen, na und?

Interessant wird es dann, wenn man ChatGPT (oder allgemein jedem KI-Agenten) eine etwas größere Aufgabe stellt. Beispielsweise:

»Recherchiere alle aktuellen Gerüchte und Fakten zur angeblichen variablen Blende des kommenden iPhone 18 Pro, und verwende dazu meine App, aber suche auch im Web nach seriösen Quellen«.

Allein die Komplexität dieses Kommandos ist haarsträubend. Keine App und keine Datenbank kann so ein Kommando verarbeiten. Aber die KI überlegt nun, wie sie die gestellte Aufgabe lösen könnte.

Das ist ein wichtiger Punkt: Früher musste man der KI immer sehr genau sagen, was sie tun soll. Aber diese Ära ist vorbei. Stattdessen formuliert man ein Ziel. Die KI überlegt dann, wie es das Ziel erreichen kann.

Die KI legt los!

Was geschieht nun? Die KI kommuniziert mit der App und probiert etwas herum. Die KI setzt nicht ein Kommando ab, sondern viele, immer wieder. Die KI probiert vielleicht zuerst eine Suche nach »iPhone 18 Pro«, aber auch nach »Kamera« oder »Camera« und hangelt sich damit weiter. Die KI liest sich durch, was in der App über Fakten, Gerüchte und eigene Artikel zu finden ist und trennt diese Kategorien sorgfältig. — Außerdem recherchiert sie im Web, das war der Auftrag.

Man könnte sich fragen: Warum so kompliziert? Warum Datenbanken? Die KI könnte doch einfach bei Google suchen, und fertig. Das machen doch alle so! — Aber in meiner Datenbank sind Gerüchte, Meinungen und bestätigte Fakten fein säuberlich als solche ausgewiesen:



Allerdings enthält die Datenbank kein Wissen über optische Linsen. Dieses Wissen steht bei Wikipedia. Also sucht der Agent auch dort.

Am Ende bekomme ich eine Übersicht über Gerüchte, Fakten und aktuelle technische Entwicklungen. Das ist schon was anderes als einfach die neuesten Gerüchte abzuschreiben.

Das Ergebnis

In meinem Fall hat der KI-Agent herausgefunden, dass es bei der Kamera-Linse zwei widersprüchliche Gerüchte gibt. Einmal heißt es, alle iPhone 18 Pro erhalten die Linse; ein andermal heißt es, nur das Max-Modell würde damit ausgestattet. Der KI-Agent hat mich sofort darauf hingewiesen, sodass ich meinen Artikel entsprechend schreiben konnte. Mein Artikel wurde dadurch präziser.

Ein weiteres Beispiel: Durch die Recherche in meiner Datenbank wusste der KI-Agent ziemlich genau, um was es mir ging. Dadurch konnte ich meine weiteren Anweisungen kurz halten. Als ich dann die Illustrationen erstellt habe, musste ich nicht mehr erklären, dass es um Smartphone-Bauteile ging. Sondern ich konnte mich darauf konzentrieren, bestimmte Funktionen verständlich zu machen. Das ist der große Vorteil, wenn ein KI-Agent alle Informationen erhält: Dann kann der KI-Agent auch gut mitdenken und mithelfen. Hier ist eine Illustration aus dem Artikel:



Warum ist das bemerkenswert? Weder die KI noch meine App hätte eine solche Illustration erzeugen können. Die KI kann zwar Illustrationen erzeugen, verfügt aber nicht über die nötigen Informationen. Meine App verfügt über die nötigen Informationen, kann aber keine Illustrationen erzeugen. Zum Ziel bin ich nur gekommen, weil beides miteinander verbunden war.

Ein letztes Beispiel: In einem anderen Artikel ging es teilweise um die Preise neuer Macs, die derzeit steigen. Der KI-Agent hat automatisch in meiner App nachgeschaut, wie hoch die früheren Preise waren und hat vorgeschlagen, diese Information in den Text einzufügen. Dadurch wurde der Artikel besser und für die Leser nützlicher.

In Zukunft wird alles mit allem verbunden sein.

Sofern wir es erlauben.

Vom Maschinenbau zum Cinema Display

Ternus stammt aus Kalifornien und studierte Maschinenbau an der University of Pennsylvania. Nach dem Studium arbeitete er vier Jahre als Ingenieur bei Virtual Research Systems, einem frühen Hersteller von Geräten für virtuelle Realität. 2001 wechselte er in Apples Produktdesign-Team. Zu seinen ersten Aufgaben gehörten externe Bildschirme wie das Apple Cinema Display. Apple war damals noch ein viel kleineres Unternehmen. Das iPhone, das iPad und die Apple Watch gab es noch nicht.

