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: