Lokale KI ist heute noch etwas, für das man sich bewusst entscheiden muss. Man installiert Ollama oder LM Studio, lädt ein Modell herunter und verbindet es vielleicht mit Raycast. Das ist nicht mehr besonders kompliziert. Aber es ist und bleibt ein zusätzlicher Schritt, den man bewusst machen muss.
Apple verfolgt einen anderen Weg*. Das Unternehmen will lokale KI nicht als separate Anwendung etablieren, sondern als selbstverständlichen Bestandteil seiner Geräte und Betriebssysteme. Die KI soll dort verfügbar sein, wo wir schreiben, suchen, kommunizieren und organisieren – ohne dass wir zuerst eine App oder einen Chatbot öffnen müssen.
Meine Prognose geht noch weiter: Apple baut in allen Produktkategorien Hardware, die lokale KI ausführen kann. Laptops, Desktop-Rechner, Tablets, Smartphones, Uhren und irgendwann wohl auch HomePods werden Teil einer gemeinsamen KI-Infrastruktur. Gleichzeitig entwickelt Apple eigene Modelle, die gezielt für diese Geräte optimiert sind.
Apple wusste schon immer, wie man Hard- und Software miteinander verschmilzt. Genau das wird auch im KI-Bereich geschehen.
Apple wird also lokale KI gross machen. Die Frage ist:
Wie lokal ist Apple Intelligence tatsächlich?
Lokale KI war bisher ein Spezialwerkzeug
Auf meinem Mac kann ich bereits heute leistungsfähige Sprachmodelle lokal ausführen. Selbst ein älterer Mac mini mit M1 bietet genug Leistung für viele alltägliche Aufgaben: Texte zusammenfassen, umformulieren, strukturieren oder übersetzen. Mit passenden Modellen kann ich auch Dokumente analysieren und Bilder auswerten.
Ollama oder LM Studio dienen dabei als Motoren Damit betreibst du offene Modelle auf deinem Rechner oder auch auf deinen mobilen Geräten. Raycast baut darum herum ein Cockpit: Über Tastaturkürzel, AI Commands, Skills und Extensions kommt die lokale KI dorthin, wo du ohnehin arbeitest.
Für Menschen, die gerne experimentieren, ist das ein interessanter Werkzeugkasten. Für die grosse Mehrheit ist es eine Hürde. Lokale KI funktioniert – aber sie ist noch nicht selbstverständlich.
Apple dreht das Prinzip um
Apple Intelligence will das ändern. Die KI-Strategie von Apple hatte einen schweren Start und wird auch heute oft missverstanden. Weil wir User Chatbots à la Claude oder ChatGPT erwarten.
Für Apple erscheint aber KI nicht primär als neue KI-App. Vielmehr wird die KI direkt in die Betriebssysteme und Standardanwendungen eingebaut. Sie hilft beim Schreiben, fasst Informationen zusammen, versteht Inhalte auf dem Bildschirm und kann Aktionen über mehrere Apps hinweg ausführen.
Die KI kommt zu mir – in meine Texte, Nachrichten, Fotos, Termine und Dateien. Im Hintergrund arbeiten verschiedene Modelle, Schnittstellen und Geräte zusammen.
Das ist mehr als eine angenehmere Benutzeroberfläche. Es verändert die Rolle der KI. Sie wird zu einer Schicht des Betriebssystems.
Für Wissensarbeit ist das entscheidend. Der grösste Nutzen entsteht nicht unbedingt dann, wenn ein Modell eine spektakuläre Antwort produziert. Wertvoller ist häufig eine kleine Unterstützung im richtigen Moment. Ein schneller KI-Schritt um einen nächsten manuellen Schritt vorzubereiten.
«Local first» ist nicht «local only»
Apple spricht bei Apple Intelligence konsequent von On-Device-Verarbeitung und Datenschutz. Viele Aufgaben sollen direkt auf dem Gerät ausgeführt werden. Reicht dessen Leistung nicht aus, kann eine Anfrage an Apples Private Cloud Compute weitergegeben werden.
Dabei soll nur jener Teil der Daten übertragen werden, der für die konkrete Anfrage notwendig ist. Apple erklärt zudem, dass diese Daten nicht gespeichert und für das Training der Foundation Models weder private persönliche Daten noch Interaktionen der Nutzenden verwendet werden.
