Ursprünglicher Bericht vom 9. September 2026, 07:10 Uhr

Apples faltbares iPhone soll als iPhone Duo mit 256 GB Speicher ab 2.000 US-Dollar starten und frühestens im Oktober erhältlich sein.

Damit würde Apple den bisher erwarteten Namen iPhone Ultra offenbar verwerfen. Höher ausgestattete Versionen könnten laut dem Bericht rund 3.000 US-Dollar kosten. Als Farben sind Weiß und Dunkelblau im Gespräch.

Die verspätete Verfügbarkeit würde das faltbare Modell vom erwarteten Verkaufsstart der iPhone-18-Pro-Modelle trennen. Für das Gerät werden außerdem ein A20 Pro, Apples C2-Modem, zwei 48-Megapixel-Rückkameras und ein magnetisches Scharniersystem genannt.

Apple soll zudem Unterstützung für den Apple Pencil planen. Zuvor war bereits bekannt geworden, dass Apple einen kürzeren Pencil für das faltbare iPhone getestet haben soll. Eine Markteinführung dieses Zubehörs galt damals jedoch als unwahrscheinlich. Die neuen Angaben stammen aus einem Bericht von Mark Gurman bei Bloomberg.

Quellen:
Bloomberg
TrendForce

Die Rückblicke sollen sich nach dem Bericht wahlweise den ganzen Tag oder nur an bestimmten Orten erstellen lassen. Gespeichert werden sie in der neuen Siri-App.

Die Umsetzung soll ohne gespeicherte Audioaufnahmen auskommen. Außerdem soll die Apple Watch keine Gesprächstranskripte anzeigen. Die Funktion wäre damit auf zusammengefasste Ergebnisse beschränkt.

Für die sichere Verarbeitung der eingehenden Audiodaten seien neue Chips in den Uhren nötig. Als Modelle nennt der Bericht die Apple Watch Series 12 und die Apple Watch Ultra 4. Die Funktion soll optional verfügbar sein.

Quelle:
Mark Gurman bei Bloomberg

Ursprünglicher Bericht vom 7. September 2026, 20:19 Uhr

Beta-Code nennt mehrere bislang unbekannte Details zu Apple Watch Series 12 und Apple Watch Ultra 4: eine mögliche Readiness-App, deutlich umfangreichere Krafttrainingsdaten, neue optische Sensorik und bis zu 128 GB Speicher.

Der Code beschreibt außerdem umfangreichere Krafttrainingsdaten. Dazu gehören Sätze, Wiederholungen, Gewicht, verwendete Ausrüstung, Körperseite und Trainingsdauer.

Eine neue Sensorfamilie namens „Sunstone4p0“ soll geringeres Rauschen bieten. Außerdem könnte die Software Messkanäle abhängig vom Handgelenk und der Ausrichtung der Uhr auswählen. Das deutet auf eine überarbeitete optische Sensorik hin, möglicherweise für zuverlässigere Messungen bei schwachen Pulssignalen.

Ein NAND-Speicherprofil, das mit dem Chip T8320 verbunden ist, nennt bis zu 128 GB. Damit würde sich der mögliche Speicher gegenüber den bislang genannten 64 GB verdoppeln.

Die Hinweise stammen aus einer Analyse von Beta-Code für watchOS 27 und iOS 27. Die Bezeichnungen Apple Watch Series 12 und Apple Watch Ultra 4 sowie die genannten Funktionen sind damit weiterhin nicht bestätigt.

Quellen:
MacRumors-Forumsbeitrag von „pdfu“
Mark Gurman
Bloomberg

Ursprünglicher Bericht vom 9. September 2026, 04:40 Uhr

Das faltbare iPhone könnte in China später als in anderen Regionen auf den Markt kommen. Als möglicher Grund gilt die vermutete Beschränkung auf eSIM.

Der Leaker Instant Digital führt auf Weibo an, dass Apples erstes faltbares iPhone zunächst außerhalb Chinas erscheinen könnte. Die eSIM-Infrastruktur und ihre Verbreitung seien in China weniger weit entwickelt. Dadurch könnte sich der dortige Verkaufsstart verzögern.

Das Gerät wird meist als iPhone Ultra bezeichnet. Die Bezeichnung ist ebenso wenig gesichert wie die übrigen Angaben zu Ausstattung und Marktstart. Zu den zuletzt erneut genannten Merkmalen gehören ein Einstiegspreis von etwa 2.199 US-Dollar, Touch ID statt Face ID, MagSafe und eine deutlich weniger sichtbare Displayfalte.

Eine Fundstelle in iOS 27 mit Verweisen auf ein iPhone, Ultra Wideband und Touch ID gilt dabei nicht als Bestätigung für Touch ID. Apple hat das faltbare iPhone bisher nicht angekündigt.

Quellen:
Instant Digital auf Weibo
pdfu

Ursprünglicher Bericht vom 3. September 2026, 17:03 Uhr

Das erwartete faltbare iPhone könnte deutlich teurer werden als bisher angenommen: TrendForce nennt einen US-Startpreis von 2.099 bis 2.299 US-Dollar.

Spitzenkonfigurationen könnten laut der Analyse mehr als 3.000 US-Dollar kosten. Damit würde das Gerät klar über bisherigen iPhone-Preisen liegen.

TrendForce erwartet ein Buchdesign mit einem 5,5 Zoll großen äußeren OLED-Display und einem 7,8 Zoll großen inneren OLED-Display. Das innere Display soll ProMotion und Bildwiederholraten bis 120 Hz unterstützen. Als weitere Neuerung nennt die Analyse Touch ID.

