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.

Mehr Lametta

Die Zahl von zwei Milliarden Kunden ist so gewaltig hoch, dass selbst ein moderater Gebrauch sehr wahrscheinlich zu den größten Server-Projekten aller Zeiten gehört. Irgendwann werden alle diese Kunden freigeschaltet sein. Was dann?

Man liest oft, wie clever es von Apple sei, im Rennen um die größten Rechenzentren gar nicht erst an die Startlinie zu treten. Aber woher kommt nun die benötigte Kapazität? Google wirft auf seiner Webseite frohgemut mit KI-Antworten um sich, kostenlos, und blitzschnell. OpenAI bedient eine Milliarde Kunden, bei Meta sind es zwei. Sie vergrätzen die Kunden nicht mit einer Warteliste. Hätte Apple also doch etwas mutiger sein sollen beim Ausbau der eigenen Datencenter?

Vielleicht werden wir uns daran gewöhnen müssen, dass Anfragen an Siri AI teilweise recht langsam verlaufen. Man hat in den Demos bereits auffällige Wartezeiten gesehen, und das lag vermutlich nicht an der Vielzahl der Anwender. Vielleicht wird es auch öfters Meldungen geben, dass Siri AI gerade nicht verfügbar ist. Oder es wird kaschiert mit einem Rückfall auf eine einfache Web-Suche.

Oder hat Apple einfach Glück? Vielleicht sind die meisten Anfragen so simpel, dass man sie auch on-device verarbeiten kann, und nur ein kleiner Teil braucht etwas Intelligenz. Die meisten Apple-Anwender benutzen Siri doch ohnehin nur für simple Aufgaben wie z.B. »Berechne den Horizontalkoeffizenten H für die Tangentialkomponente T bei einer Ordnungszahl von 4 im mehrdimensionalen Raum« — letztlich Dinge, die man beim Autofahren schnell wissen muss, oder weil man grad mit jemandem diskutiert.

Es sei denn, man hat seine Wohnung mit HomeKit-Lichtschaltern ausgestattet! Dann gibt es wirklich sehr komplexe Anfragen, bei denen die KI teilweise zehn Minuten oder länger nachdenken muss, beispielsweise: »Hey Siri, wie geht hier das Licht an?« — »Hallo!« — »Ist da niemand?« — »Ich brauche Licht. Hallo.« Aber das sind theoretische Grenzfälle.

Wenn es wirklich dauerhafte Engpässe geben sollte, dann wird es vermutlich ein Jahr dauern, bis sie milder werden, und drei Jahre, bis sie beseitigt sind. Die vielen neuen Datencenter, die aktuell in Planung oder im Bau sind, werden in den Jahren 2028 bis 2030 ans Netz gehen.

Größe macht einen Unterschied

Zunächst sollte man sich daran erinnern, wie es vor kurzem aussah. Halbwegs nützliche Modelle verbrauchten so viel Speicher, dass es für normale Anwender nicht in Betracht kam. Die Dateien wurden nicht in Gigabytes gemessen, sondern in Terabytes. Das ist für die ganz großen Modelle immer noch so. Allerdings: Macs mit 2 oder 4 Terabytes (und sei es angeschlossen per Thunderbolt) sind keineswegs selten. Die Frage ist nur, ob man der KI so viel davon gönnt.

Anschließend stellt sich die Frage nach dem RAM. Muss man das komplette Modell in den RAM laden? Es galt als Sensation, als man erstmals mit 64 GB RAM auskam. Dadurch passte es haarscharf in ein MacBook Pro. Ein Laptop!

Das war die Vergangenheit. Heute sieht es viel besser aus. Das neueste Modell von Qwen benötigt 55 Gigabyte auf der SSD. Ja, das ist viel, aber machbar. Ich kenne Leute, die haben 55 Gigabyte Pornos auf der SSD.

Es gibt eine kleinere Variante dieses Modells, das nur 16 Gigabyte auf der SSD benötigt. Zum Vergleich: Eine ReLive-Sendung von Mac-TV braucht zwischen 7 und 8 GB. Das ist eine Größe, die man jedem interessierten Anwender zumuten kann. Adobe-Nutzer schreckt das sowieso nicht: Bereits die AGBs benötigen dort mehr.

Man spürt förmlich, wie die Revolution immer näher kommt. Die Frage ist nicht mehr, ob man es überhaupt in einen normalen Computer quetschen kann, sondern eher, wie schnell der Computer rechnet. Was bekommt man? Was kann das Ding?

Was kann das Ding?

Das neueste Modell Qwen 3.8 kann Bilder und Videos verarbeiten (auswerten) und Bilder erzeugen. Es beherrscht »Reasoning«, d.h. es denkt nach, bevor es eine Antwort auswirft. Kein Modell von Apple beherrscht Reasoning. Es ist also eine ganz andere Generation als Apples eigene Modelle. Vermutlich ist das der wichtigste Grund, warum manche Anwender von KI begeistert sind, während es andere kalt lässt. Die einen verwenden ein Modell mit »Reasoning«, die anderen ohne. Es ist ein Unterschied wie Tag und Nacht.

Das Modell erlaubt eine Eingabe (»Context«) von bis zu 250.000 Tokens. Das sind die Daten, die man dem Modell geben kann, beispielsweise ein PDF, das es durchsuchen soll, oder einen Haufen Mails, oder auch sehr ausführliche Anweisungen. Apples lokale Modelle schaffen nur mickrige 4.000 Tokens, und das ist der Grund dafür, warum sie so wenig können. Mit 4.000 Tokens kann ein KI-Modell nichtmal diesen Artikel lesen und verstehen.

Es kann Werkzeuge bedienen (»Tool Use«). Da ist eine sehr wichtige Sache. Ihm stehen damit all die kleinen UNIX-Kommandos zur Verfügung, die der Mac bietet. Das klingt vielleicht nebulös, aber das macht den Unterschied zwischen einem Modell, das nur quasselt, und einem Modell, das Aufgaben selbst erledigen kann. Riesig!

Und es kann programmieren. Es programmiert die Software, die man gerade braucht, nach eigenen Vorstellungen. Oder es setzt eine Webseite auf, komplett mit Datenbank und allem drum und dran.

Unterm Strich: Qwen 3.8 ist ein sehr leistungsfähiges Modell. Sogar leistungsfähiger, als es selbst die ganz großen Modelle noch vor kurzem waren. Und all das in kompakten 17 GB auf der SSD und im RAM.

Und nochmal: Es ist kostenlos.

Der Nachteil: Es ist sehr viel langsamer als ein Modell, das mit der Kraft eines ganzen Rechenzentrums angetrieben wird. Aber auch hier sind Fortschritte zu erwarten. Man kann noch vieles optimieren.

Meilenstiefel

Ein derart leistungsfähiges Modell in nur 17 GB (oder 55 GB) ist ein spektakulärer Durchbruch. Aber es folgt einer vorhersagbaren Kurve: Die nächsten Durchbrüche werden kommen, schon bald.

Müsste Apple nicht interessiert daran sein, eine Partnerschaft mit Qwen einzugehen, oder mit Alibaba, der Firma, die es herstellt? Oder geht das nicht, weil es aus China kommt? Aber die iPhones kommen ja ebenfalls aus China.

Apples Hardware passt perfekt zu einer lokalen KI. Die Modelle brauchen viel RAM, große GPUs mit direktem Zugriff auf diesen RAM, und eine hohe Bandbreite für den Transport der Daten. Apple hat all das — nur leider derzeit den RAM nicht.

Was noch fehlt ist die Software, die alles einfach macht: Eine gute Integration in macOS, eine simple App für den Anwender, offene Schnittstellen für Entwickler.

Oder vielleicht basteln die Leute von Qwen eine solche App einfach selbst? Man installiert alles mit einem Klick, und schon geht’s los.

Würdest Du eine solche App installieren?

Tele-Linse

Dann heißt es, das iPhone Ultra böte keine Tele-Linse. Es stimmt wohl, dass man mit den heutigen Sensoren und ihren hohen Auflösungen vieles erreichen kann, was zuvor nur eine Tele-Linse schaffte. Man kommt schon klar. Aber gleichzeitig bieten die Pro-Modelle gerade bei der Tele-Linse sehr viel mehr. Das sind ja inzwischen richtige Tele-Objektive. Basti hatte das bei seinem Testbericht über das aktuelle iPhone Pro in der Sendung vorgeführt, seitdem sucht man ihn als Paparazzi! Für das kommende iPhone Pro Max und seinem angeblich nochmals deutlich verbesserten Zoom braucht man eine Genehmigung der NASA! Es heißt, erste Tester hätten damit ein paar neue Planeten entdeckt.

Es ist, wie es ist. Technik kann man sich nicht herbei wünschen.

Allerdings darf man darüber nachdenken, ob es bei all den Kompromissen den Preis wert ist, wenn gleichzeitig ein iPhone Pro Max ebenfalls ein riesiges Display bietet, ebenfalls in die Hosentasche passt, jedoch über FaceID und eine dritte Linse mit Monster-Zoom verfügt und obendrein deutlich billiger ist.

Michael würde sagen, na, dann kauf’ Dir halt das iPhone Pro Max, wenn’s Dir so viel besser gefällt, was soll das Gejammer?

Da haben wir’s! Es heißt iPhone Ultra und kostet sehr viel Geld. Und dann soll ich nicht darüber jammern dürfen? Das gehört bei jedem Apple-Gerät dazu!

Sonst schick’ ich’s zurück.

Abjesehn vom Jelde

Aber mal abgesehen vom Geld: Wofür wäre ein faltbares iPhone wirklich deutlich besser? Wenn ich meine Gedanken schweifen lasse, dann fallen mir vor allem Beispiele ein, die mit Reisen zu tun haben. Das ist natürlich nicht sonderlich originell, weil sogenannte Konvergenz-Geräte (zwei Geräte in einem) immer gut ins Reisegepäck passen. Aber ich meine es nicht als Kompromiss. Sondern ich meine, dass es wirklich besser ist. Hier sind meine besten Beispiele:

Maps im Auto! Man stelle es sich im Geiste vor: Das iPhone Ultra aufgeklappt an die magnetische Halterung geploppt — und schon entfaltet sich dieses wunderbar große Diplay mit der aktuellen Straßenkarte, butterweich animiert, wie das bei Apple Maps so schön gemacht wird… ach, das wäre toll. Die Buttons und die Texte wären groß und leicht lesbar, und man hätte vielleicht noch genügend Platz für ein paar weitere Anzeigen, etwa für den Musik-Player.

Das ist natürlich kein Argument für die ostdeutschen Bundesländer mit ihren neuen Straßen. Aber denkt doch mal an den Westen! Bei den vielen Schlaglöchern lässt sich kein iPhone mit ausgestrecktem Arm bedienen! Man rumpelt über die Straße und kann froh sein, wenn man überhaupt das iPhone trifft. Aber auch hier muss man ökonomisch denken: Ein iPhone Ultra ist billiger, als erstmal das westdeutsche Straßennetz zu sanieren.

Nächstes Beispiel: Im Zug! Wenn die Straßen unbenutzbar werden, fahren wir eben mit der Bahn. Die Bahn ist ein umweltfreundliches, demokratisches und zuverlässiges Fortbewegungsmittel mit einer effizienten Antriebstechnologie. Die gelegentlich auftretenden Verspätungen von ein paar Stunden überbrückt der kundige Fahrgast mit einer Reisebibliothek in digitaler Form. Durch das große Display kann man die Schrift groß genug stellen und muss nicht dauernd scrollen oder blättern. Ich weiß das von meinem iPad mini: Es ist viel angenehmer, ein iBook auf dem iPad mini zu lesen als auf dem iPhone. Hier ist das große Display wirklich klasse.

Im Zug und in der S-Bahn dürfte so ein großes Falt-Display vermutlich unschlagbar sein. In der ersten Klasse im ICE wird es zum unverzichtbaren Statussymbol, um sich vom Pöbel der zweiten Klasse abzugrenzen. So wird es kommen.

Nächstes Beispiel: Als Video-Player im Hotel! Zwar wird das Video auch nicht größer angezeigt als auf einem herkömmlichen iPhone, sofern man auf einem Seitenverhältnis von 16:9 besteht. Aber niemand bucht ein Hotel, um dort Videos zu schauen. Sondern das Video ist nur der schwer entrinnbaren Langeweile im Hotelzimmer geschuldet und beseitigt diese nur teilweise.