Apple Intelligence ist deshalb local first, aber nicht local only.
Das ist schlau. Ein kleines, lokales Modell ist schnell, sparsam und für viele Aufgaben ausreichend. Ein grösseres Cloud-Modell kann dort übernehmen, wo mehr Rechenleistung oder eine andere Fähigkeiten gefragt sind.
Apples entscheidender Vorteil liegt in der Hardware
Wenn wir über Apple Intelligence reden, schauen wir oft zuerst auf Siri oder einzelne neue Funktionen. Damit übersehen wir möglicherweise Apples wichtigsten strategischen Vorteil.
Apple kontrolliert einen grossen Teil der gesamten technischen Kette:
- die Prozessoren,
- die Geräte,
- die Betriebssysteme,
- die Standardanwendungen,
- die Entwicklungswerkzeuge,
- die Schnittstellen
- und zunehmend auch die KI-Modelle.
Beim neuen A20 Pro hebt Apple die Neural Engine ausdrücklich als Grundlage für leistungsfähigere On-Device-Modelle hervor. Auch die aktuellen M-Chips werden immer stärker für lokale KI-Berechnungen optimiert. Entwickler:innen erhalten gleichzeitig Frameworks, mit denen sie Apples Modelle oder eigene Modelle auf den Geräten ausführen können.
Das ist eine andere Ausgangslage als bei einem Unternehmen, das lediglich einen Chatbot oder ein Cloud-Modell anbietet. OpenAI, Antrophic, ja auch Google und Microsoft würden sich die Finger abschlecken für so eine Ausgangslage.
Apple kann ein Modell gezielt für eine bestimmte Chipgeneration, Speicherarchitektur und Geräteklasse entwickeln. Ein Modell für eine Uhr muss nicht dasselbe leisten wie ein Modell für einen Mac Studio. Ein HomePod muss keine langen Texte schreiben können, um Sprache, persönliche Routinen und den Kontext eines Raums zu verstehen.
Nicht jedes Gerät muss alles können. Entscheidend ist das Zusammenspiel.
Eine Anfrage könnte auf der Uhr beginnen, auf dem iPhone verarbeitet und auf dem Mac weitergeführt werden. Apple zeigt diese Richtung bereits bei Siri AI: Gespräche und Aufgaben sollen sich über iPhone, Apple Watch, AirPods und weitere Geräte fortsetzen lassen.
Lokale KI wird zur Eigenschaft eines Geräts
Bei einem Smartphone fragen wir heute nicht mehr, ob es telefonieren, mailen, surfen, fotografieren, filmen, übersetzen, recherchieren, oder navigieren kann. Wir setzen diese Fähigkeiten voraus. Sie sind Teil des Geräts geworden.
Mit lokaler generativer KI könnte dasselbe geschehen.
In einigen Jahren kaufen wir vielleicht keinen Computer mehr, auf dem man auch ein KI-Modell installieren kann. Wir kaufen ein Gerät, dessen Hardware von Anfang an für eine bestimmte Klasse lokaler Modelle ausgelegt ist.
Das wäre ein wichtiger Wandel. Lokale KI wäre dann kein Produkt für technisch Interessierte, sondern eine gewöhnliche Eigenschaft von Laptops, Smartphones, Tablets, Uhren und Lautsprechern.
Apple hat solche Übergänge schon mehrfach gestaltet. Das Unternehmen hat selten jede zugrunde liegende Technologie selbst erfunden. Seine Stärke lag vielmehr darin, Hardware und Software so zu kombinieren, dass aus einzelnen technischen Möglichkeiten ein verständliches Produkt entstand.
Meine Prognose lautet: Genau das wird Apple auch bei der KI gelingen.
Der Preis des Komforts
Der Komfort hat allerdings seinen Preis.
Bei Ollama kann ich selbst entscheiden, welches Modell ich installiere. Ich kann unterschiedliche Modellgrössen testen, Modelle austauschen, Systemanweisungen verändern und den Netzwerkzugriff vollständig unterbinden. Im Idealfall weiss ich genau, was auf meinem Rechner passiert.
Bei Apple Intelligence treffe ich diese Entscheidungen nicht.
Apple bestimmt, welches Modell für eine Aufgabe vorgesehen ist. Das System entscheidet, ob eine Anfrage auf dem Gerät, über Private Cloud Compute oder mit einem externen Modell bearbeitet wird. Ich erhalte ein kuratiertes Gesamterlebnis, aber keinen offenen KI-Werkzeugkasten.
