Apple richtet seine Desktop-Macs auf lokale KI aus
Apple aktualisiert den Mac mini und den Mac Studio mit einem klaren Schwerpunkt auf lokale KI-Inferenz und Entwicklungsarbeit. Die Geräte sollen große Sprachmodelle direkt im Unternehmen ausführen, statt Quellcode und Geschäftsdaten an externe Cloud-Dienste zu übertragen.
Technische Grundlage sind Apples Unified-Memory-Architektur, hohe Speicherbandbreiten und die Möglichkeit, mehrere Macs über Thunderbolt 5 zusammenzuschalten. Unified Memory bezeichnet einen gemeinsamen Speicherbereich, auf den CPU und GPU ohne separate Kopien zugreifen können. Das ist besonders bei großen KI-Modellen relevant, deren Modellgewichte vollständig in den verfügbaren Speicher passen müssen.
M6 bringt drei unterschiedliche Kern-Typen
Der neue M6 ist Apples erster Mac-Prozessor im 2-nm-Verfahren. Er kombiniert erstmals drei Kern-Typen in einem Chip: zwei Super-Kerne, vier Performance-Kerne und sechs Effizienz-Kerne. Hinzu kommen zwölf GPU-Kerne und bis zu 32 GB Unified Memory.
Apple nennt eine Speicherbandbreite von bis zu 160 GB/s. Die Multi-Thread-CPU-Leistung soll bis zu 40 % über der des M4 liegen. Unabhängige Benchmarks liegen bislang nicht vor, weshalb diese Leistungsangabe zunächst eine Herstellerbehauptung bleibt.
| Merkmal | M6 | Spitzenkonfiguration |
|---|---|---|
| CPU-Kerne | 12 | 36 |
| GPU-Kerne | 12 | 80 |
| Unified Memory | Bis zu 32 GB | Bis zu 512 GB |
| Speicherbandbreite | Bis zu 160 GB/s | Bis zu 1,2 TB/s |
Bei der Bezeichnung des leistungsstärksten Chips sind die vorliegenden Angaben nicht konsistent. Teilweise ist von einem M6 Ultra die Rede, während Preislisten und Lieferhinweise M5 Max und M5 Ultra nennen. Gesichert sind die genannten Eckdaten der Spitzenkonfiguration, nicht jedoch ihre durchgehend eindeutige Zuordnung zu einer Modellbezeichnung.
Mehrere Macs rechnen gemeinsam über Thunderbolt 5
Für besonders große Modelle lassen sich mehrere Mac minis oder Mac Studios per Thunderbolt 5 in Reihe verbinden. Die verteilte Inferenz übernimmt MLX, Apples quelloffenes Framework für maschinelles Lernen auf Prozessoren der M-Serie. Damit kann ein Modell seine Berechnungen und Speicheranforderungen auf mehrere Rechner verteilen.
Apple beschreibt die Funktion als „latenzarme Kommunikation zwischen Thunderbolt-5-Hosts für Anwendungsfälle wie verteilte KI-Inferenz mittels MLX“, sinngemäß aus den englischen Versionshinweisen übersetzt.
Solche Cluster sind eine Alternative zu Servern mit spezialisierten Nvidia-GPUs. Sie erlauben es, umfangreichere Modelle auszuführen, als es auf einem durchschnittlich ausgestatteten Entwicklerrechner möglich wäre. Ob ein Mac-Cluster wirtschaftlicher ist, hängt allerdings von Modellgröße, Auslastung, Stromkosten und dem internen Betriebsaufwand ab.
Als lokale Modelle kommen unter anderem Qwen und DeepSeek infrage. Open-Weight bedeutet, dass die trainierten Modellgewichte verfügbar sind, nicht zwangsläufig, dass sämtliche Trainingsdaten und Bestandteile offenliegen. Beispiele für diese Entwicklung sind DeepSeek V4 Flash mit offenen Gewichten und das für lokale Nutzung ausgelegte Qwen 3.8 27B.
