Apple Intelligence vs. lokale KI: Datenschutz auf dem Mac

Ein lokal ausgeführtes Modell hält die Inferenz auf dem Mac, wenn Cloud-Funktionen deaktiviert sind und keine Erweiterung oder freigegebene lokale Schnittstelle Daten weiterleitet. Apple Intelligence ist stärker ins System integriert und kann für komplexere Anfragen Private Cloud Compute nutzen; die ChatGPT-Integration ist ein separater Drittanbieter-Pfad. PCC ist nicht dasselbe wie vollständig lokale Inferenz. Seit Juni 2026 beschreibt Apple auch eine Erweiterung seiner PCC-Architektur auf Google-Cloud-/NVIDIA-Systeme – mit Apples eigener Attestierungs- und Datenschutzarchitektur. Das ist nicht gleichbedeutend mit einem normalen Gemini-API-Aufruf.¹²³

---

Apple Intelligence als Systemfunktion

Auf dem Mac bündelt Apple Intelligence Systemfunktionen wie Schreibwerkzeuge, Zusammenfassungen, Siri-Verbesserungen, Smart Replies, Kurzbefehle-Aktionen und optionalen ChatGPT-Zugriff.¹

Auf Modellebene beschreibt Apple ein ungefähr 3B-Parameter großes On-Device-Foundation-Language-Model und ein größeres Servermodell für Private Cloud Compute.¹ Neuere Apple-Intelligence-Modelle sind multilingual und multimodal; Apples Entwickler-Framework ergänzt Guided Generation, constrained Tool Calling und LoRA-Adapter-Fine-Tuning.⁴

Für normale Nutzer bleibt Apple Intelligence eine kuratierte Systemfunktion: Du wählst nicht frei beliebige Open-Weight-Modelle wie in Ollama oder LM Studio.⁵⁶⁷

Aktueller Systemstand und regionale Verfügbarkeit für Deutschland (8. Oktober 2026):

• Apple-Silicon-Mac (Intel-Macs werden nicht unterstützt).
• Für neue Apple-Intelligence-Funktionen ab September 2026: macOS 27 Golden Gate. Ältere Versionen bieten gegebenenfalls ältere Funktionen, nicht automatisch die 27-Neuerungen.
• Speicherbedarf nicht pauschal 7 GB: Apple nennt bei unterstützten älteren Macs bis zu 8 GB, bei M3- oder neueren Macs mit mindestens 12 GB Unified Memory bis zu 14 GB.
• Siri- und Gerätesprache müssen übereinstimmen und unterstützt sein. Einzelne Funktionen bleiben zunächst englischsprachig.
• Einige serverbasierte Funktionen (u. a. Siri AI, erweiterte Bildbearbeitung und Image Playground) haben tägliche Nutzungslimits; ein zukünftiges kostenpflichtiges Upgrade ist angekündigt, aber kein pauschaler deutscher Abopreis veröffentlicht.⁸⁹

Deutschland und EU: Siri AI funktioniert nicht auf allen Plattformen gleich

Stand 8. Oktober 2026: Die meisten Apple-Intelligence-Funktionen stehen in Deutschland auf unterstützten Geräten unter iOS 27, iPadOS 27 und macOS 27 zur Verfügung. Siri AI (Beta) ist zunächst englischsprachig. Die neue Siri-AI-Beta ist in der EU auf Macs mit macOS 27 und auf Vision Pro mit visionOS 27 verfügbar, auf iPhone und iPad mit iOS/iPadOS 27 zunächst nicht. Apple begründet die mobile EU-Verzögerung mit offenen DMA-Fragen. Das ist keine Sperre aller Apple-Intelligence-Funktionen auf deutschen iPhones. Apple Deutschland · Apple zum DMA.