Schon in dieser frühen Phase lernte Ternus eine Arbeitsweise kennen, die seine Karriere prägen sollte: Ein Produkt wird als ganzes System entwickelt. Gehäuse, Bildschirm, Antennen, Lautsprecher, Akku, Chips und Software müssen zusammenpassen. Es reicht nicht, wenn jedes Team für sich eine gute Lösung baut. Damals ging aber gerade die PC-Industrie in diese Richtung der modularen Bauweise. Apple war in dieser Hinsicht ein Außenseiter.

Das iPad als Langzeitprojekt

Nach der Vorstellung des ersten iPhones im Jahr 2007 wechselte Ternus in die iPad-Entwicklung. Apple schreibt ihm eine leitende Rolle bei jeder iPad-Generation zu. Dazu gehören nicht nur die Tablets selbst. Nach einem Bericht von Bloomberg war er auch wichtig für den Apple Pencil, das Magic Keyboard sowie deren magnetische Lade- und Verbindungssysteme.

Sein Einfluss ging sogar über die Hardware hinaus. Ternus fand, dass das iPad durch seine iPhone-nahe Software gebremst wurde. Der größere Bildschirm und der stärkere Prozessor würden nicht gut genug genutzt. Deshalb drängte er Softwarechef Craig Federighi zu einem eigenen Betriebssystem für das Tablet. Daraus entstand später iPadOS mit stärkerem Multitasking und mehr Funktionen für produktive Arbeit. Dieser Vorgang zeigt, wie Ternus denkt: Gute Hardware ist nur dann nützlich, wenn die Software ihre Möglichkeiten ausschöpft. Dies war in fast jedem iPad-Testbericht die deutlichste Kritik. Verstummt ist sie nie.

Der Mac

2013 wurde Ternus Vice President of Hardware Engineering. Beim sehr dünnen 12-Zoll-Retina-MacBook von 2015 zeigte sich seine Art der Zusammenarbeit besonders deutlich. Antenne und Lautsprecher brauchten beide Platz zum Schwingen, doch im kleinen Gehäuse war kaum Raum vorhanden. Ternus brachte beide Entwicklergruppen zusammen. Sie verbanden die Funktionen in einer gemeinsamen, platzsparenden Baugruppe. Auch die gestufte, treppenförmige Batterie füllte freie Stellen im Gehäuse besser aus. Erstmals wurde sie beim MacBook Air eingesetzt, um sich dem geschwungenen Gehäuseboden anzupassen.

Noch wichtiger war später der Wechsel des Mac von Intel-Prozessoren zu Apple Silicon. Ternus gehörte zu den zentralen Leitern dieses Projekts. Die Umstellung verlangte eine enge Abstimmung von Chipdesign, Computerhardware, macOS und Entwicklerwerkzeugen. Seit dem M1 kann Apple Leistung, Stromverbrauch und Bauform seiner Macs stärker gemeinsam planen. Das machte Geräte wie das lüfterlose MacBook Air möglich und verringerte Apples Abhängigkeit von Intels Zeitplänen. Wie die ausgeklügelte passive Kühlung des MacBook Air funktioniert, haben wir in einer recht aufwändigen Sendung erläutert, die im Archiv zu finden ist.

AirPods, iPhone und die gesamte Hardware

Unter Ternus’ Verantwortung entstand auch die erste Generation der AirPods. Die Ohrhörer wirkten 2016 zunächst ungewohnt, wurden aber zum Vorbild für eine ganze Produktklasse. Später leitete er das Hardwareteam hinter iPhone 12 und iPhone 12 Pro. Diese Generation brachte 5G, MagSafe und ein neues Gehäusedesign in die iPhone-Reihe.

2021 übernahm Ternus als Senior Vice President die gesamte Hardwareentwicklung. Damit verantwortete er die Teams hinter iPhone, iPad, Mac, Apple Watch, AirPods und später auch Vision Pro. In dieser Zeit rückten Haltbarkeit, Reparierbarkeit und neue Materialien stärker in den Mittelpunkt. Apple verwendete neue Legierungen aus recyceltem Aluminium und 3D-gedrucktes Titan für die Apple Watch Ultra. Zuletzt entstanden unter seiner Leitung die iPhone-17-Reihe mit dem dünnen iPhone Air, neue AirPods-Funktionen für Hörgesundheit und das günstigere MacBook Neo.

Auch Fehlentscheidungen gehören zur Bilanz

Nicht jedes Projekt war erfolgreich. In Ternus’ Bereich wurden die Butterfly-Tastatur und die Touch Bar für das MacBook Pro umgesetzt. Beide Ideen kamen vor allem aus Apples damaligem Designteam. Die Tastatur ermöglichte dünnere Geräte, erwies sich aber als störanfällig. Die Touch Bar ersetzte Funktionstasten durch einen schmalen Bildschirm, setzte sich jedoch nicht durch. Apple kehrte später zur Scherenmechanik und zu echten Funktionstasten zurück. Kritisiert wurden jedoch nicht nur die technischen Schwächen, sondern dass Apple zu lange daran festhielt (wie bei der Tastatur) oder sie nicht weiterentwickelte (wie bei der Touch Bar).

