Alle reden gerade vom KI-Wettrüsten. Oder von der KI-Blase und wann sie endlich platzt.
NVIDIAs Grafikkarten, Rechenzentren für Milliarden, Trainingsläufe in kaum vorstellbaren Dimensionen. OpenAI, Google, Anthropic, Microsoft. Die ganze Tech-Welt schaut zu, wie diese Konzerne um das größte Modell ringen.
Apple kommt darin kaum vor. Und wenn doch, dann selten schmeichelhaft. Das KI-Rennen sei für Apple schon gelaufen, heißt es dann. Siri zum Lachen, kaum eigene KI-Funktionen, dafür ein Deal mit Google, der Gemini künftig hinter Siri stellen soll, und selbst der kam später als versprochen.
Ist das schon die ganze Geschichte? Ist Apple wirklich irrelevant, nur weil dort niemand H100-Cluster stapelt oder eigene Grundmodelle in Rekordgröße trainiert? Nur noch eine Firma für solide Laptops, ein nettes Tablet und überteuerte Handys?
Ich glaube, wir übersehen etwas Entscheidendes. Apple spielt gar nicht dasselbe Spiel wie der Rest der Branche. Während NVIDIA und die Cloud-Riesen immer größer bauen, hat Apple konsequent kleiner gebaut. Und genau dieser Unterschied könnte am Ende mehr zählen, als den meisten gerade bewusst ist.
Der Flaschenhals heißt Bus
Fangen wir mit dem eigentlichen Architekturproblem an, jenseits von reiner Rechenleistung. Es geht um Speichertransfer. Um Busse, ziemlich wörtlich gemeint.
In den meisten Computer-Architekturen, auch in denen, die heute den Großteil der KI-Workloads tragen, haben CPU und GPU getrennte Speicherbereiche. Bei jeder Anfrage müssen Daten physisch über einen Bus vom CPU- in den GPU-Speicher wandern und wieder zurück.
Das kostet Energie. Und es zieht eine Leistungsgrenze ein, die auch noch so viele zusätzliche GPU-Kerne nicht auflösen.
Stellt es euch vor wie eine Busfahrt quer durch die Stadt, nur um eine Kiste von einem Gebäude ins nächste zu bringen.
Apple hat dieses Problem vor Jahren mit den eigenen Chips gelöst. Unified Memory Architecture nennt sich das, die Trennung fällt komplett weg. Keine Busfahrt zwischen den Gebäuden mehr. Alles sitzt im selben Haus.
Was Unified Memory wirklich bedeutet
Die M-Chips packen CPU, GPU und Neural Engine auf denselben Die, mit gemeinsamem Speicherzugriff. Kein Kopieren zwischen getrennten Speicherbereichen mehr. Alles liest und schreibt in denselben, schnellen, geteilten Speicher.
Das verändert grundlegend, was auf einem einzelnen Gerät überhaupt möglich ist. Ein Mac Studio mit Apple-Chip stemmt lokal ein ordentlich großes Sprachmodell mit mehreren Milliarden Parametern, für die meisten Alltagsfälle völlig ausreichend.
Rasend schnell ist das nicht. Ein NVIDIA H100 im Rechenzentrum überholt diese Zahlen mühelos. Aber braucht ihr diese Geschwindigkeit für euren tatsächlichen Anwendungsfall wirklich? Und was zahlt ihr am Ende dafür, an Hardware, an Strom, an Cloud-Rechnung?
Die Neural Engine übernimmt
CPU und GPU kennt fast jeder zumindest oberflächlich. Über die Neural Engine wird deutlich weniger geredet, dabei ist sie entscheidend dafür, warum diese Chips bei KI so gut abschneiden.
Die CPU ist Generalist, kann fast alles, aber nacheinander. Die GPU rechnet tausende einfache Operationen parallel. KI-Inferenz braucht aber vor allem eine ganz bestimmte Rechenoperation, Matrixmultiplikation, Millionen Mal hintereinander, multiplizieren und addieren.
Genau dafür ist die Neural Engine gebaut. Sie will nicht flexibel sein, sie ist auf Tensor-Operationen zugeschnitten. Apples M4-Chip schafft damit 38 Billionen Operationen pro Sekunde. Mit dem M5, seit Herbst 2025 in MacBook Pro, iMac und iPad Pro verbaut, geht Apple noch einen Schritt weiter: Jeder einzelne GPU-Kern bekommt jetzt einen eigenen Neural Accelerator. Laut Apple steigt die reine KI-Rechenleistung pro GPU-Kern dadurch um mehr als das Vierfache gegenüber dem M4. Kein Zusatzchip mehr, der KI nebenbei mitmacht, sondern KI-Beschleunigung in jedem einzelnen Kern.