Im Inneren soll ein A20 Pro arbeiten. Der Chip werde bei TSMC im 2-Nanometer-Verfahren gefertigt und von 12 GB RAM unterstützt. Als Speichergrößen stehen demnach 256 GB, 512 GB, 1 TB und 2 TB zur Auswahl.

Für die Kameras werden eine 24-Megapixel-Frontkamera sowie eine duale Rückkamera mit jeweils 48 Megapixeln genannt. Sie soll aus einer Weitwinkel- und einer Ultraweitwinkelkamera bestehen. Eine Telekamera wird in der Analyse nicht aufgeführt.

Der Name iPhone Ultra war bereits zuvor für das faltbare Modell genannt worden. Die Vorstellung wird beim Apple-Event am 9. September erwartet.

Quellen:
TrendForce
Bloomberg
pdfu auf X

OpenAI gibt eine bis zu 50 Prozent geringere Latenz gegenüber Images 2.0 an. Dadurch sollen Nutzer Bilder schneller erstellen und ihre Entwürfe zügiger überarbeiten können.

ChatGPT Images 2.5 soll außerdem schärfere Details, natürlicheres Licht und reichere Texturen liefern. Bei Bearbeitungen soll die Funktion Anweisungen über mehrere Schritte hinweg zuverlässiger befolgen. Auch die Treue zu Motiven aus Referenzfotos soll steigen.

Eine neue Funktion namens Sketch erlaubt Zeichnungen direkt in ChatGPT. Diese Zeichnungen können als Referenz für die Bildgenerierung dienen. OpenAI ergänzt außerdem Vorlagen für gängige Bildformate und eine Funktion zum Teilen von Prompts.

Die neue Version wird für Nutzer aller Tarife auf Desktop, Mobilgeräten und im Web ausgerollt. Für Entwickler stellt OpenAI zusätzlich GPT-Image-2.5 Flare und GPT-Image-2.5 Sunburst über die API bereit. Flare ist für verschiedene Anwendungen und hohe Bildmengen gedacht. Sunburst soll bei anspruchsvollen kreativen und redaktionellen Arbeitsabläufen mehr Kontrolle über Bearbeitungen bieten.

Quelle:
OpenAI

Ursprünglicher Bericht vom 8. September 2026, 18:59 Uhr

Die ersten AirPods wurden am 7. September 2016 vorgestellt und erreichen am 8. September 2026 ihr zehnjähriges Jubiläum. Erhältlich waren Apples kabellose Kopfhörer allerdings erst ab Dezember desselben Jahres.

Apple stellte die kabellosen Kopfhörer gemeinsam mit dem iPhone 7 und dem iPhone 7 Plus vor. Bei diesen iPhone-Modellen entfiel der klassische Kopfhöreranschluss erstmals. Die AirPods dienten damit als drahtlose Alternative innerhalb des Apple-Ökosystems.

Seitdem hat Apple die Produktfamilie erweitert. Neben den regulären AirPods gehören heute auch die AirPods Pro und die AirPods Max dazu. Spätere Generationen brachten unter anderem aktive Geräuschunterdrückung sowie weitere Audio- und Gesundheitsfunktionen.

Das Jubiläum bezieht sich auf die Präsentation. Der Verkaufsstart erfolgte erst mehrere Monate später.

Quelle:
Apple

Die neue Angabe verändert damit die bisherige Chip-Prognose. Zuvor waren für das nächste Modell ein A17 Pro oder ein A18 im Gespräch. Der aktuelle Hinweis verschiebt die erwartete Ausstattung auf die A19-Generation.

Zusätzlich soll Apple den Arbeitsspeicher deutlich vergrößern. Im Gespräch sind 8 oder 12 GB RAM. Das Apple TV 4K von 2022 besitzt 4 GB und arbeitet mit einem A15 Bionic.

Der Hinweis geht auf eine Modellkennung in Apples Code zurück. Sie weist auf einen Chip der A19-Familie hin, legt aber nicht fest, ob Apple den A19 oder den A19 Pro einsetzen wird.

Weitere mögliche Neuerungen sind Siri AI, Apples N1-Chip mit Wi-Fi 7 und eine überarbeitete Siri Remote. Angaben zu einem Vorstellungstermin enthält der Leak nicht.

Sonera entwickelt den kleinen, energieeffizienten Magnetfeldsensor S1. Der Chip soll sich in tragbare Geräte integrieren lassen und für Produkte für Endkunden geeignet sein.

Die Technologie erfasst Magnetfelder, die vom Körper und von neuronaler Aktivität erzeugt werden. Nach Angaben des Unternehmens können neuronale Daten dadurch ohne direkten Hautkontakt gemessen werden. Das unterscheidet den Ansatz von herkömmlichen elektrischen Messverfahren.

Als mögliche Einsatzgebiete nennt Sonera Gesundheits- und Fitnessmessungen sowie Mensch-Computer- und Gehirn-Computer-Schnittstellen. Dazu könnten neue Formen der Interaktion, tragbare Gesundheitsfunktionen und weitere Anwendungen gehören.

Konkrete Pläne von Apple sind nicht bekannt. Ebenso gibt es bislang kein bestätigtes Apple-Produkt, das Soneras Technik nutzt. Der S1 wurde von Sonera als kleiner Chip mit geringem Energiebedarf beschrieben, der sich für tragbare Geräte eignen soll.