Auch die Vision Pro zeigte zwar die immense technische Stärke von Apple, blieb wegen Preis, Gewicht und begrenztem Nutzen aber ein Nischenprodukt. Vielleicht hätte man schon während der Entwicklung erkennen können, dass das Produkt zu viele Probleme mit sich bringt.

Vom Hardwarechef zum CEO

Ternus übernimmt Apple in einer Phase, in der die bisherigen Stärken zwar weiterhin benötigt werden, aber es müssen neue hinzukommen. Künstliche Intelligenz wird vermutlich sehr bald zu einem entscheidenden Faktor. Seine bisherige Antwort, die in diesen Tagen häufig zitiert wird: Apple solle keine Technik nur um der Technik willen ausliefern, sondern daraus gute Produkte und konkrete Erfahrungen für Nutzer machen. Jedoch erkennt man genau an solchen Antworten, wie schnell sich die Dinge ändern können. Die Zeiten, bei denen die Nützlichkeit von KI noch strittig war, sind unter Fachleuten längst vorbei.

Die direkte Leitung der Hardware hat Ternus bereits an Johny Srouji abgegeben. Als CEO muss er nun Software, Dienste, Lieferketten, Politik und Finanzen zusammenführen. Ob ihm dabei noch viel Zeit als Gestalter von Produkten bleibt (wie bei Steve Jobs) oder ob er eher als Verwalter (wie Tim Cook) agieren wird, muss sich erst noch zeigen. Für ihn und das ganze Team sprechen große Kontinuität. Er ist kein Chef von außen, der sich erstmal einige Jahre einarbeiten muss. Die Produkte der nächsten zwei Jahre sind sowieso längst in der Pipeline.

Quellen:
Apple: Tim Cook to become Apple Executive Chairman, John Ternus to become Apple CEO, 20. April 2026
Apple: John Ternus – CEO
Associated Press: Apple’s new CEO John Ternus steps into the spotlight after flying under the radar for years, 21. April 2026
Apple: Dan Riccio beginnt ein neues Kapitel bei Apple, 25. Januar 2021
Bloomberg Businessweek: Apple’s John Ternus Profile: The Likely Successor to Tim Cook as CEO, 2026
TechRadar: What John Ternus told me a decade ago – and why I’m convinced he’s the CEO Apple needs now, 2026
Tom’s Guide: MacBook Neo is only the beginning: Interview with John Ternus and Greg Joswiak, 20. April 2026
Apple: Johny Srouji named Apple’s Chief Hardware Officer, 20. April 2026

Was ist überhaupt eine Blende?

Die Blende ist eine Öffnung im Objektiv. Sie bestimmt, wie viel Licht den Bildsensor erreicht. Eine kleine Blendenzahl wie f/1,6 steht für eine große Öffnung. Eine höhere Zahl wie f/4 bedeutet eine kleinere Öffnung. Bisher arbeitet die Hauptkamera eines iPhone Pro mit einer festen Blende. Die Öffnung bleibt also gleich, während Belichtungszeit, Empfindlichkeit und Software die Aufnahme anpassen.



Tipp: Klicke auf den Titel des Beitrags, um die Bilder größer darzustellen (volle Seitenbreite).

Eine verstellbare Blende gibt der Kamera eine weitere Möglichkeit. Im Dunkeln kann sie sich weit öffnen. So fällt mehr Licht auf den Sensor, die Kamera braucht weniger starke Aufhellung und das Bild kann rauschärmer wirken. Bei hellem Licht kann sie sich schließen. Das hilft besonders bei Videos, weil die Belichtungszeit dann nicht immer extrem kurz werden muss. Bewegungen sehen dadurch natürlicher aus.



Auch die Schärfentiefe ändert sich. Mit einer großen Öffnung wird der Hintergrund eher weich, während das Motiv scharf bleibt. Dieser Effekt entsteht optisch und muss nicht erst vom Porträtmodus berechnet werden. Eine kleinere Öffnung hält dagegen mehr Ebenen scharf. Das ist nützlich für Gruppen, Landschaften oder Dokumente. Bei einem Smartphone ist der Unterschied kleiner als bei einer Systemkamera, weil Sensor und Brennweite viel kleiner sind. Trotzdem kann er sichtbar sein, vor allem bei nahen Motiven.

Wie funktioniert die Technik?

Technisch sitzt im Objektiv eine winzige Iris. Mehrere dünne Lamellen bewegen sich gegeneinander und verändern das Loch in ihrer Mitte. Ein Aktor, also ein sehr kleiner elektrischer Antrieb, stellt die Lamellen ein. Die Kamera kann nur zwischen zwei Stufen wechseln oder viele Zwischenwerte anbieten. Das Xiaomi 14 Ultra zeigt, wie weit diese Technik gehen kann: Seine Hauptkamera regelt stufenlos von f/1,63 bis f/4. Xiaomi nennt sechs Lamellen und einen präzisen 12-Bit-Aktor. Das Huawei P60 Pro bietet eine automatisch verstellte physische Blende von f/1,4 bis f/4.

