Ein 2-nm-Chip im Bürorechner: Was Apples M6 und M5 Ultra für lokale KI bedeuten
Apple hat M6 und M5 Ultra vorgestellt. Bis zu 512 GB Speicher machen lokale Modelle möglich und stellen die Kostenfrage neu.
Apple hat am 25. August 2026 zwei neue Prozessoren vorgestellt: den M6 für den Mac mini und den M5 Ultra für den Mac Studio. Beide Geräte lassen sich ab sofort vorbestellen, ausgeliefert wird ab dem 22. September. Bemerkenswert ist weniger die Hardware selbst als die Begründung, mit der Apple sie bewirbt. Im Mittelpunkt der Ankündigung steht nicht Videoschnitt oder Bildbearbeitung, sondern die Fähigkeit, KI-Modelle vollständig auf dem eigenen Gerät auszuführen.
Für Unternehmen ist das eine Kosten- und eine Datenschutzfrage zugleich. Wer ein Sprachmodell im eigenen Haus betreibt, braucht keinen Auftragsverarbeitungsvertrag mit einem Anbieter in den USA oder China, rechnet nicht nach Token ab und schickt keine Kundendaten aus dem Netz. Die Frage ist, ob die neue Hardware diesen Anspruch einlöst und zu welchem Preis.
Was in den Chips steckt
Der M6 ist Apples erster Prozessor im 2-Nanometer-Verfahren. Er kombiniert eine Zwölf-Kern-CPU aus zwei sogenannten Super Cores, vier Performance- und sechs Effizienzkernen mit einer Zwölf-Kern-GPU, in deren Kernen Neural Accelerators sitzen. Dazu kommt eine doppelte Neural Engine mit je 16 Kernen. Der Arbeitsspeicher liegt bei bis zu 32 GB, die Speicherbandbreite bei bis zu 170 GB/s und damit rund zehn Prozent über dem M5.
Der M5 Ultra im Mac Studio ist ein anderes Kaliber. Er verbindet erstmals vier Chips über Apples UltraFusion-Verbindung, bietet bis zu 36 CPU- und 80 GPU-Kerne und kommt auf 1,2 TB/s Speicherbandbreite, ein Plus von 50 Prozent gegenüber dem M3 Ultra. Entscheidend ist die Speicherausstattung: bis zu 512 GB einheitlicher Speicher, auf den CPU, GPU und Neural Engine gemeinsam zugreifen.
Genau darauf zielt Apples Werbeversprechen. In der Mitteilung heißt es, der Chip ermögliche es, große Sprachmodelle mit
hunderten von Milliarden Parametern
direkt auf dem Gerät auszuführen. Das ist keine Übertreibung, sondern eine Folge der Architektur: Weil sich Prozessor und Grafikeinheit denselben Speicher teilen, ist nicht die Zahl der Rechenkerne die Grenze, sondern der Platz für die Modellgewichte.
Der Speicher ist die eigentliche Grenze
Für die Praxis ergibt sich daraus eine unbequeme Trennlinie zwischen den beiden vorgestellten Geräten. Als Faustregel braucht ein auf vier Bit reduziertes Modell ungefähr halb so viele Gigabyte Speicher, wie es Milliarden Parameter hat. Ein Modell mit 70 Milliarden Parametern belegt so etwa 35 GB, bevor überhaupt Kontext, Betriebssystem und laufende Programme hinzukommen.
Der Mac mini mit M6 ist bei 32 GB gedeckelt. Realistisch laufen darauf Modelle im Bereich von etwa 20 bis 30 Milliarden Parametern, und auch das nur in reduzierter Genauigkeit und mit begrenztem Kontextfenster. Das reicht für Textzusammenfassungen, Klassifikation eingehender Nachrichten oder eine Suche über eigene Dokumente. Es reicht nicht für die Modelle, mit denen Anbieter wie Anthropic oder OpenAI ihre Dienste betreiben.
Wer wirklich große Modelle lokal ausführen will, landet beim Mac Studio. Der beginnt mit dem M5 Max bei 2.999 Euro, die Ultra-Variante bei 6.599 Euro. Der Mac mini kostet ab 1.049 Euro, die Zwischenstufe mit M5 Pro und bis zu 64 GB Speicher ab 1.999 Euro. Besonders große Speicherkonfigurationen des Mac Studio liefert Apple erst ab Ende Oktober aus.