Quellen:
Europäische Kommission
Sonera Magnetics

Der Grund für die Lieferlücke ist derzeit nicht bekannt. Betroffen sind die meisten Ausführungen, nicht nur eine einzelne Größe oder Gehäusevariante.

Apple hält am Mittwoch ein Event ab. Dort sollen neue iPhones und Apple Watches vorgestellt werden. Eine neue SE-Generation war für 2026 bislang jedoch nicht erwartet worden, weil Apple die ersten drei SE-Modelle nicht in direkt aufeinanderfolgenden Jahren veröffentlicht hat.

Die zeitliche Nähe zum Event lässt daher mehrere Deutungen zu. Eine Apple Watch SE 4 könnte entgegen der bisherigen Einschätzung angekündigt werden. Die Anzeige im Store kann aber auch vorübergehend sein und sich wieder ändern.

Die Apple Watch SE 3 hatte Apple im September 2025 angekündigt. Sie ist in 40 und 44 Millimetern erhältlich und wurde mit dem S10 Chip, einem Always-On Display, schnellerem Laden, Temperaturerkennung am Handgelenk und 5G-Mobilfunk eingeführt.

Mark Gurman beschreibt die Anwendung als Variante der Vitals-App auf der Apple Watch. Sie soll ähnliche Gesundheitsdaten auswerten und daraus ableiten, wie erholt der Körper für Aktivitäten ist. Damit würde Apple seine Software stärker gegen die Tagesbewertungen von Whoop und Oura positionieren. Oura verwendet für diesen Zweck beispielsweise einen täglichen Readiness Score von 0 bis 100.

Die Vitals-App bündelt bereits Werte wie durchschnittliche Herzfrequenz, Atemfrequenz, Blutsauerstoff, Handgelenkstemperatur und Schlafdauer der vergangenen Nacht. Hinweise auf die Readiness-App waren zuvor im Beta-Code von watchOS 27 entdeckt worden.

Die App soll zusammen mit der Apple Watch Series 12 und der Apple Watch Ultra 4 erscheinen. Für beide Modelle wurde außerdem eine kontinuierliche Herzfrequenzmessung in Aussicht gestellt, die auch außerhalb aktiver Trainingseinheiten arbeiten soll.

Quelle:
Mark Gurman

General Motors hatte angekündigt, die Smartphone-Projektion aus seinen Elektrofahrzeugen zu entfernen. Der Cadillac Lyriq war dabei als erstes vollelektrisches Fahrzeug der Marke besonders relevant. Nun führt der Konfigurator für mehrere Modelle des Jahrgangs 2027 die beiden Systeme weiterhin als Serienausstattung auf.

Cadillac erklärt die Abweichung mit einer weiterentwickelten Infotainment-Strategie. Diese berücksichtige das Feedback von Kunden. Gleichzeitig wolle Cadillac das native Infotainment im Fahrzeug weiter priorisieren.

Die Formulierung deutet auf eine Anpassung des bisherigen Kurses hin. General Motors hatte zuvor erklärt, CarPlay und Android Auto in künftigen Elektrofahrzeugen nicht mehr anzubieten. Die Ausrichtung sollte stattdessen auf der eigenen Fahrzeugsoftware liegen.

Beim Lyriq bleibt die Verbindung mit iPhones und Android-Smartphones nach den Angaben im Konfigurator zunächst jedoch Bestandteil der Serienausstattung. Ob die Änderung auch auf weitere Elektrofahrzeuge von General Motors ausgeweitet wird, geht aus den vorliegenden Angaben nicht hervor.

Quelle:
Cadillac

Xiaomi positioniert das 18 Fold als Flaggschiff mit breitem Faltformat. Im aufgeklappten Zustand misst das Gerät nur gut fünf Millimeter in der Dicke. Zusammengeklappt ist es rund 118 mal 84 Millimeter groß und knapp elf Millimeter dick.

Der XRING-O3-Chip wird im Drei-Nanometer-Verfahren gefertigt. Er kombiniert eine Zehnkern-CPU mit einer Grafikeinheit und einer NPU für Aufgaben der künstlichen Intelligenz. Xiaomi nennt außerdem Unterstützung für Wi-Fi 7 und UWB.

Die Leica-Kamera umfasst neben der Hauptkamera ein Ultraweitwinkel- und ein Teleobjektiv. Der Akku bietet 6.000 mAh. Angaben zur Laufzeit macht Xiaomi nicht.

Die chinesische Basisversion kostet 10.999 Yuan (etwa 1.400 Euro). Das Spitzenmodell mit Keramikgehäuse, 16 Gigabyte RAM und 1 Terabyte Speicher liegt bei rund 16.000 Yuan (etwa 2.050 Euro). Eine weltweite Verfügbarkeit hat Xiaomi bislang nicht angekündigt, deswegen sind die Euro-Preise nur als Anhaltspunkt zu verstehen.

Quelle:
Xiaomi

Ursprünglicher Bericht vom 7. September 2026, 20:16 Uhr

iOS-27-Code deutet auf mehrere neue Kamera-Werkzeuge für das iPhone 18 Pro hin. Dazu gehören Belichtungsanzeigen, manuelle Fokussierung und Fokus-Peaking.

Die Kamera-App könnte künftig ein Waveform- oder Histogramm einblenden. Beide Anzeigen helfen dabei, die Belichtung während der Aufnahme einzuschätzen. Zusätzlich könnten Warnungen vor überbelichteten Bildbereichen erscheinen. Dafür sind im Code verschiedene Darstellungsformen vorgesehen, darunter farbige Flächen, blinkende Farben, diagonale Streifen oder ein Schachbrettmuster.

Auch eine manuelle Fokussteuerung mit Fokus-Sperre soll vorbereitet sein. Focus Peaking könnte scharf abgebildete Kanten farblich hervorheben. Eine ähnliche Fokussteuerung war bereits in einer frühen iOS-26-Version vorhanden, wurde in iOS 27 Beta 1 aber wieder entfernt. Der zugrunde liegende Code soll weiterhin auf Geräten verfügbar sein, die iOS 27 oder neuer ab Werk ausführen.

Der Selbstauslöser könnte außerdem mehrere Fotos nacheinander aufnehmen. Nach jeder Aufnahme würde der Countdown erneut beginnen, ohne auf das vollständige Speichern des vorherigen Bildes zu warten.

Bereits bekannte Hinweise auf eine variable Blende des iPhone 18 Pro werden durch die neuen Funde technisch ergänzt. iOS 27 könnte Objektivkorrekturen an die jeweilige Blendeneinstellung anpassen und dabei zwischen bis zu vier Referenzpunkten überblenden. Die entdeckten Funktionen sind in den aktuellen Betas noch nicht nutzbar. Apple könnte einzelne oder alle Neuerungen daher auch zurückhalten.

Quelle:
pdfu

Ursprünglicher Bericht vom 8. September 2026, 02:08 Uhr

WhatsApp testet eine native Chat-Funktion für Drittanbieter-KI-Agenten. Dies steht offenbar in Zusammenhang mit dem Trend, der durch OpenClaw gesetzt wurde: WhatsApp dient als Interface für eigene KI-Agenten. Bisher war es ein Hack, nun soll es offiziell werden. Ausgewählte Android-Nutzer können damit bereits eigene Agenten anbinden und direkt in WhatsApp mit ihnen kommunizieren. Bis zu fünf Agenten pro Konto sind vorgesehen, allerdings sind diese Chats derzeit nicht Ende-zu-Ende-verschlüsselt.

Die Funktion ist zunächst nur für ausgewählte Android-Nutzer verfügbar. Eine breitere Verteilung soll folgen. Pro Konto lassen sich bis zu fünf Agenten einrichten. Für jeden können Nutzer einen eigenen Namen und ein Profilfoto festlegen.

Beim Einrichten eines Bots soll WhatsApp einen API-Schlüssel erzeugen. Dieser Schlüssel wird anschließend bei der jeweiligen Agentenplattform hinterlegt. Die genauen Schritte hängen vom verwendeten Dienst ab.

Ein Agent kann nur Inhalte lesen, die Nutzer ausdrücklich in seinem Chat teilen. Der Zugriff auf andere Unterhaltungen, Kontakte oder Medien bleibt ausgeschlossen. Gruppenchats und Communities werden nicht unterstützt. Die Kommunikation findet zunächst ausschließlich in Einzelchats statt.

Eine wichtige Einschränkung betrifft den Datenschutz: Die Gespräche mit Drittanbieter-Agenten sind derzeit nicht Ende-zu-Ende-verschlüsselt. WhatsApp weist außerdem darauf hin, dass Antworten von KI-Agenten fehlerhaft sein können.

Meta arbeitet derweil an einer eigenen Version von OpenClaw, die derzeit getestet wird.

Nach Angaben von The Information soll Anthropic seit Oktober 2025 mindestens 14,8 Gigawatt Rechenleistung vertraglich gesichert haben. Zusätzlich verfüge das Unternehmen über ein bis zwei Gigawatt bestehender Kapazität. Anthropic plane außerdem eigene Rechenzentren.

Die geplante Leistung liegt dem Bericht zufolge weiterhin unter OpenAIs Ziel von 30 Gigawatt bis 2030. Ein direkter Vergleich ist allerdings schwierig, weil viele Verträge von Anthropic über diesen Zeitraum hinaus laufen sollen.

Beide Unternehmen können ihre Verpflichtungen derzeit nicht vollständig aus eigenen Einnahmen finanzieren. Anthropics annualisierter Umsatz habe laut Bloomberg zuletzt mehr als 65 Milliarden US-Dollar betragen. OpenAI habe im Juli mehr als 40 Milliarden US-Dollar erreicht.

Amodei hatte Anfang 2026 vor einem zu schnellen Ausbau gewarnt. Wettbewerber würden die eingegangenen Risiken nicht ausreichend verstehen. OpenAI-Chef Sam Altman mahnt ebenfalls zur Vorsicht. Der technische Fortschritt könne dazu führen, dass heutige, teure Rechenprojekte später wirtschaftlich schlechte Entscheidungen seien.

Die Modelle sollen laut den Berichten ein helleres und dünneres OLED-Panel mit Samsungs Color-Filter-on-Encapsulation-Technik erhalten. Diese soll die Displaykonstruktion verkleinern und die Helligkeit verbessern. Außerdem testet Apple demnach haptische Lösungen für Seiten-, Lautstärke-, Action- und Camera-Control-Tasten. Sie könnten ohne tatsächlichen Hub auskommen und dennoch eine taktile Rückmeldung geben.

Für die Kamera soll Apple einen eigenen gestapelten Bildsensor mit LOFIC-Technik entwickeln. Er könnte die bisher verwendeten Sensoren von Sony ersetzen. LOFIC soll eine größere Dynamik bei der Aufnahme ermöglichen.