Deswegen liegt der eigentliche Clou darin, zusätzlich zum Video noch einen Chat per iMessage zu unterhalten oder eine Webseite zu lesen. Das Video läuft nur nebenher, damit es nicht so still ist. Habe ich nicht recht? Falls das iPhone Fold tatsächlich mehrere Apps gleichzeitig zeigen kann, wäre das für den unruhigen Intellektuellen in Not eine echte Hilfe.

Trotz all dieser Vorzüge ließe sich das iPhone Ultra weiterhin schlank in der Hosentasche verstauen. Man muss es also nicht im Koffer oder im Handgepäck parken, sondern es bleibt stets zur Hand. Das ist dann eindeutig besser als ein iPad mini.

Vielleicht, werte Freunde, ist es also der ultimative Reisebegleiter.

Abgesehen von der geliebten Ehefrau natürlich.

Irgendwer muss ja das Gepäck tragen.

Die Überraschung

Jeder weiß: Apple betont die Wichtigkeit von lokalen KI-Modellen. Warum? Weil sie keine privaten Daten nach außen senden; weil sie ohne Online-Verbindung funktionieren; und weil sie kostenlos sind. Gerade der letzte Punkt ist für App-Entwickler wichtig: Wer zahlt am Ende die Rechnung, wenn man ein großes KI-Modell verwendet?

Nun würde man denken, dass Apple die eigenen Modelle empfiehlt; oder wenigstens jene, die man bei Google lizenziert hat. Doch die kleinen, lokal einsatzbaren Modelle sind für viele Zwecke zu schlecht. Sie taugen nur für sehr simple Aufgaben.

Die Lösung: Apple hat eine Architektur geschaffen, mit der ein App-Entwickler ein beliebiges Open-Source-Modell laden kann. Davon gibt es enorm viele, in allen denkbaren Größen. Man kann sie einfach als Datei laden.

Je größer das Modell ist, desto klüger ist es normalerweise. Aber man sollte natürlich nicht gedankenlos 64 GB auf der SSD verbrauchen. Deswegen muss der App-Entwickler vorsichtig abwägen, was er benötigt und was es dem Anwender wert ist. Und mal ehrlich: Welcher Anwender wird einen Download von 64 GB akzeptieren, wenn er einfach nur eine neue App ausprobieren wollte?

Apples Service

Apple löst dieses Problem mit einem fantastischen Feature, das wenig bekannt ist: Apps können große Dateien (egal welcher Art, beispielsweise auch Videos) im AppStore hinterlegen. Diese großen Dateien werden beim Installieren der App nicht geladen. Dadurch erhält der Anwender einen schnellen Download der App, und er kann sie erstmal ausprobieren. Vielleicht wird die große Datei nicht sofort benötigt.

Sobald die Datei aber benötigt wird, kann man den Anwender vorab fragen, ob er sie wirklich laden will. Man könnte unterschiedlich große Versionen zur Auswahl anbieten. Oder man könnte die Datei automatisch im Hintergrund laden, sobald der Anwender einen bestimmten Bereich der App zum ersten Mal benutzt. Vielleicht zeigt man ihm ein Erklär-Video, und im Hintergrund lädt die große Datei, sodass es der Anwender nicht bemerkt.

Das bedeutet: Wenn die App ein Erfolg wird, können z.B. hunderttausend Anwender eine Datei laden, die vielleicht eine Größe von 32 GigaByte hat — das ist ein riesiger Traffic!

Dass Apple sowas erlaubt und auch noch ermuntert, ist… krass. Man kann ja den AppStore und die gierigen Gebühren kritisieren, aber dann sollte man auch erwähnen, was dafür geboten wird. Diese Funktion ist ein sehr guter Service für die Anwender und für die Entwickler.

Apples Botschaft

Apples Botschaft an die Entwickler ist laut und deutlich: »Denkt Euch erstaunliche Anwendungen aus, wir unterstützen Euch!« Von der Zurückhaltung, die in den Interviews mit Fred Craigerighi oft zu hören ist, fehlt jede Spur. Im Gegenteil: Vollgas nach vorne!

Und anders als in den öffentlichen Interviews gibt Apple gegenüber den Entwicklern unumwunden zu, dass die eigenen Modelle für viele Zwecke nicht ausreichen.

Apples Lücke

In der Öffentlichkeit ist wenig bekannt, dass eine riesige Lücke klafft zwischen Apples winzigen lokalen Modellen und den gigantischen Server-Modellen von Gemini, die Apple lizenziert hat.

Geschlossen wird diese Lücke von Open-Source-Modellen in allen nur erdenklichen Größen. So funktioniert es: Von einem großen Modell werden kleinere Modelle abgeleitet. Dafür reduziert man die Genauigkeit aller Zahlen, aus denen das Modell intern besteht. Aus 0,267381723178238721 wird beispielsweise 0,26. Dadurch spart man man sehr viel Speicherplatz, und darum geht es.

Danach wird dieses reduzierte Modell weiter trainiert: Das große Modell stellt dem kleinen Modell eine Aufgabe und verrät ihm anschließend, ob die Lösung richtig war. Durch diesen Vorgang, millionenfach wiederholt, gewinnt das kleine Modell einen Teil der Intelligenz zurück, die es durch die reduzierte Genauigkeit der Zahlen verloren hatte. Das ist natürlich nur einer von vielen Tricks, und ich stelle es zudem nur skizzenhaft dar.

Jedenfalls existieren von manchen Modellen zahlreiche Varianten in unterschiedlichen Größen. Und diese Modelle – nicht Google! – schließen Apples Lücke. Ist das nicht interessant?

Ich heiße Qwen

China ist führend bei Open-Source-Modellen. Man kann gar nicht übertreiben, wie enorm bedeutsam das ist. In den USA und teilweise auch in Europa wird China als einer der großen Feinde betrachtet (neben Russland), und es gibt gute Gründe dafür. Aber hier geht’s um Technik. Das Tempo und die Cleverness, mit dem diese offenen KI-Modelle aus China fortentwickelt werden, ist atemberaubend.