Für viele Menschen ist das ein guter Tausch. Sie wollen keine Modelle verwalten. Sie wollen, dass die Funktion zuverlässig arbeitet.
Für vertrauliche Wissensarbeit reicht mir diese Bequemlichkeit allein jedoch nicht. Ich möchte nachvollziehen können, wann persönliche Informationen das Gerät verlassen, welche Daten übertragen werden und wer sie verarbeitet.
Vertrauen in die Marke ist hilfreich. Transparenz wäre besser.
«Lokal» ist keine einfache Ortsangabe mehr
Vielleicht brauchen wir deshalb ein anderes Verständnis von lokaler KI.
Bisher war die Unterscheidung einfach: Entweder ein Modell läuft auf meinem Rechner oder meine Anfrage geht in die Cloud. Apple macht daraus eine Verarbeitungskette. Ein lokales Modell analysiert die Aufgabe und entscheidet, ob es sie selbst erledigen kann. Falls nicht, übergibt das System die notwendigen Informationen an ein grösseres Modell.
«Lokal» bezeichnet dann nicht mehr zwingend den Ort der gesamten Verarbeitung. Es beschreibt ein Prinzip: so viel wie möglich auf dem Gerät und nur so viel wie nötig in der Cloud.
Das ist pragmatisch. Aber es verlangt klare Antworten und ich hoffe, dass Apple diese Antworten liefert:
- Wann verlässt eine Anfrage mein Gerät?
- Kann ich das erkennen oder verhindern?
- Welche Informationen werden übertragen?
- Wie lange bleiben sie erhalten?
- Werden Inhalte oder Nutzungsmuster für das Training verwendet?
- Kann ich für besonders vertrauliche Aufgaben einen vollständig lokalen Modus erzwingen?
Je unsichtbarer die Technik wird, desto wichtiger werden diese Fragen.
Apple macht die Technik unsichtbar
Apple hat lokale KI nicht erfunden. Das Unternehmen könnte sie aber aus der Nische holen und zur selbstverständlichen Infrastruktur unserer Geräte machen.
Meine Prognose: Apple wird über alle Produktkategorien hinweg Hardware entwickeln, die lokale Modelle ausführen kann. Diese Modelle werden nicht unbedingt die grössten oder universellsten sein. Sie werden auf konkrete Geräte, Aufgaben und Nutzungssituationen optimiert.
Damit spielt Apple seine klassische Stärke aus: die Verschmelzung von Hardware und Software, bis die Technik in den Hintergrund tritt.
Ich begrüsse diese Entwicklung. Ich möchte KI nicht ständig als separate Anwendung öffnen müssen. Ich möchte sie dort nutzen, wo meine Arbeit stattfindet.
* Andere Systemanbieter wie Microsoft, Google und Co. werden möglicherweise dasselbe tun. Aber ich bin nun mal Apple-Experte und verfolge deshalb vor allem, was mein liebster Früchtelieferant aus Cupertino macht.
Über mich
Ein Kommentar
Danke für den guten Überblick! Besonders der Punkt, dass KI zu einer Schicht des Betriebssystems wird, trifft es genau. In unserem Alltag mit Bildbearbeitung merken wir das schon jetzt: Kleine KI-Schritte im richtigen Moment – Freistellen, Textvorschläge, Zusammenfassungen – sparen mehr Zeit als die spektakulären Demos.
Spannend finde ich die Kombination aus lokaler Verarbeitung für sensible Kundendaten und gezielten Cloud-Werkzeugen für rechenintensive Aufgaben. Für Moodboards und erste Layout-Entwürfe nutze ich zum Beispiel gern Bildgeneratoren wie ai生图, um fotorealistische Platzhalterbilder zu erstellen, bevor das eigentliche Shooting stattfindet. Die finalen Assets und alles mit Kundendaten bleiben dagegen lokal auf dem Mac – genau diese Trennung, die Apple mit «Local first» beschreibt.
Mich würde interessieren, ob ihr schon Erfahrungen habt, wie gut sich Apple Intelligence mit Tools wie Ollama oder LM Studio ergänzt, gerade wenn man in InDesign- oder Lightroom-Workflows Texte und Metadaten automatisieren möchte. Ein Folgeartikel dazu wäre super!