Als Antrieb wird ein A21 Pro erwartet, der in einem 2-Nanometer-Verfahren gefertigt sein soll. Zusätzlich prüft Apple demnach eine Batterie mit Siliziumanode und möglicherweise höherer Energiedichte. Vertikal gestapelter DRAM-Speicher könnte die Speicherbandbreite und die lokale Verarbeitung von Apple Intelligence verbessern.

Für das iPhone 20 Pro soll Apple ein 6,4-Zoll-Display prototypisieren. Das iPhone 20 Pro Max könnte ein 7-Zoll-Display erhalten. Die Angaben bleiben Teil einer frühen Gerüchtelage. Viele der genannten Komponenten befinden sich offenbar noch in der Erprobung.

Bereits zuvor war über ein Jubiläums-iPhone mit weitgehend gläsernem Gehäuse, gebogenen Flächen an allen Seiten und einem Display ohne sichtbare Aussparung berichtet worden. Die Geräte werden derzeit für Herbst 2027 erwartet.

Ursprünglicher Bericht vom 3. September 2026, 20:20 Uhr

OpenAI hat Astra als neues Spitzenmodell für Computer- und Browseraufgaben veröffentlicht. Zunächst erhalten Kunden des Cybersecurity-Programms Daybreak Zugriff, weitere kostenpflichtige Tarife und die API sollen innerhalb einer Woche folgen.

Der Schwerpunkt von Astra liegt auf dem Einsatz von Computern und Browsern. OpenAI beschreibt das Modell als besonders schnell, genau und sicher. In der Cybersicherheit soll es unbekannte Schwachstellen aufspüren und bei der Entwicklung entsprechender Exploits helfen. Nach Darstellung des Unternehmens können Verteidiger damit Fehler finden und beheben.

OpenAI hebt außerdem die Leistungen bei der Softwareentwicklung hervor. Vergleichstests sollen Astra beim Aufspüren von Fehlern, bei Terminal-Aufgaben und bei Fragen zu Codebeständen vor anderen Modellen zeigen.

Eine Besonderheit ist die erhöhte Geschwindigkeit bei »Computer Use«. Hierbei führt das Ki-Modell eine zweite Maus, die wie ein Anwender den Computer bedienen kann. Bisher war das sehr langsam. Nun soll es der Geschwindigkeit eines Menschen ähneln, was ein großer Durchbruch wäre. Wir konnten es noch nicht ausprobieren.

OpenAI-Präsident Greg Brockman stellte zudem die Frage in den Raum, ob Astra bereits als künstliche allgemeine Intelligenz gelten könne. Für ihn persönlich sei dieser Punkt erreicht. Eine frühere vertragliche Definition im Verhältnis zu Microsoft spiele laut Brockman keine maßgebliche Rolle mehr.

Quellen:
OpenAI: Path to Astra
Techcrunch
OpenAI System Card für GPT-6 Astra
Gray Swan, IPI Arena
OpenAI: GPT-6 Astra
OpenAI-Dokumentation zu GPT-6 Astra
cozyblaze auf X
GitHub-Projekt von cozyblaze

Ursprünglicher Bericht vom 5. September 2026, 01:10 Uhr

Beim iPhone-Event am 9. September soll John Ternus erstmals als Apple-CEO die Präsentation leiten. Zusätzlich werden neue Prognosen zum Falt-iPhone und zum Verkaufsstart der erwarteten Modelle bekannt.

John Ternus soll die Präsentation erstmals als Apple-Chef anstelle von Tim Cook leiten. Cook ist demnach inzwischen Executive Chairman und könnte bei der Veranstaltung nicht auftreten.

Für das faltbare iPhone wird außerdem eine Dicke von nur etwa 4,5 Millimetern im aufgeklappten Zustand genannt. Das Gerät soll weiterhin ein buchähnliches Design mit einem äußeren Display von rund 5,5 Zoll und einem inneren Bildschirm von etwa 7,8 Zoll erhalten. Diese Angaben bleiben Gerüchte.

Als möglicher Zeitplan gelten Vorbestellungen ab dem 12. September und ein Verkaufsstart am 18. September. Diese Prognose betrifft die erwarteten neuen iPhones und ist nicht von Apple bestätigt. Das Event selbst findet am 9. September 2026 statt.

Quelle:
Bloomberg / Mark Gurmans Power On

Die möglichen Änderungen würden nicht zwingend höhere Preise für bestehende Angebote bedeuten. Bloomberg nennt auch Einsparungen bei den laufenden Abläufen als möglichen Ansatz. Eine stärker automatisierte Prüfung könnte die Kosten senken, würde aber zugleich die bisherige Rolle der manuellen Kontrolle verändern.

Die Überlegungen ergänzen die bereits bekannte Neuordnung des App Store. Eddy Cue verantwortet den Bereich künftig innerhalb der Services-Sparte. Carson Oliver übernimmt das operative Tagesgeschäft. Phil Schiller bleibt Apple als Apple Fellow erhalten, gibt die bisherige Leitung aber ab.

Quelle:
Bloomberg

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.

Beim Mac erwarte ich drei Funktionen: Drag&Drop, ein Kontextmenü mit »Speichern unter…« und das Kopieren in die Zwischenablage.

Aus Sicht des Programmierers sind das drei große Funktionen. Sie mögen erstmal klein erscheinen, aber dann muss man das User-Interface berücksichtigen, außerdem allerlei Beschränkungen des Systems (darf die App überhaupt frei im Dateisystem speichern?). Diese Dinge sind in unterschiedlichen Verzeichnissen und Dateien festgelegt, die man kennen muss. Da ist man erstmal eine Weile beschäftigt.