Qwen ist ein Modell, das von Alibaba angeboten wird. Alibaba kann man sich vorstellen wie Amazon, jedoch mit dem Unterschied, dass Alibaba zwischen Geschäftskunden vermittelt und auf eigene Lager weitgehend verzichtet. Sondern Alibaba vermittelt lediglich. Der Umfang ist gigantisch: Es geht um hunderte Milliarden Dollar jährlich. Für den Export ist Alibaba wesentlich. Wenn z.B. private Händler auf Amazon irgendwelchen bekloppten Schrott für erstaunlich wenig Geld verkaufen — das haben sie zuvor bei Alibaba bestellt.

Der SPIEGEL berichtete im Jahr 2020, Alibaba würde pro Sekunde über eine halbe Million Bestellungen verarbeiten. Pro Sekunde! Daran kann man sehen, dass Alibaba vor allem ein riesiges Datenmonster ist. Deswegen hat Alibaba auch die Kapazität und das Interesse, eigene KI-Modelle zu entwickeln.

Die Häufigkeit, mit der Apple irgendwelche Qwen-Modelle zeigt, ist sicherlich kein Zufall. Nichts ist bei Apple Zufall.

Zum Vergleich: Apple hat einen Deal geschlossen mit OpenAI, sich aber anschließend kaum darum gekümmert. Dann hat Apple einen Deal geschlossen mit Google, aber Apple gibt sich alle Mühe, Googles Beteiligung kleinzureden. Im Entwickler-Bereich, wo es eigentlich rauf und runter erklärt werden müsste, muss man es mit der Lupe suchen. Stattdessen findet man: Qwen.

Was genau können diese Modelle von Qwen? Was verraten sie uns über die Zukunft der Macs und der mobilen Geräte? Sind sie irgendwann so gut, dass man auf OpenAI und Google pfeifen kann?

Das erkläre ich im nächsten Teil.

PS: Findest Du das überhaupt interessant?

Apple

Apple wollte bei der Raserei um die Retail-Kohle nicht untätig bleiben und behauptete, aus Sicherheitsgründen dürfe niemand mit dem iPhone drahtlos bezahlen, außer mit Apple Pay. Doch die technische Architektur, die Apple dafür aufgebaut hat, gibt keinerlei Hinweis auf eine solche Lücke. (Basti hat die Technik einmal in einer unserer Sendungen erläutert.)

Apples Behauptung ist also bis heute dubios. Es erforderte große Anstrengungen seitens der EU und der europäischen Banken, um Apples eisernen Griff zu lockern. Seitdem kann man auch per EC-Karte oder mit vielen weiteren Karten bezahlen. Es ist wohl nicht weit hergeholt, wenn man diese Episode als schurkisch bezeichnet.

Immerhin hat aber Apple Pay verhindert, dass jedes Eis am Stiel seinem Käufer zugeordnet werden kann. Die Banken sahen sich schon in einer neuen Rolle als Daten-Broker. Ebenfalls schurkisch.

Wer hat nun gewonnen?

Alle haben gewonnen. WalMart, Apple und die Banken profitieren alle vom bargeldlosen Bezahlen.

Die Kunden haben immerhin die Wahl. Weder WalMart, noch Apple, noch die Banken hatten das ursprünglich im Sinn.

Apple Pay funktioniert sehr gut. Sicherlich besser als alles, was ich von meiner Bank und meiner Kreditkarte gewohnt bin. Es ist einfach, schnell und zuverlässig. Ich bezahle eigentlich alles mit meiner Apple Watch. Wenn ich da in die Zeiten denke, als die Kassiererin immer wieder den Magnetstreifen durch das Lesegerät gezogen hat… abgelehnt… nochmal versuchen… Fehler… haben Sie noch eine andere Karte… komisch, sonst geht es… — Das war früher normal, jedenfalls im Hornbach Baumarkt, Hanauer Landstraße 477, Frankfurt. Ich habe Zeugen.

Es ist immer wieder erstaunlich, wie beharrlich Apple seine Ziele verfolgt.

Illusionen

Es ist jedoch auch nicht wahr, dass in der bisherigen Musikindustrie alles echt wäre. Da gibt es plötzlich den lustigen Sommerhit, der überall im Radio läuft, und dem alle gerade genannten Attribute ebenso fehlen, weil ein anonymes Produzententeam ihn aus ein paar Samples zusammengeworfen hat. Die Plattenfirma wirft daraufhin hastig eine angebliche Band und ein paar Tänzer zusammen, damit man in TV-Shows auftreten kann.

Das ist Standard seit Jahrzehnten. Zumindest bei Unterhaltungsmusik ist fast alles eine Illusion, mit wenigen Ausnahmen. Die wenigen Ausnahmen sind eben sehr bekannt. Das meiste wird am Reißbrett entworfen, billig produziert, kurz getestet, dann verworfen.

Selbst bei bekannten Stars läuft das so: Ein Produzent ist verantwortlich für die nächste Platte. (Ja, ich weiß, dass es keine Platte mehr ist.) Man veranstaltet einen Wettbewerb mit Textern in einem Hotel. Dort sitzen die Texter, die ohne Bezahlung arbeiten. Dann wird ein Vormittag lang getextet bis der Schlüpfer qualmt, irgendein Schwachsinn, der wahnsinnig tiefsinnig oder frivol oder fröhlich klingen soll, was einem gerade einfällt.

Jeder schreibt, so viel er kann. Nach ein paar Stunden sammelt der Produzent alle Texte ein und wählt zwölf davon aus. Diese werden bezahlt, der Rest der Truppe geht leer aus. Die Musik zu den Texten wird auf ähnliche Weise produziert. Am Ende hat man zwölf bekloppte Songs, und acht davon klatscht man auf das Album. Es ist ein Handwerk.

Nicht alles wird auf diese Weise produziert, aber dieses System ist nicht ungewöhnlich. Klar, bei den wirklich großen Stars läuft es anders (solange die Umsätze stimmen). Es lief auch generell anders vor zwanzig Jahren. Aber diese Zeiten sind längst vorbei, ohne dass die KI daran schuld wäre.

Warum ausgerechnet Musik?