Nutzungslimits: enthalten bedeutet nicht unbegrenzt

Stand 11. Oktober 2026: Apple nennt für bestimmte servergestützte Apple-Intelligence-Funktionen tägliche Limits. Zu den ausdrücklich genannten Beispielen gehören Siri AI, intelligente Fotobearbeitung, Image Playground und AFM-3-Cloudmodelle in der Kurzbefehle-App. Die Grenze kann nach Funktion, Anfragekomplexität, Systemlast und weiteren Regeln variieren. Apple veröffentlicht auf der deutschen Supportseite keine für alle Funktionen gültige Zahl von Anfragen pro Tag.

Apple kündigt erweiterten Zugriff gegen eine künftig fällige Gebühr an, aber diese Ankündigung ist kein Beleg für ein bereits buchbares Apple-Intelligence-Abo oder einen festen Europreis. Ein optional verbundenes ChatGPT-Konto und eine separat abgerechnete Modell-API sind davon zu unterscheiden. Für wiederholte Workflows oder Agenten solltest du daher nicht mit unbegrenzter PCC-Kapazität planen. Das ändert nichts daran, dass ein eigenständig betriebenes lokales Modell ohne Tokengebühr auskommt – bei eigenen Hardware- und Energiekosten. Apple, 14. September 2026.

---

Drei Datenpfade: On-Device, PCC, ChatGPT

Apple Intelligence hat drei unterschiedliche Datenschutz-Pfade:

1. Verarbeitung auf dem Gerät: Einfache oder unterstützte Aufgaben können direkt auf deinem Mac laufen. Bei diesem Pfad ist keine Server-Inferenz nötig; die Anfrage kann auf dem Gerät bleiben.

2. Private Cloud Compute: Für komplexere Anfragen kann Apple die relevanten Anfragedaten an attestierte PCC-Ausführungsumgebungen senden. Neben der bisherigen Apple-Silicon-Infrastruktur hat Apple eine Erweiterung mit Google Cloud und NVIDIA angekündigt; daraus folgt nicht, dass jede solche Anfrage bereits auf dieser Erweiterung läuft. Apple sagt, dass diese Daten nur für die Anfrage genutzt, nicht gespeichert, Apple-Mitarbeitern nicht zugänglich gemacht und nach der Verarbeitung gelöscht werden.¹⁰ PCC stützt sich auf kryptografische Attestation, OHTTP-Relays und Target Diffusion.²

3. ChatGPT-Integration: Einige Apple-Intelligence-Funktionen können ChatGPT anfragen. Das ist getrennt von PCC. Apple schreibt für die Nutzung ohne Account, dass keine Apple-Account-Daten an OpenAI gehen, die IP-Adresse gegenüber ChatGPT verschleiert wird und OpenAI die Anfrage nicht speichern oder zum Training verwenden darf. Bei verbundenem ChatGPT-Konto gelten die OpenAI-Kontoeinstellungen; Apple weist dann auf mögliche Speicherung und Modellverbesserung nach diesen Einstellungen hin.¹¹¹²

Die Grafik trennt lokale Verarbeitung, PCC, ChatGPT und lokale Modelle nach ihrem Datenpfad.

---

Apple-Intelligence-Bericht: lokal oder PCC prüfen

Auf dem Mac findest du den Bericht unter Systemeinstellungen → Datenschutz & Sicherheit → Apple-Intelligence-Bericht. Wähle die letzten 15 Minuten oder 7 Tage und exportiere die Aktivität als Apple_Intelligence_Report.json.

Apples technische Dokumentation unterscheidet im Export zwei Bereiche: modelRequests enthält Apple-Intelligence-Modellanfragen, die auf dem Gerät oder in Private Cloud Compute verarbeitet wurden; privateCloudComputeRequests enthält zusätzliche PCC-Metadaten, darunter Attestierungsinformationen. Der Bericht ist kein Mitschnitt von Prompt- und Antwortinhalten. Nur Daten aus dem aktivierten Berichtszeitraum sind verfügbar. Er dokumentiert auch nicht sämtliche Verbindungen anderer Apps oder der separaten ChatGPT-Integration. Ein leerer PCC-Abschnitt belegt deshalb nicht, dass der gesamte Workflow offline geblieben ist.¹³