Aber das kann uns egal sein, wenn die KI es programmiert. Wir sagen der KI einfach, welche Funktionen sie einbauen soll.

Hier ist mein Befehl an die KI, den ich komplett zitiere. Achtet darauf, ob es irgendwelche Programmierkenntnisse erfordert:

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:

Ein interessanter Anhaltspunkt wurde nun von der New York Times veröffentlicht. Meta schätzt laut interner Dokumente, dass es bis zu zehn Milliarden Dollar pro Jahr für die Dienste von Anthropic ausgeben könnte. Anthropic wird von Meta hauptsächlich für die Programmierung und für Routine-Bürokram verwendet, außerdem müssen natürlich alle Mitarbeiter lernen, wie sie mit solchen Werkzeugen umgehen.

Dabei muss man sich daran erinnern, dass Meta eine eigene KI besitzt. Nur ist diese fürs Programmieren noch nicht gut genug. Aber schon bald wird sie es sein. Also warum dann zehn Milliarden Dollar an einen Konkurrenten verschleudern?

Wenn die Gerüchte stimmen, verwendet auch Apple intern die KI von Anthropic, angeblich auf eigenen Servern. Ein angeblicher Insider soll gesagt haben:

»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.

Nur ganz kurz: Diese News-Meldungen bestätigen zwar, dass eine Spotlight-Indizierung recht lange dauern kann. Aber sie erläutern nicht, warum. Genau das erklären wir in unserer Sendung (klick mich).

Falls Du gerade keine Zeit hast, kannst Du später im Archiv danach suchen. Du suchst dann eine Sendung über die Suche! Haha!

Allerdings: Wonach soll man genau suchen? Das ist gar nicht so einfach. Und da sind wir mittendrin im Thema.

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

Zum Schluss noch einen Screenshot, wie unsere Schatten-App eine Nachricht bewertet anhand bereits vorhandener Daten aus unserer Datenbank. Es ging um eine Zusammenarbeit von Amazon (AWS) und Nvidia.
Was kann man dort sehen? Erstens eine allgemeine Einschätzung über den Neuigkeitswert. Dann eine präzise Auflistung, was konkret neu ist. Dann eine Liste, was bereits von uns berichtet worden war. Letzteres ist genau die Information, die das System liefern soll. Es erkennt, dass wir allgemein über Nvidia und auch über große Rechenzentren bereits berichtet haben.
Am Ende stehen die Quellen und ein paar technische Daten, die das System aus unserer Datenbank verwendet hat, um zu diesen Entscheidungen zu gelangen.

Spotlight in Aktion! Ich werd' bekloppt.

PCIe steht für »Peripheral Component Interconnect Express«. Dabei handelt es sich um eine besonders schnelle Datenverbindung. Im Mac transportiert sie Daten zwischen der SSD, ihrem Controller und dem restlichen System. Je größer die Bandbreite dieser Verbindung ist, desto schneller können Daten gelesen und geschrieben werden – vorausgesetzt, die übrigen Komponenten halten mit.

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.

Ein Mac im Tower-Gehäuse und mit Steckkarten gab es ab in der guten alten Zeit ab ca. 1,699 oder 1,799 Dollar. Als dann das SSD-Zeitalter die Festplatten obsolet machte, kletterte der Preis für den Mac Pro auf 1,999 Dollar, allerdings mit zwei Grafikkarten. Damit niemand behauptet, dies seien Preise aus dem letzten Jahrhundert: Auch der Mac Studio, nun offiziell der Nachfolger des Mac Pro, startete mit 1,999 Dollar.

Natürlich raucht der Mac Mini diese alten Tower komplett in der Pfeife.

Die Frage ist allerdings, ob er es sollte.

Hier sind drei Fakten, die ich für wichtig halte. Erstens: Mit einem M5 Pro kostet er ab 1,699 Dollar. Dafür bekommt man schmale 24 GB RAM und eine für heutige Verhältnisse wirklich bescheidene SSD mit 512 GB. Immerhin, und das ist definitiv eher eine »Pro«-Kategorie: 15 CPU-Kerne und 16 GPU-Kerne. Einfach gesagt: RAM und SSD sind scheiße, aber der Prozessor ist wirklich sehr gut.

Zweitens: Für nur 200 Dollar Aufpreis legt Apple noch weitere drei CPU-Kerne und weitere vier GPU-Kerne drauf. Da lässt sich Apple nicht lumpen, eigentlich ist das sehr billig. Ingesamt hat man dann eine Art »Mac Pro« für angemessene 1,900 Dollar — nur eben mit für einen Mac Pro lächerlichen 512 GD SSD und inakzeptablen 24 GB RAM. Es ist dann eben doch kein Mac Pro, sondern ein Mac Mini. Aber es ist nicht Apples Schuld.

Drittens: Für 1,300 Dollar bekommt man die gleiche Ausstattung mit M6 anstelle des M5 Pro. Immerhin bietet der M6 selbst in der kleinsten Version verblüffende 12 CPU-Kerne und ebenso viele GPU-Kerne. Vielleicht ist das tatsächlich der bessere Kauf, und nach ein paar Jahren verhökert man das Ding einfach bei eBay.

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.

Als erster Apple-Chip kombiniert der M6 alle drei von Apple verwendeten CPU-Kerntypen. Er verfügt über sechs Efficiency Cores, vier Performance Cores und zwei Super Cores. Jeder Typ ist für einen anderen Aufgabenbereich optimiert.