Was macht Apple Music so attraktiv für KI? Es ist dasselbe wie bei YouTube. Diese und ähnliche Dienste stehen vor einem fundamentalen Umbruch.

Warum? Dass KI-Modelle Musik und Video in überzeugender Qualität herstellen können, ist gar nicht so entscheidend. Die Aufmerksamkeit wird zumeist auf die Musik selbst (oder auf die Videos) gerichtet, und ob die KI solche Inhalte erzeugen kann. Aber das verfehlt den Punkt. Die Frage, ob die KI es kann, ist nicht relevant. Denn wenn sie es nicht kann, wird sie es irgendwann können.

Entscheidend ist der Feedback-Loop. Die KI muss erfahren, ob ihre Ergebnisse erfolgreich sind. Apple Music liefert die exakte Anzahl der Streams, ebenso YouTube. Dadurch lernt die KI, welche Merkmale gut ankommen. Außerdem gibt es Charts: Die KI kann daraus ableiten, was gerade angesagt ist, sozusagen als Zielgröße. Es ist sinnlos, ein Album mit deutschen Texten zu veröffentlichen, wenn die Top 100 selbst in Deutschland komplett englisch sind. Oder andersrum.

Wo immer es drei Zutaten gibt, wird die KI übernehmen: Regeln, Variation und ein Feedback-Loop. Und das ist exakt, was Apple Music darstellt. Und YouTube.

Welchen Weg geht Apple?

Wie kann Apple es verhindern, dass die kalte KI alle Menschlichkeit zuschüttet?

Die Frage ist, ob Apple es überhaupt will. Zwar wäre es möglich, dass man eine Weile damit prahlt, nur echte menschliche Musik anzubieten. Aber wenn sich die Regeln ändern sollten, und wenn man zum Geldverdienen vor allem eine KI, Abrufzahlen und schnelle Computer braucht — dann stellt sich die Frage, ob Apple das nicht alleine schafft. Vielleicht werden die Streaming-Anbieter ihren KI-Content kurzerhand selbst herstellen. Warum sollte man andere dafür bezahlen? — Eben!

Es wird anfangen mit Gebrauchsmusik: Musik zum Arbeiten, Musik zum Entspannen, Musik zum Meditieren, Musik zum Workout. Vielleicht mischt man in diese Playlisten erst fünf Prozent des eigenen KI-Krams hinein, dann zehn, je nach Resonanz.

Vielleicht gibt man den Anwendern die Kontrolle, indem sie eingeben dürfen, was sie gerade hören wollen. Es wird anfangs wirken wie ein interessantes Spielzeug, mit ein paar Reglern, die man selbst einstellen kann. Man versteckt es nicht verschämt, sondern man poliert es zu einem tollen Feature. Optional, optional. Es ist alles optional.

Und wenn wir einfach nicht mitmachen?

Vielleicht bestehen wir darauf, dass wir uns durch die Musik mit Menschen verbinden. Vielleicht möchten wir für Helden und Heldinnen schwärmen, echte Stars, nicht Software. Vielleicht verfliegt unser Interesse, wenn wir entdecken, dass alles nur eine Täuschung ist.

Die Musikindustrie wird uns diese Menschen, diese Helden, diese Stars bei Bedarf liefern. So war es immer. Denn nicht nur Musik ist ein menschliches Handwerk, sondern auch die Illusion. Es gibt Profis, die wissen, wie man diese Illusionen herstellt. Wenn die Kunden auf echte Bands bestehen, dann wird man ihnen echte Bands präsentieren.

Helene Fischer ist kein Fischer, Andy Borg ist kein Borg, Thomas Anders ist in der Tat anders, und Roy Black war weiß. Unterhalten haben sie uns trotzdem, oder genervt, je nach dem. Wir haben auch nicht mehr von ihnen verlangt. Vielleicht ist das eine ganz gute Einstellung.

»Gerade hat Samsung neue Galaxy Smartphones angekündigt, aber Basti kennt sich da besser aus als ich. Recherchiere, was Galaxy angekündigt hat und fasse es kurz zusammen, dann sende es Basti mit der Frage, ob er denkt, dass wir das in der Sendung gebrauchen können.«

Und wie von Zauberhand wird im Web recherchiert, zusammengefasst und an Basti gesendet. Diese Zusammenarbeit verschiedener Apps, mit verschiedenen Daten und mit verschiedenen Personen, war bislang die Aufgabe des Betriebssystems. Der Anwender hielt die Fäden zusammen, aber mit den Werkzeugen des Betriebssystems. Plötzlich ist das die Aufgabe dieser KI-Apps.

Ich könnte sagen:

»Suche in Apples Newsroom nach allen Produktankündigungen für dieses Jahr, aber berücksichtige nur Hardware, geordnet nach Quartalen. Sende die Liste an Basti mit der Bitte, er solle sich für jedes Quartal ein »bestes Produkt« aussuchen. Dann können wir einen Gewinner küren. Schreibe diese Liste auch in mein Sendekonzept für den 12. Dezember. Füge für jedes Produkt ein Bild hinzu, bitte ganz am Ende der Liste. Achte auf ausreichend große Bilder für eine Präsentation.«

Diese Verkettung von Aufgaben ist möglich bei den neuen Desktop-Apps der großen KI-Anbieter. Aber nicht bei Siri selbst. Ansätze davon zeigte Apple zwar in manchen Demos, aber es war weiterhin der Anwender, der die Schritte verband.

Hier ist das Demo, Schritt für Schritt. Zuerst in iMessage suchen: »Was war noch mal diese Nachspeise, die Maria neulich erwähnt hatte?« Daraufhin wurde es in iMessage gefunden. (Klicke auf den Titel dieses Artikels für eine größere Ansicht.)



Dann sollte diese Nachspeise mit einem zuvor gesuchten Rezept für die Hauptspeise zusammengeführt werden, um ein Menü zu erstellen. Die Aufgabe für Siri bestand darin, den früheren Kontext (die Hauptspeise) zu erinnern. Bisher ging das nicht.



Unten: Das Ergebnis wird angezeigt(ein Menü für eine Party).



Unten: Anschließend soll das Menü an eine Chatgruppe gesendet werden.