Die Rechnung in Watt
Ein NVIDIA-H100-Chip in der SXM-Variante, wie sie in den meisten großen Rechenzentren steckt, zieht unter Volllast bis zu 700 Watt. Ein Mac Studio mit M3 Ultra, aktuell der stärkste verfügbare Chip in Apples Desktop-Rechner, kommt unter Volllast auf etwa 270 Watt, ein M4 Max auf rund 330 Watt.
Und den könnt ihr auf jeden Schreibtisch stellen, ohne eigene Kühlung im Serverraum.
Wer durchgehend Inferenz laufen lässt, Edge-Deployments, Automatisierung im Hintergrund, Verarbeitung in Echtzeit, für den summiert sich dieser Unterschied über Monate zu echtem Geld. Für kleinere Firmen und Selbstständige, die sich keine eigene GPU-Flotte leisten wollen oder aus Datenschutzgründen ohnehin nicht in fremde Clouds dürfen, ist das kein Nebeneffekt, sondern der eigentliche Grund, warum ein Mac Studio als lokaler KI-Server plötzlich Sinn ergibt.
Und dann kam Gemini für Siri
Seit Januar 2026 ist klar: Die neue Siri läuft teils auf einem eigens für Apple lizenzierten Gemini-Modell von Google, rund eine Milliarde US-Dollar soll der Deal Apple jährlich kosten. Wer jetzt denkt, das widerlegt alles, was ich bis hierhin geschrieben habe, den Impuls verstehe ich.
Aber schaut genauer hin, was Apple da eigentlich gebaut hat. Einfache Anfragen bleiben komplett auf dem Gerät, auf genau der Unified-Memory-Architektur, um die es hier geht. Mittelschwere Aufgaben laufen über Apples eigene Private Cloud Compute, deren Server ebenfalls auf Apple-Chips laufen. Nur die schwersten Denkaufgaben wandern zu dem großen Gemini-Modell, das auf einer Infrastruktur läuft, die Apple kontrolliert.
Das ist kein Offenbarungseid, sondern Arbeitsteilung. Apple lagert genau den Teil aus, für den man tatsächlich gigantische Rechenzentren braucht, und behält den Teil bei sich, für den die eigene Architektur längst reicht.
Was Apple wirklich gewonnen hat
Zurück zur Ausgangsbehauptung: Apple verliere das KI-Rennen.
Wirklich? Oder löst die Firma einfach ein anderes Problem?
Kein größeres Rechenzentrum, kein H100-Konkurrent. Stattdessen eine Architektur, die das Inferenz-Problem am Edge und lokal löst. Speicher als Flaschenhals raus, KI-Workloads von Anfang an mitgedacht, und ein Modell, das sonst Cloud-Infrastruktur bräuchte, läuft auf Hardware, die viele ohnehin schon besitzen.
Die KI-Branche predigt gebetsmühlenartig, wer ernst genommen werden will, brauche stundenweise gemietete Cloud-GPUs. Apples M-Chips sagen: nicht immer. Für sehr viele reale Anwendungsfälle, keine hypothetischen, sondern tatsächlich im Einsatz, ergibt lokale Inferenz auf Unified-Memory-Architektur wirtschaftlich wie technisch mehr Sinn. Wer selbst mit quelloffener KI komplett offline arbeitet, merkt genau das im Alltag.
Kein Rechenzentrum nötig
Apple Silicon wird logischerweise nicht jeden GPU-Workload ersetzen. Große Modelle trainieren braucht weiterhin riesige Cluster, Millionen Nutzer gleichzeitig bedienen ist nicht der Anwendungsfall dieser Chips. Rechenzentren verschwinden nicht, und solange die stärksten Modelle an US-Infrastruktur hängen, bleibt das auch politisch ein Thema.
Aber für Inferenz hat Apple etwas anderes gebaut. Die schlagkräftigste KI-Infrastruktur für euren Anwendungsfall steht vielleicht längst auf eurem Schreibtisch. Das ist kein verlorenes Rennen. Das ist ein komplett anderes Rennen, und in dem hat Apple gerade ziemlich unauffällig die Führung übernommen.