Efficiency Cores benötigen besonders wenig Energie. Sie übernehmen einfache Arbeiten und Hintergrundprozesse, für die keine hohe Rechenleistung erforderlich ist. Das senkt den Stromverbrauch und verlängert bei mobilen Geräten die Akkulaufzeit.

Performance Cores sind für anspruchsvolle und komplexe Aufgaben gedacht. Ihre Stärke liegt vor allem bei Programmen, die ihre Arbeit auf mehrere Prozessorkerne verteilen können – etwa beim Bearbeiten von Videos, beim Entwickeln von Software oder bei umfangreichen Berechnungen.

Super Cores sollen dagegen die höchstmögliche Leistung eines einzelnen CPU-Kerns bieten. Davon profitieren Aufgaben, die sich nicht gut auf mehrere Kerne verteilen lassen. In solchen Fällen kommt es besonders darauf an, wie schnell ein einzelner Rechenablauf – ein sogenannter Thread – ausgeführt werden kann.

Nach Angaben von Apple erreicht der M6 mit dieser Kombination einen neuen Spitzenwert bei der Single-Thread-Leistung. Gegenüber dem M5 soll der Chip je nach Aufgabe bis zu 20 Prozent schneller arbeiten.

Für KI-Berechnungen direkt auf dem Gerät besitzt der M6 außerdem zwei Neural Engines mit jeweils 16 Kernen. Die Speicherbandbreite steigt auf bis zu 170 Gigabyte pro Sekunde. Das sind zehn Prozent mehr als beim M5.

Der Vorteil dieser Bauweise besteht normalerweise in einer besseren Konfigurierbarkeit und in einer höheren Ausbeute bei der Produktion, wodurch diese billiger wird.

Interessant ist dabei auch, dass es auf diese Weise, wenn man die Augen etwas zusammenkneift, tatsächlich ein Quad-Design ist. Solche Gerüchte gab es immer wieder, wenn über die Zukunft des Ultra-Prozessors orakelt wurde. Man hatte sich vorgestellt, dass zwei Ultra-Prozessoren verbunden würden. Das ist nun nicht der Fall. Ist das nun vom Tisch? Oder beweist es geradezu, dass Apple die Technologie für solche Designs besitzt?

Es gab auch Gerüchte (für YouTube: die Gewissheit!), dass Apple die Entwicklung der Ultra-Prozessoren eingestellt hat. Das hat sich nun als falsch erwiesen. Der M5 Ultra ist in jeder Hinsicht enorm eindrucksvoll.

UltraFusion erhöht die Bandbreite zwischen diesen Bausteinen auf mehr als 4,4 Terabyte pro Sekunde. Zugleich steigt die Dichte der Verbindungen um mehr als das Sechsfache. Dadurch arbeiten die vier Dies praktisch wie ein einziger Prozessor zusammen.

Die CPU verfügt über bis zu 36 Kerne, darunter zwölf besonders leistungsstarke Super-Cores und 24 Performance-Cores. Gegenüber dem M3 Ultra soll die Leistung bei der Nutzung eines einzelnen Rechenkerns um bis zu 25 Prozent steigen. Bei Aufgaben, die mehrere Kerne gleichzeitig beanspruchen, verspricht Apple eine Verbesserung um bis zu 30 Prozent.

Die Grafikeinheit bietet bis zu 80 Kerne. Erstmals bei einem Ultra-Chip ist in jeden GPU-Kern ein spezieller Neural Accelerator für KI-Berechnungen integriert. Dadurch erreicht der M5 Ultra laut Apple eine bis zu 4,3-mal höhere maximale KI-Rechenleistung als der M3 Ultra. Die Grafikleistung soll gegenüber der vorherigen Chipgeneration um bis zu 80 Prozent zulegen.

Hinzu kommen eine Neural Engine mit 32 Kernen und eine leistungsfähigere Media Engine. Sie besitzt doppelt so viele Einheiten zum Kodieren und Dekodieren von Videos wie der M5 Max. Damit kann der Chip bis zu 33 Videostreams im Format 8K ProRes 422 mit 30 Bildern pro Sekunde gleichzeitig wiedergeben.

Der M5 Ultra unterstützt bis zu 512 Gigabyte gemeinsamen Arbeitsspeicher. Die Speicherbandbreite beträgt bis zu 1,2 Terabyte pro Sekunde und liegt damit 50 Prozent über der des M3 Ultra. Der größere und schnellere Speicher ermöglicht es, umfangreiche Datensätze direkt auf dem Gerät vorzuhalten. Außerdem lassen sich KI-Modelle schneller ausführen und mehr Textbausteine, sogenannte Tokens, pro Sekunde verarbeiten. Nach Angaben von Apple können sogar große Sprachmodelle mit mehreren Hundert Milliarden Parametern vollständig lokal auf dem Gerät laufen.

Es ist natürlich jedem Leser klar, dass der Ansturm bei einem so prominenten Feature überhaupt nicht vergleichbar ist mit dem späteren, gemächlichen Gebrauch. Es wird deswegen auch kein fachkundiger Beobachter ernsthaft Kritik daran üben, außer vielleicht ein bisschen nörgeln.

Jedoch: Apple hat nunmal zwei Milliarden Kunden. Entweder ist die Kapazität dafür vorhanden oder nicht. Zum Vergleich: Apple verarbeitet an Silvester unfassbare Mengen an iMessage-Nachrichten. Niemand hielte es für akzeptabel, wenn Apple an Silvester einen Fortschrittsbalken anzeigen würde, der bis in die nächste Woche reicht.