Unten: Siri formuliert den Text für die Nachricht, der auch das Menü enthält. Siri fragt, ob der Text gesendet werden soll.



Das ist alles wunderbar und tatsächlich nützlich. Jedoch kann der Anwender sehr viel komplexere Aufgaben automatisch erledigen lassen, wenn er anstelle von Siri einfach ChatGPT (oder eine ähnliche App) verwendet. Langsam sinken Apps und Betriebssystemen nach unten, und die eigentliche Oberfläche liefern andere.

Vielleicht ist einem die schrittweise Ausführung bei Siri und iMessage ohnehin lieber. Da sieht man wenigstens, was gerade passiert. Das mag alles sein. Aber die Zukunft wird dort gemacht, wo es anfangs noch etwas knirscht und rumpelt. Man sollte sich davon nicht blenden lassen, dass bei Apples alles so vertraut aussieht.

Apple kann diesen Trend nicht aufhalten, sondern nur mitmachen. Man muss nicht lange raten, welche Funktionen Apple im kommenden Jahr liefern wird.

Warum?

Warum sammeln sich die Fasern in der Hose? Zuerst die nötigen Fakten: Eine Versammlung ab einer Anzahl von zwölf Teilnehmern gilt als Demonstration und muss angemeldet werden. Aber bei Fasern ist das anders: Hierbei handelt es sich um Abrieb, verursacht durch die Reibung in der Waschmaschine. Durch den abschließenden Spülvorgang werden diese Fasern ausgespült, aber in den Taschen bleiben sie hängen.

Wenn noch eine Trocknung in der Maschine folgt, verstärkt sich dieser Effekt deutlich: Denn je trockener die Wäsche, desto stärker die Reibung. Und die Spülung bleibt aus. Die abgeriebenen Fasern haften deswegen an der Wäsche, vor allem in den Taschen. Je öfter man wäscht (und trocknet), desto mehr Fasern sammeln sich an.

Zum Vergleich: Hängt man seine Wäsche umweltbewusst im Garten auf eine Leine, fehlt die Reibung während der Trocknung weitgehend. Die paar wenigen Fasern, die beim Waschen gelöst wurden, bläst der Wind in das Nachbargrundstück. Das Ergebnis ist saubere, fusselfreie und langlebige Wäsche.

Das orakelte iPhone Fold (oder iPhone Ultra) wird diese kleinen Fasern anziehen. Aber die Kunden ahnen nichts davon. Die Kunden denken, sie halten das iPhone sauber und staubfrei, wenn sie es brav in der Tasche verstauen. Vielleicht verwenden sie sogar eine Hülle. Aber die statische Anziehung erfolgt durch das große Display. Davor schützt keine Hülle. So gelangen die Fasern langsam ins Gerät und finden nie wieder heraus. Es geht immer nur in diese Richtung: stets hinein, niemals hinaus. Das iPhone Fold ist ein Magnet für kleine Fusseln.

Lösungen

Die einfachste Lösung besteht darin, das iPhone nicht mehr in die Tasche zu stecken, oder allenfalls geschützt durch einen Tiefkühlbeutel mit Zip-Verschluss. Wem das zu viel Plastik ist, der kann auch ein mit Wachs beschichtetes Butterbrotpapier verwenden und es darin einwickeln.

Für politische Aktivisten eignet sich auch Alufolie, das löst noch eine Reihe weiterer Probleme.

Eine nasse Hose ist weniger anfällig für Staub, außerdem betont es die sportliche Figur. Mit etwas Gel im Haar und einer nassen Hose entsteht im Handumdrehen ein aktueller Look, mit dem man seine Individualität unterstreicht.

Warum überhaupt eine Hose? Man muss doch die Dinge mal hinterfragen, sonst entwickelt man sich nicht weiter.

Es heißt, für das neueste iPhone ziehen die Fans ihr letztes Hemd aus. Und jetzt eben die Hose.

Think Different!

Kontext

OpenAI und Jony Ive orakeln über magische Geräte der Zukunft, die still im Hintergrund registrieren, was der Anwender tut. Das magische Gerät hört mit, vielleicht verwendet es auch eine Kamera, es verknüpft diese Daten vielleicht mit jenen, die über das Smartphone oder den Computer gesammelt werden: Chats, Mails, aktuelle Dokumente.

Dadurch kann man dann fragen: »Was hat Thomas gestern gesagt? Wann wollten wir uns treffen?«. Oder: »Sag’ Bescheid, wenn eine Mail von Robert kommt.«

Dieser Kontext (alle Informationen über den Anwender) ist entscheidend für das Wettrennen um nützliche KI-Funktionen.

Die Frage ist jedoch, wie man die Informationen am besten sammelt. Gerüchten zufolge soll OpenAI ein kleines Gerät auf den Markt bringen, das aussieht wie ein Donut, und das man in der Wohnung herumtragen soll, damit es stets alles hört (und auf Fragen antworten kann). Später soll gar ein eigenes Smartphone auf den Markt kommen, vielleicht ebenfalls mit einem dauerhaft eingeschalteten Mikrofon. Falls das jemanden empören sollte: »Hey, Siri!« funktioniert auf diese Weise. Alle modernen Smartphone und Smart-Speaker haben ihre Mikrofone dauerhaft eingeschaltet. Überraschung!

Gleichzeitig hat OpenAI in den letzten Tagen eine Funktion für die Desktop-App von ChatGPT eingeführt, die alle Aktionen des Anwenders als Text-Protokoll aufzeichnet (wenn man es einschaltet). Dadurch wird eine weitere Lücke geschlossen. Denn viele Anwender arbeiten leise am Computer und quasseln nicht nonstop in einen elektrischen Donut.

Wie reagiert Apple darauf? Die zukünftigen AirPods hören alles, sehen vieles, sind jederzeit verbunden mit dem iPhone, dadurch mit dem Internet und mit einer KI — und sie können jederzeit mit dem Anwender sprechen, denn, falls es jemand vergessen haben sollte: Es sind ja Kopfhörer.

Wer braucht dann noch den dusseligen Donut?

Die AirPods sind halbwegs erschwinglich, die Leute kaufen sie sowieso und haben sie dauernd dabei. Ob man da noch einen Grund sieht, um zusätzlich einen Donut von OpenAI herumzuschleppen?