Das Video unten zeigt die Linse des Xiaomi 14 Ultra:



Der Einbau ist schwierig. Im flachen Kameramodul ist kaum Platz. Lamellen und Antrieb müssen schnell, leise und über Jahre zuverlässig arbeiten. Sie dürfen optische Bildstabilisierung und Autofokus nicht stören. Schon kleinste Abweichungen können bei kompakten Smartphone-Objektiven die Bildschärfe verschlechtern. Zugleich muss das Modul gegen Staub und Wasser geschützt bleiben. Für jede Blendenstellung muss Apple außerdem Fokus, Belichtung, Schärfung und Bildzusammenführung neu abstimmen. Eine sehr kleine Öffnung ist nicht automatisch besser: Durch Beugung kann feine Zeichnung verloren gehen.

Für welche Lösung wird sich Apple entscheiden?

Beim iPhone spricht vieles für eine echte mechanische Lösung. Der Analyst Ming-Chi Kuo nannte Sunny Optical und Luxshare als Lieferanten für den Blendenmechanismus sowie Largan für die Optik. Ein späterer Bericht behauptet, Sunny Optical fertige bereits Aktoren, während LG Innotek die Kameramodule zusammenbaue. Das deutet auf bewegliche Lamellen mit elektrischem Antrieb hin, nicht auf einen reinen Software-Effekt.

Unbekannt bleiben der Blendenbereich, die Zahl der Lamellen und die Bedienung. Apple könnte die Öffnung automatisch wählen und nur in Pro-Apps eine manuelle Kontrolle erlauben. Ebenso offen ist, ob das kleinere iPhone 18 Pro dieselbe Technik bekommt. Sollte sie kommen, wäre sie kein Nachtfoto-Wunder. Ihr größter Wert läge in mehr Kontrolle: natürlichere Videos, besser steuerbare Schärfentiefe und weniger Abhängigkeit von künstlichem Bokeh.

Für die iPhones ingesamt wäre eine mechanische Blende ein großer Schritt nach vorne. Es stößt damit in Bereiche vor, die bisher den »richtigen« Kameras vorbehalten waren. Wenn man sich die Entwicklung der iPhone-Kamera seit der Vorstellung im Jahr 2007 vor Augen führt, ist es kaum zu glauben, wie es sich verbessert hat. Niemand hätte das damals für möglich gehalten.

PS: Die Illustrationen habe ich mit Codex und Image-Gen-2 von OpenAI erstellt.

Das alte Problem mit den richtigen Wörtern

Klassische Sprachsteuerungen arbeiteten häufig mit Schlüsselwörtern. Tauchten in einem Satz Begriffe wie „Musik“, „Song“ und „abspielen“ auf, war vermutlich die Musik-App gemeint. Bei Wörtern wie „Karte“, „Route“ oder „Adresse“ lag die Karten-App nahe.

Dieses Verfahren funktioniert, solange Menschen die erwarteten Begriffe verwenden. In der Praxis sprechen sie jedoch sehr unterschiedlich.

Eine Person sagt: „Spiele Musik zum Entspannen.“ Eine andere bittet: „Ich hätte gern etwas Ruhiges.“ Eine dritte sagt nur: „Mach mal eine entspannte Stimmung.“

Alle drei Wünsche können fast dasselbe bedeuten. Trotzdem enthalten nur einige davon das Schlüsselwort „Musik“. Ein System, das lediglich nach einer festen Wortliste sucht, kann den Zusammenhang leicht übersehen.

Bei ganzen Sätzen wird das Problem noch größer. „Wie stelle ich mein Display dunkler?“ bedeutet fast dasselbe wie „Der Bildschirm ist mir zu hell“. Die verwendeten Wörter unterscheiden sich aber deutlich. Eine einfache Suche findet deshalb vielleicht keinen passenden Eintrag in der Hilfe. Außerdem muss Siri entscheiden, welche App überhaupt zuständig ist.

Bedeutung als Zahlenreihe

Hier kommen sogenannte Embeddings ins Spiel. Der englische Begriff lässt sich ungefähr mit „Einbettungen“ übersetzen. Gemeint ist eine mathematische Darstellung von Sprache.

Ein Embedding verwandelt ein Wort oder einen Satz in eine lange Reihe von Zahlen. Diese Zahlen beschreiben nicht die Schreibweise, sondern bestimmte Merkmale der Bedeutung. Man kann sich das wie eine riesige Landkarte vorstellen: Wörter und Sätze mit ähnlicher Bedeutung liegen nah beieinander. Begriffe ohne Zusammenhang befinden sich weiter voneinander entfernt.