Was Apples Zahlen sagen und was nicht
Die Vergleichswerte in der Ankündigung sind korrekt, aber sorgfältig gewählt. Apple nennt für den M6 rund 30 Prozent mehr GPU-Rechenleistung für KI-Aufgaben gegenüber dem direkten Vorgänger M5. Auf den Produktseiten steht zugleich, die Verarbeitung von Prompts sei 13,5-mal schneller als beim M4, beim M5 Pro sogar 22,3-mal schneller als beim M4 Pro.
Beide Angaben stimmen und meinen Verschiedenes. Der Sprung um mehr als das Zehnfache ergibt sich, weil der M4 noch keine Neural Accelerators in den GPU-Kernen hatte, die genau diesen Arbeitsschritt beschleunigen. Gemessen wird außerdem die Prompt-Verarbeitung, also das Einlesen der Eingabe, nicht die Geschwindigkeit, mit der das Modell anschließend antwortet. Wer von einem M4-Gerät kommt, wird einen deutlichen Unterschied bemerken. Wer vom M5 wechselt, bekommt eine Steigerung im Bereich von einem Drittel.
Unabhängige Messungen liegen bislang nicht vor. Sämtliche Zahlen stammen vom Hersteller und beziehen sich auf von Apple gewählte Modelle und Konfigurationen.
Die Rechnung gegen die Cloud
Der Vergleich zwischen eigener Hardware und API-Abrechnung lässt sich nicht pauschal führen, weil er allein an der eigenen Nutzung hängt. Eine Beispielrechnung zeigt die Größenordnung: Ein Mac Studio mit M5 Ultra für 6.599 Euro entspricht bei angenommenen 150 Euro Token-Kosten im Monat rund 44 Monaten Cloud-Nutzung, also gut dreieinhalb Jahren. Beim Mac mini für 1.049 Euro liegt derselbe Punkt bereits nach etwa sieben Monaten.
In dieser Rechnung fehlen mehrere Posten. Auf der Habenseite steht, dass die Hardware auch für andere Aufgaben zur Verfügung steht und Leerlauf nichts kostet. Auf der Sollseite stehen Strom, Wartung, Einrichtung und vor allem der Umstand, dass ein lokal betriebenes Modell nicht mitwächst. Wer einen Anbieter bezahlt, bekommt Modellwechsel im Preis. Wer eigene Hardware kauft, entscheidet sich für einen Leistungsstand und muss neu investieren, wenn die Anforderungen steigen.
Der Datenschutzvorteil dagegen ist eindeutig. Bei lokaler Verarbeitung entfallen die Prüfung des Drittlandtransfers, der Auftragsverarbeitungsvertrag und die Frage, ob Eingaben zum Training verwendet werden. Für Kanzleien, Arztpraxen, Steuerberatung oder Personalabteilungen ist das oft das ausschlaggebende Argument, nicht der Preis.
Was das für Ihr Unternehmen heißt
- Prüfen Sie zuerst die Modellgröße, dann die Hardware. Welches Modell Ihre Aufgabe zuverlässig löst, entscheidet über den nötigen Speicher, und der Speicher entscheidet über das Gerät.
- 32 GB sind eine harte Grenze. Der Mac mini eignet sich für Zusammenfassungen, Klassifikation und Dokumentensuche, nicht als Ersatz für ein großes Cloud-Modell.
- Rechnen Sie mit Ihrer echten Nutzung. Bei geringem Volumen bleibt die API günstiger, bei dauerhaftem Betrieb kippt die Rechnung schneller, als der Anschaffungspreis vermuten lässt.
- Lokale Verarbeitung löst die Datenschutzfrage, nicht die Qualitätsfrage. Ein kleineres Modell im eigenen Haus liefert schwächere Ergebnisse als ein großes beim Anbieter, und das muss zur Aufgabe passen.
- Halten Sie die Anbindung austauschbar. Wer seine Anwendung so baut, dass lokales und externes Modell dieselbe Schnittstelle bedienen, kann später ohne Neuentwicklung wechseln.
- Warten Sie unabhängige Messungen ab, bevor Sie in Stückzahlen beschaffen. Die Auslieferung beginnt am 22. September, belastbare Vergleichswerte gibt es erst danach.