Lokale Modelle gegen laufende Token-Kosten
Apple adressiert mit der Hardware einen wachsenden Kostenfaktor in der Softwareentwicklung. Coding-Agenten wie Claude Code und Codex können große Mengen an Tokens verbrauchen. In einzelnen Entwicklungsorganisationen beanspruchen KI-Tokens bereits einen erheblichen Anteil des Entwicklerbudgets.
Ein lokales System verschiebt diese Kosten. Statt nutzungsabhängiger API-Rechnungen fallen zunächst hohe Investitionen für Hardware sowie laufende Kosten für Energie, Wartung und Administration an. Bei dauerhaft hoher Auslastung kann das kalkulierbarer sein als mehrere SaaS-Abonnements und variable Cloud-Gebühren.
Der Preis dafür ist mehr Eigenverantwortung. Unternehmen müssen MLX, Modelle, Zugriffsrechte, Aktualisierungen und Überwachung selbst betreiben. Auch die Qualität lokaler Modelle muss für den jeweiligen Anwendungsfall geprüft werden, da sie Cloud-Modellen nicht automatisch in jeder Aufgabe ebenbürtig sind.
US-Preise beginnen bei 899 Dollar
Der Mac mini mit M6 und 16 GB Arbeitsspeicher startet in den USA bei 899 US-Dollar. Für den Mac Studio nennt Apple Einstiegspreise ab 2.499 US-Dollar. Euro-Preise für Deutschland, Österreich und die Schweiz liegen in den bereitgestellten Angaben nicht vor.
| Modell | US-Einstiegspreis |
|---|---|
| Mac mini mit M6, 16 GB | 899 US-Dollar |
| Mac mini mit M5 Pro | 1.699 US-Dollar |
| Mac Studio mit M5 Max | 2.499 US-Dollar |
| Mac Studio mit M5 Ultra | 5.499 US-Dollar |
Vorbestellungen sollen sofort möglich sein, die reguläre Auslieferung ist für den 22. September vorgesehen. Die Konfiguration mit 512 GB Speicher soll erst Ende Oktober folgen. Beide Desktop-Rechner werden laut Apple mit macOS 27 Golden Gate ausgeliefert.
Schnellere SSDs und Netzwerkoptionen
Neben der KI-Ausrichtung erhalten die Geräte klassische Plattform-Updates. Apples N1-Chip unterstützt Wi-Fi 7 und Bluetooth 6. Die SSDs sollen bis zu 15 GB/s erreichen und damit laut Apple doppelt so schnell wie zuvor arbeiten.
Der Mac mini besitzt serienmäßig 2,5Gb-Ethernet. Optional lässt er sich mit 10Gb-Ethernet ausstatten. Für verteilte KI-Inferenz bleibt jedoch Thunderbolt 5 die zentrale Verbindung zwischen den einzelnen Rechnern.
Relevanz für Unternehmen im DACH-Raum
Lokale KI-Hardware kann Datenschutz und Datensouveränität erleichtern. Bei einer konsequent lokalen Konfiguration verbleiben Quellcode, Dokumente und interne Geschäftsdaten im eigenen Netzwerk. Das reduziert die Abhängigkeit von US-Cloud-Schnittstellen und vereinfacht bestimmte Anforderungen an Auftragsverarbeitung und Datenübermittlung, ersetzt aber keine vollständige DSGVO-Prüfung.
Die neuen Macs machen Self-Hosting leistungsfähiger, beseitigen jedoch nicht dessen operative Anforderungen. Für Unternehmen mit konstantem KI-Bedarf kann ein eigener Mac-Cluster eine wirtschaftlich interessante Alternative sein. Bei sporadischer Nutzung dürfte die Cloud häufig flexibler bleiben, weil hohe Anschaffungskosten und eigenes Betriebswissen entfallen.