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?

Wie oft erlebe ich es, dass Apps hin und her schalten, oft während des Logins oder beim Bezahlen einer Ware, hin zu PayPal, und wieder zurück zur App, und FaceID wird automatisch aktiv. Ich sehe, wie die Anzeigen über das Display flitzen, und ich bin froh, dass ich nicht für jeden Schritt eine PIN eingeben oder einen Fingerabdruck prüfen lassen muss. Es ist komfortabel, es ist sicher, und außerdem fasziniert mich die Technik.

Wie oft am Tag entsperre ich das iPhone? Man kann es gar nicht zählen. Dass ich jedes Mal authentifiziert werde, habe ich längt vergessen. So zuverlässig und so diskret funktioniert es. FaceID ist nach meiner Ansicht eine der besten Funktionen eines iPhones überhaupt.

Es mag ja sein, dass es mit einem faltbaren iPhone schlicht nicht möglich ist. Aber ist es dann ein iPhone Ultra? Oder nur ein iPhone Fold? Wo Ultra draufsteht, muss auch Ultra drin sein.

Woher stammt überhaupt das Gerücht? Mark Gurman berichtet es so, als würden auf dem Apple Campus allerlei Leute herumlaufen, die das iPhone Ultra fleißig ausprobieren. Das ist ganz sicher nicht der Fall. Ich bin unschlüssig, was ich davon halten soll. Aber die prekäre Nachricht über den enorm hohen Preis der Vision Pro wurde ebenfalls ein paar Wochen zuvor über »geheimnisvolle Wege« der Presse zugeschoben, damit sich in der Zeit bis zur Enthüllung alle wieder beruhigen. Könnte es bei FaceID ähnlich sein?

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?

Als vor einigen Jahren die Bezahlung per Smartphone und per Smartwatch populär wurde, wollte WalMart die Chance nutzen und führte dafür einen eigenen Dienst ein, der nur mit der WalMart-App funktionierte. Die Gründe dafür schienen einleuchtend: Erstens wollte WalMart nicht die Gebühren zahlen, die Apple und andere dafür erhoben, und die zusätzlich zu den Gebühren der Banken anfielen. In den USA wird vor allem mit Kreditkarten bezahlt, mit durchaus erheblichen Gebühren.

Zweitens sah man die Chance, die Kunden durch Rabatte und Aktionen an sich zu binden. Die Intelligenz dazu erforderte eine App. In den USA sind solche Rabatte sehr wichtig.

Drittens: Man konnte den Kunden über das Smartphone dauernd irgendwelche Sonderangebote unter die Nase halten, ohne erst abzuwarten, wann diese wieder in den Laden kommen. Heute ist es selbstverständlich, dass man z.B. von Amazon laufend irgendwelche Empfehlungen per Push-Notification oder per Mail bekommt (oft auch dann, wenn man es ausdrücklich nicht wünscht). Aber damals gehörte es zur großen Aufbruchstimmung der großen Retail-Konzerne.

In Deutschland wurden solche Apps ebenfalls üblich. Bestimmte Rabatte bekommt man bis heute nur dann, wenn man mit der Penny-App oder mit der Lidl-App bezahlt. Auch hier war die Bezahlung per Smartphone eine Weile darauf beschränkt. Man hinterlegte eine Bankverbindung in der App, darüber wurde abgebucht.

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.

Interessant ist der hohe Anteil von 30 Prozent. Man darf wohl annehmen, dass die Zahl rasant steigt. Zwar macht es derzeit einen winzigen Anteil dessen aus, was die Anwender sich tatsächlich anhören (0,5 Prozent laut Apple). Aber das liegt vermutlich nicht an der Musik selbst, sondern am Bekanntheitsgrad und am Anteil an der Alltagskultur. Damit will ich sagen, dass Elvis nunmal Elvis ist, und dass eine gerade angesagte Boygroup sehr viel mit dem Leben der Teenager zu tun hat (und sei es eingebildet), sodass die Teens kreischend vor dem Hotel stehen, wenn sie ihre Helden dort vermuten. All das fehlt der KI-Musik.

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.

Zwar funktioniert es derzeit nur auf dem Mac. Denn der Mac bietet weitreichende Bedienungshilfen, mit denen Apps ferngesteuert werden können, sofern der Anwender es erlaubt. Außerdem kann man einen Zugriff auf die gesamte Festplatte gestatten, womit der Zugriff auf die lokalen Kopien aller iMessage-Gespräche funktioniert. Auf dem iPhone ist das nicht möglich.

Und trotzdem. iMessage ist ein weiterer Schritt, eine weitere Datenquelle. Das macht es nicht weniger wichtig, sondern im Gegenteil umso wichtiger. Denn ChatGPT kennt auch die anderen Datenquellen. Es weiß, an welchen Projekten man arbeitet, welche Dokumente man neulich erstellt hat, welche Deadlines man einhalten möchte. Es versteht Zusammenhänge, ohne danach gefragt worden zu sein. Es schaut in den Kalender, ohne dass man es mühsam befehlen müsste.

Vor ein paar Tagen habe ich in einem Editorial erläutert, dass die Betriebssysteme (macOS, iOS) langsam nach unten sinken, und dass darüber eine neue Schicht eingezogen wird. Hier sieht man die neue Schicht. Es geschieht vor unseren Augen. Anstatt Apps zu erlernen und zu bedienen, beschreiben wir in Zukunft Aufgaben und erwarten, dass sie erledigt werden. Beispielsweise könnte ich sagen:

»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!