Apple-Intelligence-Bericht selbst auswerten – ohne Upload

Der technische Apple-Anhang zum Bericht dokumentiert im JSON-Array modelRequests das Feld executionEnvironment mit den Werten OnDevice oder PrivateCloudCompute. Exportiere zunächst eine Aktivität aus den Systemeinstellungen. Öffne auf deinem Mac danach das Terminal und passe nötigenfalls den lokalen Dateipfad an:

python3 - "$HOME/Downloads/Apple_Intelligence_Report.json" <<'PY'
import json
import sys
from collections import Counter
from pathlib import Path

path = Path(sys.argv[1]).expanduser()
with path.open(encoding="utf-8") as handle:
    report = json.load(handle)
requests = report.get("modelRequests", [])
if not isinstance(requests, list):
    raise SystemExit("Ungültiger Export: modelRequests ist keine Liste.")
counts = Counter(
    str(item.get("executionEnvironment", "Unknown"))
    for item in requests if isinstance(item, dict)
)
print("On-device:", counts["OnDevice"])
print("Private Cloud Compute:", counts["PrivateCloudCompute"])
print("Andere/fehlende Werte:", sum(counts.values()) - counts["OnDevice"] - counts["PrivateCloudCompute"])
print("Geprüfte Modellanfragen:", sum(counts.values()))
PY

Was die Zahlen bedeuten: Sie zählen nur die im ausgewählten Zeitraum im Bericht erfassten Apple-Intelligence-Modellanfragen. Sie sind kein repräsentativer Prozentsatz für alle Apple-Nutzer und erfassen nicht automatisch die optionale ChatGPT-Erweiterung, Ollama, Browser-Plugins oder den gesamten Netzwerkverkehr. Ein Wert von null kann auch bedeuten, dass im Zeitraum keine passende Anfrage erfasst wurde. Der Abschnitt privateCloudComputeRequests enthält zusätzliche PCC-Metadaten und Attestierungen; er ist keine Prompt-Transkription.¹³

Datenschutz: Dieser Befehl liest das JSON nur lokal und gibt zusammengefasste Zähler aus. Das Original enthält potenziell sensible Metadaten zu deiner Nutzung. Lade es nicht unbesehen zu Analyse- oder OCR-Websites hoch. Apple kodiert Attestierungsbundles seit macOS 26.4 als Base64-Protobuf statt des früheren JSON-Aufbaus – ältere Skripte zur Attestierungsprüfung können deshalb scheitern. Die hier gezeigte Zählung muss diese Bundles nicht parsen.¹³

---

Was Private Cloud Compute schützt — und was nicht

PCC verarbeitet Anfragen in der Cloud, aber mit einer eigenen Architektur statt über eine gewöhnliche Cloud-API. PCC nutzt mehrere technische Kontrollmechanismen, die in Apples Sicherheitsdokumentation beschrieben sind:²¹⁴¹⁵

• Attestation: Jeder PCC-Request wird gegen einen verifizierten, vertrauenswürdigen Server-Build geprüft.
• Public Transparency Log: PCC-Transparenzprotokolle ermöglichen externen Prüfern, die Infrastruktur zu überwachen.
• OHTTP Relay: Deine IP-Adresse wird nicht an die PCC-Knoten weitergegeben.
• Target Diffusion: Anfragen werden über mehrere Knoten verteilt, um Muster zu verschleiern.
• Veröffentlichte Produktionsimages: Apple veröffentlicht Teile der PCC-Infrastruktur als Public Source.
• Private Cloud Compute Virtual Research Environment: Forschende können Teile der PCC-Infrastruktur eigenständig prüfen.
• Security Bounty: Apple belohnt Sicherheitsforschung an PCC über ein öffentliches Bug-Bounty-Programm.

