CUPERTINO / LONDON (IT BOLTWISE) – Apple soll sich für die Technologie von PrismML interessieren, um Künstliche Intelligenz künftig stärker direkt auf Endgeräten auszuführen. Im Kern geht es um das Schrumpfen großer Sprachmodelle, sodass sie ohne klassisches Server-Setup vergleichbar leistungsfähig bleiben. Die Start-Up-Pläne zielen dabei auf mobile Workloads, inklusive Aufgaben wie Softwareentwicklung. Damit verschiebt sich das Verhältnis von Rechenleistung, Kosten und Datenschutz in Richtung Gerät statt Rechenzentrum.
Apple prüft Berichten zufolge, ob sich die Technologie von PrismML nutzen lässt, um riesige KI-Modelle deutlich kleiner zu machen und trotzdem auf mobilen Geräten nutzbar zu halten. Genau diese Verschiebung ist in den letzten Jahren zu einem strategischen Hebel geworden: Nicht nur wegen Latenz und Bandbreite, sondern auch wegen Kosten für Inferenz im Rechenzentrum. PrismML arbeitet nach diesem Ansatz an kompakten Sprachmodellen, die serverlastige Workloads reduzieren sollen. Für Unternehmen ist das deshalb mehr als ein Pilotprojekt, weil sich daraus neue Produkt- und Architekturentscheidungen ableiten lassen, etwa bei der Frage, was lokal verarbeitet wird und was in die Cloud wandert.
Technisch steht bei PrismML der Gedanke im Vordergrund, Modellgrößen so zu reduzieren, dass ein großes Sprachmodell nicht mehr zwangsläufig in voller Breite auf spezialisierten GPUs im Backend laufen muss. Laut Berichten soll das Startup Qwen 3.6, ein Open-Source-Language-Model von Alibaba, so komprimiert haben, dass es auf einem iPhone 17 Pro lauffähig wird. Das Modell wird dabei mit 27 Milliarden Parametern beschrieben, während bei vielen Mobil-Setups nur ein kleinerer Teil der Parameter gleichzeitig aktiv ist. Diese Gegenüberstellung deutet darauf hin, dass das Startup vor allem am Zusammenspiel aus Parameteranzahl, Aktivierungsstrategie und effizienter Inferenz arbeitet, um Rechenzeit und Speicherbedarf zu drücken.
Der Vergleich mit früheren On-Device-Ansätzen zeigt, warum der Punkt so wichtig ist: Seit Jahren versuchen Teams, große Transformer-Modelle mithilfe von Quantisierung, Pruning oder Knowledge Distillation handhabbar zu machen. Quantisierung reduziert etwa die Zahl der Bits pro Gewicht und kann auf mobilen Beschleunigern schneller laufen, während Pruning redundante Pfade im Netzwerk entfernt. Distillation „überträgt“ Verhalten eines großen Teacher-Modells auf ein kleineres Student-Modell. PrismMLs Ansatz, ein Modell in eine iPhone-taugliche Ausführungsform zu bringen, setzt dabei jedoch vermutlich stärker auf die konkrete Laufzeit-Optimierung als auf reine Größenreduktion. Genau dort entscheidet sich in der Praxis, ob Nutzer wirklich eine gleichbleibende Qualität bei akzeptabler Latenz bekommen.
Im Marktkontext ist das Interesse von Apple an einem derartigen Workflow nachvollziehbar. Apple baut seit Jahren an KI-Funktionen, die Nutzererfahrung und Gerätedaten eng koppeln. Parallel gab es eine enge Kooperation mit Google für Siri-Weiterentwicklungen, die als moderne KI-Variante in iOS debütieren soll. Dazu kommt Apples eigene Bewegung im KI-Umfeld über Zukäufe: Als größtes, eher diskretes KI-Thema wird im Umfeld auch das Übernehmen eines Startups namens Q.ai genannt, das Berichten zufolge 2 Milliarden US-Dollar gekostet habe. Wettbewerber beobachten solche Signale sehr genau, weil On-Device-Fähigkeiten nicht nur Feature-Listen verändern, sondern auch die Systemkosten pro Anfrage und das erlaubte Datenmodell in der Produktarchitektur.