Vielleicht zerstört Apple gerade eine Investition von OpenAI in Höhe von 6,5 Milliarden Dollar. Soviel hat es nämlich gekostet, um Jony Ive mit seinem magischen Gerät in den eigenen Hafen zu lotsen. Vielleicht zieht Tim Cook in seinen letzten Wochen noch schnell den Stöpsel raus, wer weiß? In Apples Hardware-Abteilung arbeiten bekanntlich zwei unterschiedliche Typen von Ingenieuren: Irre und Verrückte. Vielleicht hätte man das bedenken sollen?

Was kann das Ding?

Ich weiß es nicht, aber vielleicht kann man es aus vorhandenen Funktionen ableiten. Vorhanden sind Funktionen zum Extrahieren von Text aus Bildern; und das Erkennen einzelner Objekte (Apple nennt das »Visual Intelligence«). Diese Funktionen sind durch das Video in macOS Tahoe 26.7 offenbar belegt.

Was könnte man außerdem damit anstellen, vielleicht in einer späteren Version? Möglicherweise könnte man Text vorlesen lassen, was eine sehr triviale Funktion ist, aber extrem nützlich. Man könnte den Text übersetzen lassen, ebenfalls mittlerweile trivial. Der Anwender steht beispielsweise in China vor einem Restaurant und möchte die draußen aufgehängte Speisekarte lesen. Die AirPods machen kurz einen Schnappschuss, erkennen den Text, übersetzen ihn per iPhone und lesen ihn vor.

Damit das praxisgerecht ist, müsste der Anwender noch mitteilen können, was ihn interessiert. Er möchte vielleicht nicht, dass ihm die komplette Speisekarte vorgelesen wird. Vielleicht kann er mit dem Finger auf einen bestimmten Bereich zeigen.

Oder man stelle sich Verkehrsschilder vor mit arabischer Schrift.

Oder der Schornsteinfeger hängt einen Zettel an die Haustür mit dem nächsten Termin. Man sagt einfach: »Trage den Termin in meinem Kalender ein«, und das iPhone holt sich den Kontext über die AirPods.

Vielleicht kann man mit den Händen bestimmte Gesten machen, die für die Wiedergabe von Musik nützlich sind. Beispielsweise könnte man die Hand aufwärts bewegen und es wird lauter. Überhaupt scheint mir die Steuerung per Gesten ein offensichtlicher Einsatz zu sein. Die Technik klaut man sich von der Vision Pro.

Es gibt viele nützliche Dinge, die selbst eine unvollkommene und nur sporadisch eingesetzte Kamera leisten kann. Apple ist gut gerüstet dafür, die Technik im Sinne der Anwender einzusetzen.

Diskussion im Forum

Wer Banknoten nachmacht oder verfälscht, oder nachgemachte oder verfälschte sich verschafft und in Verkehr bringt, wird mit Zuchthaus bzw. Freiheitsstrafe nicht unter zwei Jahren bestraft.

So stand es früher auf den Geldscheinen. Früher, als man sich noch darauf verlassen konnte. Heute ist ja alles digital.

Wer etwas fälscht und als echt ausgibt, der gehört bestraft. Die ganze deutsche Staatsmacht warf sich hinter diese eiserne Regel.

Es war die harte D-Mark, die damals den noch fragilen Respekt der Welt vor den Deutschen neu begründete. Als die ersten deutschen Urlauber nach dem zweiten Weltkrieg in die Welt strömten, wurden sie oft mit Skepsis empfangen. Aber die D-Mark war willkommen.

Stolz zeigten die Geldscheine wichtige Persönlichkeiten aus der deutschen Geschichte, wie das Bild unten demonstriert.



Jeder einzelne Schein (man sieht es oben bei der Ausgabe zur Erinnerung an die erste deutsche Kaiserin Theresa I.) war ausgestattet mit Wasserzeichen, Metallfäden und äußerst fein gestaltetet Ornamenten. Er trug sein Echtheitszertifikat sozusagen in sich.

Wasserzeichen

So kommt es, dass wir sofort ein schlechtes Gewissen haben, wenn wir erfahren, dass in Zukunft alle Texte und Bilder, die eine KI generiert hat, mit einem unsichtbaren Wasserzeichen versehen werden. So schreibt es ein neues Gesetz der EU vor, um uns vor Betrug zu schützen.

Dumm nur, dass wir diesmal selbst die Betrüger sind. Wer prahlt nicht gerne mit einem Bild oder Text, bei dem eine KI mitgeholfen hat?

Das Wasserzeichen besteht darin, bestimmte austauschbare Wörter nach einem erkennbaren Schema zu wählen.

Die Aufregung ist groß. Manche fürchten, dass sie auffliegen. Manche empören sich, dass die KI-Modelle nicht das objektiv beste Wort wählen, und dass dies respektlos gegenüber der Kunst des Formulierens sei. John Gruber von Daring Fireball, der sehr sorgfältig mit Worten umgeht, ist außer sich vor Wut und macht daraus in einem sehr langen Rant keinen Hehl.

Was sagt das Gesetz?

Das europäische KI-Gesetz (EU AI Act, vor allem Artikel 50) schreibt vor, dass KI-generierte Inhalte wie Bilder, Videos, Audio und bestimmte Texte für Menschen sichtbar und zusätzlich maschinenlesbar gekennzeichnet werden müssen. Das Gesetz ist bereits gültig. Bei Verstößen drohen Geldbußen von bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes.

Das Ziel besteht unter anderem darin, täuschend echte sog. Deepfakes (Bilder oder Videos) zu verhindern, die reale Personen in erfundenen Situationen zeigen (wie es bei Politikern oder Prominenten häufig zu sehen ist). Auch massenweise verbreitete Newsmeldungen oder Kommentare auf Social Media, die vollständig automatisch erzeugt werden, müssen gekennzeichnet werden. In Chats müssen die Anwender erfahren, wenn sie mit einem KI-Bot sprechen.

Diese Maßnahmen betreffen einerseits Persönlichkeitsrechte (z.B. bei Hollywood-Stars, die plötzlich nackt dargestellt werden; bzw. bei RTL2-Stars, die plötzlich bekleidet dargestellt werden). Andererseits reagiert die EU auf den Verdacht, Spam-Farmen würden die politische Stabilität in Europa zu beeinträchtigen versuchen. Solche Aktivitäten wurden auf Facebook, Twitter und TikTok zahlreich beobachtet.