Auf dieser Landkarte würden etwa „Auto“, „Wagen“ und „Fahrzeug“ eine kleine Gruppe bilden. „Apfel“ läge vermutlich näher bei „Obst“ als bei „Schraubenzieher“. Bei Sätzen funktioniert das ähnlich. „Wo bleibt meine Bestellung?“ kann sehr nah bei „Wie prüfe ich den Lieferstatus?“ liegen, obwohl beide Sätze kaum dieselben Wörter verwenden.

Der Computer versteht Bedeutung dabei nicht so wie ein Mensch. Er kann aber den mathematischen Abstand zwischen zwei Zahlenreihen berechnen. Je kleiner dieser Abstand ist, desto ähnlicher ist normalerweise der Inhalt.

Apple erklärt das Prinzip in seiner Entwickler-Dokumentation am Beispiel einer Fotosuche: Wer nach „Wolke“ sucht, könnte auch Bilder finden, die mit „Himmel“ beschrieben wurden. Außerdem können Satz-Embeddings erkennen, dass eine Frage aus einer App inhaltlich zu einem bestimmten Hilfetext passt. Die technische Beschreibung steht in Apples Natural-Language-Dokumentation.

Von der Sprache zur passenden Aktion

Für Siri AI sind solche Bedeutungsvergleiche besonders nützlich. Das System kann eine frei formulierte Anfrage mit den bekannten Fähigkeiten von Apps vergleichen.

Nehmen wir den Satz: „Mach das Foto etwas wärmer.“ Siri muss erkennen, dass es um Bildbearbeitung geht. Dann muss das System eine App finden, die Farbtemperatur oder Filter verändern kann. Schließlich müssen das Foto und der gewünschte Arbeitsschritt an diese App übergeben werden.

Entwickler beschreiben dafür mit App Intents, welche Inhalte und Aktionen ihre Programme anbieten. Eine App kann zum Beispiel mitteilen: „Ich kann Nachrichten senden“, „Ich kann Termine anlegen“ oder „Ich kann Fotos bearbeiten“. Siri übernimmt das Verstehen der natürlichen Sprache und verbindet die Anfrage mit einer passenden Aktion.

Dadurch müssen Entwickler nicht mehr jede denkbare Formulierung vorher aufschreiben. Sie müssen also keine lange Liste wie „spiele“, „starte“, „höre“, „mach Musik an“ und „gib mir einen Song“ pflegen. Apple sagt, dass neue App-Schemas ohne festgelegte Sprechsätze auskommen. Wenn sich Siris Sprachverständnis verbessert, müssen Apps dafür nicht jedes Mal angepasst werden. Apple erläutert dieses Zusammenspiel in einer WWDC-Sitzung zu App Schemas.

Embeddings helfen auch bei der Auswahl von Inhalten. Eine Nachrichten-App könnte Beiträge zum Thema „Urlaub in Italien“ finden, obwohl in manchen Nachrichten nur von „Rom“, „Toskana“ oder „Ferien am Mittelmeer“ die Rede ist. Eine Kalender-App könnte verstehen, welcher Termin mit „mein Treffen über das neue Büro“ gemeint ist.

Hilfe finden, ohne den Fachbegriff zu kennen

Besonders praktisch ist die Technik bei Hilfefunktionen. Anwender kennen oft nicht den Namen der Einstellung, die sie suchen.

Wer schreibt: „Abends blendet mich mein iPhone“, sucht möglicherweise nach der Bildschirmhelligkeit, dem Dunkelmodus oder Night Shift. Eine klassische Stichwortsuche könnte scheitern, weil keiner dieser Begriffe im Satz vorkommt.

Mit Embeddings kann eine App die Beschreibung des Problems mit vorhandenen Anleitungen vergleichen. Die ähnlichsten Texte erscheinen zuerst. So könnte das System Anleitungen wie „Bildschirmhelligkeit ändern“ oder „Night Shift aktivieren“ vorschlagen.

Die App muss dabei nicht unbedingt eine vollständige Antwort selbst erzeugen. Oft reicht es schon, den richtigen vorhandenen Inhalt zu finden. Das kann schneller, verlässlicher und leichter zu prüfen sein als eine frei erfundene KI-Antwort.

Nicht nur für Siri

Die wichtige Neuerung besteht darin, dass semantisches Verstehen nicht auf Siri beschränkt bleibt. Apple stellt Entwicklern entsprechende Funktionen in seinen System-Frameworks zur Verfügung.

Über das Natural-Language-Framework können Apps Embeddings für Wörter und Sätze verwenden. Sie können Abstände zwischen Formulierungen berechnen und eigene Inhalte nach ihrer Bedeutung durchsuchen. Über App Intents und den semantischen Index von Spotlight lassen sich Inhalte und Aktionen zusätzlich für Apple Intelligence und Siri AI bereitstellen.