Aus Expertensicht lässt sich außerdem ein klares Argument für Enterprise-Szenarien ableiten: Je mehr KI lokal läuft, desto weniger Rohdaten müssen in das externe Backend übertragen werden. Das kann Compliance- und Datenschutzanforderungen erleichtern, etwa bei personenbezogenen Daten oder bei sensiblen Betriebsdaten aus Unternehmen. Gleichzeitig steigt die Verantwortung für Security auf dem Gerät, weil Angriffsflächen wie Modell-Updates, Prompt-Manipulation oder das Handling von Ausgaben zunehmen. Unternehmen werden daher stärker darauf achten müssen, wie ein komprimiertes Modell verteilt, signiert und überwacht wird und wie sich Drift oder fehlerhafte Interpretationen erkennen lassen, ohne den Komfort der On-Device-Verarbeitung zu verlieren.
Auch die konkrete Release-Planung spielt in die Wettbewerbsdynamik hinein. Berichten zufolge plant PrismML, sein offenes Modell am Dienstag, 14. Juli, bereitzustellen. Solche Open-Source-Veröffentlichungen wirken kurzfristig wie ein Signal an die Entwickler-Community, bringen aber auch messbare Effekte für die Bewertung der Machbarkeit. Für Apple und andere Plattformanbieter entsteht daraus eine Art „Technologie-Referenz“, an der sich Optimierungsentscheidungen abgleichen lassen: Wie stabil läuft das Modell über unterschiedliche iPhone-Generationen? Welche Quality-of-Service-Metriken bleiben erhalten, wenn Nutzer gleichzeitig tippen, sprechen oder Bilder liefern? Gerade bei Sprachmodellen, die etwa Aufgaben wie Softwareentwicklung adressieren sollen, ist die Antwortqualität bei langen Kontexten entscheidend.
Historisch war der Weg zu On-Device-KI nie linear. Zunächst dominierten serverbasierte Systeme, weil die Hardware-Restriktionen auf Mobilgeräten zu stark waren. Dann kamen erste NPU-basierte Inferenzpfade, später leistungsfähigere mobile Beschleuniger und schließlich zunehmend effiziente Modellfamilien. Gleichzeitig hat sich gezeigt, dass „kleiner“ nicht automatisch „besser“ bedeutet: Ein Modell kann zwar kompakt sein, aber dadurch schwächer bei komplexen Aufgaben werden. Der Fortschritt liegt daher eher im Zusammenspiel aus Architektur, Kompression und Laufzeit-Engine. Wenn PrismML hier tatsächlich in Richtung iPhone-Deployment liefert, wäre das ein weiterer Baustein in der inzwischen reifen Toolchain für KI-Entwicklung, die für Produktteams inzwischen Pflicht wird.
Für die nächsten Monate ist zu erwarten, dass On-Device-KI stärker in die Produkt- und Governance-Planung rückt. Sollte Apple die Technologie nutzen, könnten neue Latenz- und Datenschutz-Profile entstehen, etwa für Offline-Funktionen oder für sensiblere Workflows in Organisationen. Entwickler bekommen dabei eine praktische Chance: Offene Modelle und reproduzierbare Komprimierungsansätze helfen, eigene Inferenzpipelines zu testen, bevor proprietäre Plattformdetails bekannt sind. Gleichzeitig bleibt die regulatorische Seite zentral: Je mehr Verarbeitung lokal passiert, desto weniger Datenhoheit liegt in externen Systemen, aber desto mehr müssen Logs, Speicherfristen und Update-Prozesse sauber ausgestaltet werden. In Summe spricht vieles dafür, dass der Wettbewerb künftig weniger über „ob KI“ und mehr über „wie effizient und sicher“ entschieden wird.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Apple zeigt Interesse: KI-Modelle laufen dank PrismML direkt auf dem iPhone" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Apple zeigt Interesse: KI-Modelle laufen dank PrismML direkt auf dem iPhone" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Apple zeigt Interesse: KI-Modelle laufen dank PrismML direkt auf dem iPhone« bei Google Deutschland suchen, bei Bing oder Google News!