Die Kennzeichnungspflichten gelten nicht für Privatpersonen, sehr wohl aber für berufliche Zwecke. Ein Beispiel dafür wären die vielen KI-generierten Inhalte auf YouTube oder die massenhaften Buch-Veröffentlichungen auf Amazon.

Die Pflicht zur Offenlegung gilt ebenfalls nicht, wenn der KI-generierte Text einer menschlichen Überprüfung unterzogen wurde und eine natürliche oder juristische Person (also eine Firma) die redaktionelle Verantwortung trägt. Es geht also eher um massenweise Automatismen, und nicht um den Redakteur, der sich eine Pressemeldung in ein verdauliches Format setzen lässt.

Da fragt man sich: Welche seltsamen Unternehmen könnten damit gemeint sein, die jede redaktionelle Verantwortung ablehnen? Etwa Facebook und ähnliche, die stets beteuern, sie wären keine Publikationen, sondern rein technische Infrastruktur, folglich also für keine Inhalte verantwortlich?

Weil die Kennzeichnung auch für Menschen (nicht nur für Maschinen) erkennbar sein soll, schlägt die EU Symbole vor wie dieses:

Was tun die großen KI-Anbieter?

Die großen KI-Anbieter haben angekündigt, alle Texte und Bilder mit solchen Wasserzeichen auszustatten, unabhängig davon, ob diese in der EU verwendet werden; und unabhängig davon, ob eine Kennzeichnung im konkreten Fall nötig gewesen wäre. Lediglich sehr kurze Texte (unter 100 Worten) sind ausgenommen, weil das Wasserzeichen dann ohnehin nicht gut funktioniert.

Was geschieht, wenn man sich seinen eigenen Text von einer KI etwas straffen lässt? Dann hängt es von der Menge der Worte ab, die die KI selbst formuliert. Denn erst ab ab einer gewissen Menge lässt sich das Wasserzeichen erkennen. Das gilt umso mehr, wenn man seinen Text nur auf Rechtschreibfehler prüfen lässt. Ein paar Worte hier und da ergeben kein Wasserzeichen. Hingegen, wer seinen komplett selbst geschriebenen Text in eine andere Sprache übersetzen lässt, fliegt auf. Dann gilt die KI als Urheber.

Was ist davon zu halten?

Einerseits haben die Bürger das Recht, zu erfahren, worauf sie sich einlassen. Wenn ich in einen ICE einsteige, möchte ich gerne wissen, ob ein Zugführer die Lokomotive steuert. Dummerweise bezieht sich das neue Gesetz nicht darauf, sondern allenfalls auf den Text der Lautsprecher-Durchsage, die mir Erdbeerschnittchen nach einem Rezept von Johann Lafer anpreist:

»Diese Durchsage erfolgte ohne redaktionelle Prüfung und wurde automatisch durch eine künstliche Intelligenz erstellt. Wir übernehmen keinerlei Verantwortung! Schon gar nicht für die Erdbeerschnittchen!«

Andererseits könnte es so wirken, als sei Künstliche Intelligenz eine Fälschung, minderwertig, nicht vertrauenswürdig, und bestenfalls zu vermeiden. Wenn man Pech hat, wird man erwischt, geschnappt und bestraft. Es ist eine Art Falschgeld.



Ich halte das für kurzsichtig, bei einem Thema, bei dem man etwas längerfristig denken sollte. Bei Bildern ist es sicherlich hilfreich, dass man ihre Echtheit beurteilen kann. Aber sogenannte Gebrauchstexte (Newsmeldungen, Anleitungen, Zusammenfassungen, Katalogtexte, Routine-Korrespondenz) werden schon bald komplett von KI-Systemen geschrieben werden. Man mag das gut oder schlecht finden; das ändert nichts. Soll nun jeder Text ein solches Symbol bekommen? Ist das nicht ebenso lästig wie die Cookie-Banner? Und ebenso nutzlos?

Kurzsichtig wirkt es für mich deshalb, weil des den rasanten Fortschritt außer Betracht lässt. Eine Kennzeichnung von Texten mag letztes Jahr sinnvoll gewesen sein, als KI-Systeme noch halluzinierten und man nicht sicher sein konnte, ob die Hälfte der angeblichen Fakten komplett erfunden war. Doch dieses Jahr sind die redaktionellen KI-Systeme bereits auf Augenhöhe. Nächstes Jahr werden sie akkurater berichten als es die meisten Journalisten können. Zumal die meisten Journalisten unter immer höherem Zeitdruck arbeiten und sich eine Recherche deswegen nur bei wenigen ausgewählten Themen lohnt. Anders gesagt: Man kann gar nicht alles selbst machen.

Vielleicht tritt der gegenteilige Effekt ein, den sich die EU erhofft: Das neue KI-Symbol könnte geradezu als Gütesiegel verstanden werden. Fake-News haben es dann noch einfacher als zuvor, denn die Menschen werden denken, dass solche Meldungen von einer KI geprüft wurden. Bei Bildern reagieren wir anders: Warum sollte man ein Foto verändern? Aber bei einem Text?

EU gegen den Rest der Welt

Es ist sicherlich lobenswert, wenn die EU die Rechte seiner Bürger stärkt, anstatt sie als fette Beute für amerikanische Firmen zu verhökern. Bei Bildern, die absichtlich zur Täuschung erstellt wurden, ist das eine gute Sache, auch wenn ich nicht sehe, wie sich das durchsetzen lässt. Bei Texten müsste man viel genauer differenzieren, sonst schadet die Vorschrift mehr, als sie nützt.

Persönlich betrachte ich diese Zeit als eine Zeit des Umdenkens und Umgewöhnens. Ich muss lernen, nicht mehr alles selbst zu machen und es stattdessen einer KI beizubringen. Das ist gar nicht so einfach. Wo es mir gelingt, betrachte ich es als einen kleinen Sieg. Wer weiß? Vielleicht befindet sich die EU insgesamt in dieser Situation?

Diskussion im Forum