Damit kann eine Koch-App ähnliche Rezepte finden, eine Support-App passende Anleitungen vorschlagen oder eine Mediathek thematisch verwandte Filme anzeigen. Die Verarbeitung lässt sich in vielen Fällen direkt auf dem Gerät erledigen. Entwickler benötigen dafür nicht zwingend einen großen KI-Server.

Embeddings lösen nicht jedes Problem. Doppeldeutige Sätze bleiben schwierig, und ein kleiner mathematischer Abstand bedeutet nicht immer, dass zwei Texte wirklich dasselbe meinen. Apps müssen deshalb weiterhin prüfen, welche Aktionen sicher sind und wann eine Rückfrage nötig ist.

Trotzdem verändert die Technik grundlegend, wie Computer auf Sprache reagieren. Entscheidend wird, was die Wörter wahrscheinlich bedeuten. Genau dadurch kann sich Siri AI weniger wie eine starre Sprachfernbedienung und mehr wie ein Assistent anfühlen, der auch dann weiterkommt, wenn wir nicht den „richtigen“ Befehl kennen.

Was ich bei der Recherche zu diesem Thema besonders bemerkenswert fand: Apple benutzt hier eine allgemeine Systemfunktion. Jede App kann es nutzen. Die Beispiele, die Apple in der Dokumentation anführt, sind simpel. Auf diese Weise profitiert die ganze Plattform davon.

In der Ansicht "Eigene Meldungen" -> [Meldung] -> Webartikel wird durch das KI-Modell ein Bild erzeugt und in der Sektion "Titelbild" angezeigt. Ich möchte die Anzeige des Bildes so verändern, dass man das Bild per Drag&Drop herausziehen kann, um es lokal zu speichern.

Zusätzlich sollen per Kontextmenü (bei Klick auf das Bild) zwei Menübefehle angezeigt werden:

"Bild kopieren" (diese Funktion kopiert das Bild in die Zwischenablage)

"Bild speichern unter..." (diese Funktion zeigt einen Dateidialog; vorausgewählt ist der Download-Folder des Users).

Setze diese drei Änderungen um. Verwende systemkonforme Methoden, da es sich weitgehend um Systemfunktionen handelt.

Das war alles. Ich beschreibe möglichst exakt, wo ich welche Funktionen haben will. Jeder kann das. Habe ich recht?

Anschließend rumpelte die KI ein paar Minuten vor sich hin. Die KI programmierte die neuen Funktionen und testete sie sorgfältig. Als alles funktionierte, gab sie eine Erfolgsmeldung aus. Ich startete die neue App und alles funktionierte sofort. Dieses Video zeigt die neuen Funktionen:



Um zu beweisen, dass es wirklich so einfach war, hänge ich einen Screenshot ans Ende des Artikels, der den gesamten Chat mit der KI zeigt.

Klar, für richtig große Programme und knifflige Probleme braucht man immer noch kluge Menschen, die sich damit beschäftigen. Ich würde sogar vorhersagen: Man braucht sie mehr denn je. Denn je komplexer die Lösungen werden, die dank KI nun erstellt werden, desto mehr braucht man Leute, die noch kapieren, was zum Kuckuck überhaupt vorgeht. Die Putzkolonne wird nicht nebenher die Software schreiben. So einfach ist es dann doch wieder nicht.

Aber kleine Tools sind dennoch nützlich, wie mein Beispiel zeigt. Die Funktionen fügt man schrittweise hinzu, wie man es gerade braucht.

Die Chefs von OpenAI und Anthropic sagen beide (und unabhängig voneinander), dass solche (kleinere) Software in Zukunft genau so kostenlos sein wird, wie es heute die Google-Suche ist: Man tippt ein, was man gerade braucht, und die Software entsteht unmittelbar und kostenlos.

PS: Hier ist zum Beweis der Screenshot mit dem Chat:

»Apple pretty much runs on Claude.«

Ich halte das für plausibel, denn die Fähigkeiten von Claude oder Codex sind inzwischen atemberaubend.

Um den roten Faden nicht zu verlieren: Apple ist bei Software-Entwicklung eine ganz andere Nummer als Meta. Wie hoch mag dann deren Rechnung an Anthropic ausfallen? — Oder kann man das nicht vergleichen, sofern Apple eigene Server verwendet?

Aber Google Gemini läuft ja auf Googles Servern.

Eine Milliarde Dollar, pauschal, um die ganze Welt mit Siri AI zu versorgen: Das könnte eine der größten Enten sein, die Bloomberg und Mark Gurman in den letzten Jahren verbreitet haben.

Suchbegriffe sind Technik von gestern

Der Suchbegriff und der Inhalt, den man sucht, müssen exakt zusammenpassen. Damit das funktioniert, enthalten heutzutage alle Inhalte einige Schlagworte (Tags), nach denen die Anwender eventuell suchen könnten.

Das Dilemma: Wenn die Begriffe zu spezifisch sind (etwa: »Semantischer Index, Index, Semantik, Vektoren«), dann wird kaum jemand danach suchen. Wenn die Begriffe zu unspezifisch sind (etwa: »Suche«), dann werden zu viele Beiträge gefunden, die mit der Sache nichts zu tun haben.

Zwei kurze Beispiele dazu, hier das erste: Gestern habe ich in unserer Artikel-Datenbank nach »Keynote« gesucht, weil ich wissen wollte, ob die kommende Keynote schon angekündigt war. Das war sie auch. Jedoch habe ich den Eintrag nicht gefunden. Denn streng genommen ist es ja keine Keynote mehr; deswegen war es akkurat gespeichert als »Apple Event«. Beide Begriffe, »Apple Event« und »Keynote«, meinen dasselbe, aber sie stimmen nicht überein. Keynote könnte auch eine App sein.

Das zweite Beispiel: Die Worte »Der Weltuntergang ist nahe!« und »Tokio Hotel moderiert Wetten Dass…?« sind inhaltlich identisch, aber man hätte es mit der klassischen Suche niemals gefunden. Und dann hätte man es womöglich gar nicht bemerkt.

Vektoren sind die Technik von morgen

Spotlight verwendet in Zukunft eine Technologie, die nicht mehr einzelne Stichwörter berücksichtigt, sondern die Bedeutung des ganzen Textes (oder des ganzen Bildes).

Hier muss man genau hinsehen. Es sind zwei Dinge: Erstens die Bedeutung eines Wortes, die Semantik. Dadurch weiß das System, dass ein »Hund« ein Tier ist. Zweitens die Bedeutung des Textes insgesamt. Dort hat der Hund vielleicht nur eine kleine Rolle gespielt. Man kann die Bedeutung insgesamt erfassen, aber das wird unpräzise. Es ist nicht scharf und klar wie ein Laser, sondern eher nebulös wie eine Wolke. Ich habe ja gleich zu Anfang zugegeben, dass die Technik nebulös ist. Da haben wir’s.

Was zunächst wirkt wie eine Schwäche, ist aber in der Praxis eine große Hilfe. Man findet Übereinstimmungen von Dingen, die ungefähr in die gleiche Richtung gehen. Auf diese Weise erkennt es, dass »Apple Event« und »Keynote« in die gleiche Richtung deuten, ungeachtet der Wortwahl.

Gespeichert wird es als eine Art Fingerabdruck, ein Zahlen-Wirrwarr, der sehr viele Aspekte abbildet. Welche Aspekte es sind, ist nicht direkt erkennbar. Es ist unscharf, wie ein Wölkchen. Jedes Wort verschiebt das Wölkchen zu einer etwas anderen Position, einer andere Größe, einer anderen Form, einer anderen Farbe. Mit den eingetippten Suchbegriffen geschieht dasselbe, auch wenn es ganz andere Worte sind. Gefunden wird dann jenes Wölkchen, das der »Such-Wolke« am nächsten ist.

Was hat Mac-TV damit zu tun?

Bei Mac-TV verwenden wir verschiedene Datenbanken, beispielsweise für die Sendungen oder für die Artikel. Auch die Inhalte unserer Sendungen bilden eine Art Datenspeicher.

Dieser Speicher ist sehr wertvoll. Eine App könnte zu jeder neuen Nachricht anzeigen, was wir über das Thema bereits gebracht haben. Ich könnte dann per KI zusammenfassen lassen, was wir über die Ultra-Prozessoren wissen, eine Art Dossier. Vielleicht veröffentlicht Apple einen neuen Ultra-Prozessor, und die App erkennt den Zusammenhang mit unseren früheren Beiträgen automatisch.

Es ist heute üblich (und ausreichend), einfach eine neue Nachricht zu veröffentlichen: Das ist der neue Ultra-Prozessor, fertig. Aber man könnte viel besser über die Hintergründe und Zusammenhänge informieren, wenn es nicht so mühsam wäre. Durch eine semantische Suche per Vektoren könnte es gelingen, die Berichterstattung deutlich zu verbessern.

Dieses futuristische System läuft bei Mac-TV experimentell im »Schattenbetrieb«. Das bedeutet, dass es sich noch nicht auswirkt, aber es testet den ganzen Tag ein Was-wäre-wenn-Szenario. Es liest die üblichen News-Feeds aus den USA und protokolliert, wie oft sich ein Vorteil ergeben hätte, wenn man dazu etwas aus unseren Daten gefunden hätte, was man als Erläuterung hätte hinzufügen können.

Als Datenbank verwendet die experimentelle App derzeit nur unsere Texte, also Artikel und Newsmeldungen, aber noch nicht die Sendungen. Das ist einer der Gründe, warum derzeit viele News und Artikel bei Mac-TV erscheinen. Wir geben dem »Schattenbetrieb« etwas zum Ausprobieren.

Aber gerade bei den Sendungen wäre es ein technischer Durchbruch.

Jedenfalls haben wir erstmal einen Haufen Text umgewandelt in Vektoren. Das ist genau das, was Spotlight macht, sobald man iOS 27 oder macOS 27 installiert. Apple verwendet für diese Umwandlung die lokale KI, und das ist der Grund, warum es langsam ist (aber kostenlos und privat, also die richtige Entscheidung von Apple). Wir verwenden dafür eine KI von OpenAI.

Ob das alles funktioniert? Keine Ahnung! Vermutlich nicht! Aber es macht Spaß, sich damit zu beschäftigen.

So, Schluss für heute. Ich muss zum Apple Store in der Innenstadt.

Da kaufe ich mir den neuen Putzlumpen.

Der funktioniert wenigstens.

PS: Hier noch die zwei Beiträge, damit Ihr nicht suchen müsst:

• Sendung: Apple bringt Spotlight mit KI: Wie funktioniert die Technik?
• Artikel: Spotlight und der semantische Index

Warum ist PCIe 6.0 schneller?

PCIe-Verbindungen bestehen aus einer oder mehreren Datenleitungen, den sogenannten Lanes. Bei PCIe 5.0 erreicht jede Lane eine Datenrate von 32 Gigatransfers (dieses Wort gibt es tatsächlich) pro Sekunde. PCIe 6.0 verdoppelt diesen Wert auf 64 Gigatransfers pro Sekunde.

Möglich wird das durch ein neues Übertragungsverfahren namens PAM4. (Falls es jemandem bekannt vorkommt: In einer Sendung über Thunderbolt wurde dieses Verfahren erläutert.) Frühere PCIe-Versionen unterschieden bei einem Signal zwischen zwei Zuständen und übermittelten damit jeweils ein Bit. PAM4 verwendet vier Signalstufen und kann dadurch zwei Bit auf einmal übertragen. Vereinfacht gesagt gelangen in derselben Zeit doppelt so viele Informationen durch die Leitung.

Weil die vier Signalstufen schwieriger voneinander zu unterscheiden sind, steigt allerdings die Gefahr von Übertragungsfehlern. PCIe 6.0 begegnet diesem Problem mit einer schnellen Fehlerkorrektur sowie zusätzlichen Prüfdaten. Außerdem werden Informationen in fest definierten Datenpaketen, sogenannten Flits, übertragen. Diese Verfahren sollen Fehler erkennen und korrigieren, ohne die Latenz spürbar zu erhöhen.

Nach Angaben der PCI-SIG bietet PCIe 6.0 theoretisch die doppelte Bandbreite von PCIe 5.0. Eine Verbindung mit 16 Lanes erreicht bis zu 256 Gigabyte pro Sekunde in beide Richtungen zusammen. Bei PCIe 5.0 sind es 128 Gigabyte pro Sekunde.

Was bedeutet das beim Mac Studio?

Von der höheren Geschwindigkeit profitieren vor allem Aufgaben, bei denen sehr große Datenmengen am Stück bewegt werden: umfangreiche Video- und Audioprojekte, große Dateiübertragungen oder das Laden lokaler KI-Modelle. Apples Angabe »bis zu 2-mal schneller« ist jedoch ein Maximalwert. Wie groß der Vorteil tatsächlich ausfällt, hängt auch von der SSD-Kapazität, dem Controller und der jeweiligen Anwendung ab. Beim Starten kleiner Programme oder Öffnen einzelner Dokumente dürfte der Unterschied daher deutlich geringer ausfallen.

Weniger ist manchmal weniger

Gerade weil die schiere Rechenkraft selbst des kleinsten Mac Mini so gewaltig ist, stellt sich automatisch die Frage, ob das überhaupt nötig ist? Trifft es die anvisierte Kundschaft? Ich kenne in meinem Bekanntenkreis (abgesehen von den Apple-Nerds) niemanden, der etwas mit zwölf – zwölf! – CPU-Kernen anzufangen wüsste.

Warum probiert man es nicht mit einer echten Mini-Konfiguration? Mit A18, 16 GB RAM, und einer herkömmlichen, austauschbaren SSD auf einem kleinen Modul, wie man es überall für wenig Geld kaufen kann (konnte). Es muss für diese Kunden nicht Apples rasend schneller SSD-Wahnsinn sein.

Denn für manche Kunden sind alle Argumente einerlei, wenn man ihnen eröffnet, dass es bei knapp tausend Dollar oder Euro losgeht.

Apple trägt keine Schuld an der RAM- und SSD-Knappheit. Aber es kann diesen Kunden etwas entgegen kommen mit einem schlankeren Prozessor und einer einfacheren SSD.