Am 8. Juni 2026 kündigte Apple eine PCC-Erweiterung auf Google Cloud mit NVIDIA-GPUs, Intel TDX und Google Titan an. Die bisherigen Apple-Silicon-Server werden damit ergänzt, nicht pauschal ersetzt. Apple bekräftigte die Sicherheitsanforderungen, beschrieb aber einen schrittweisen Preview-Rollout, nicht den Abschluss aller Umstellungen.³

Was PCC trotzdem nicht kann: Ein einzelner Nutzer kann einen konkreten Request nicht live vollständig inspizieren. Die Architektur bietet veröffentlichte Prüfpfade, bleibt aber eine Vertrauensannahme gegenüber Apple.

---

Lokale KI und ihre Datenpfade

Lokale KI bedeutet: Die Modellgewichte liegen auf deinem Mac und die Inferenz läuft auf deiner CPU/GPU beziehungsweise dem lokalen Apple-Silicon-Stack statt auf einer Drittanbieter-API. Mit Tools wie Ollama, LM Studio, llama.cpp und MLX kann das nach dem Modell-Download vollständig offline funktionieren.⁵⁶⁷

„Lokal“ beschreibt eine Konfiguration, keine vollständige Datenschutzgrenze. Modell-Suche, Downloads, Cloud-Modelle, Websuche, Plugins, freigegebene lokale Server, Browser-Erweiterungen und Backups können trotzdem Datenpfade erzeugen. Für sensible Arbeit solltest du Local-only-Optionen nutzen, den Server auf localhost beschränken und deinen Modellserver nicht im Netzwerk freigeben.

Um Ollama wirklich ohne Cloud-Funktionen zu betreiben, setze in ~/.ollama/server.json "disable_ollama_cloud": true und starte Ollama neu. Alternativ funktioniert OLLAMA_NO_CLOUD=1, aber nur beim tatsächlich laufenden Server; eine macOS-GUI-App benötigt dafür launchctl setenv. Kontrolliere im Log Ollama cloud disabled: true. Diese Sperre deaktiviert auch Ollamas integrierte Websuche.⁵

Ollama starten:

brew install ollama
ollama pull qwen3:4b
ollama run qwen3:4b

---

Datenschutz-Matrix für Mac-Nutzer

---

Welche Lösung passt zum konkreten Datenrisiko?

Situation	Sinnvoller Ausgangspunkt	Entscheidungskriterium
Text in Mail oder Notizen umformulieren	Apple Intelligence	Systemintegration ist wichtiger als die freie Modellwahl; im Bericht prüfen, ob die Anfrage On-Device oder über PCC lief.
Vertrauliche Akten ohne erlaubten Serverkontakt auswerten	Heruntergeladenes lokales Modell	Offline-Test durchführen, Cloud-Funktionen und Plugins ausschalten und Netzwerkzugriffe kontrollieren. Apple Intelligence mit möglichem PCC-Pfad ist dafür keine pauschale Offline-Garantie.
Ein eigenes Skript mit festem Modell betreiben	Ollama, MLX oder llama.cpp	Modell-Tag, Kontext, Quantisierung und API-Bindung festhalten. Eine lokale Schnittstelle allein verhindert keine externen Tool-Aufrufe.
ChatGPT gezielt in Systemfunktionen nutzen	Optionale ChatGPT-Integration	Sie ist ein eigener Anbieterpfad, nicht Teil von PCC. Vor dem Einsatz Konto- und Datenschutzbedingungen prüfen.

Für die Einrichtung eines selbst betriebenen Modells siehe Ollama auf dem Mac und LM Studio vs. Ollama. Der Unified-Memory-Ratgeber hilft bei der Kapazitätsplanung. Für Modellarchitektur und Apples Entwickler-Framework ist der ausführliche Apple-Intelligence-Technikguide zuständig. Diese Seite konzentriert sich auf den überprüfbaren Datenpfad, nicht auf eine zweite Modellübersicht.

---

Checkliste: Lokale KI wirklich privat machen

• Modell herunterladen und danach offline testen.
• In ~/.ollama/server.json "disable_ollama_cloud": true unter Beibehaltung anderer Einstellungen ergänzen und die Ollama-macOS-App vollständig neu starten. Alternativ launchctl setenv OLLAMA_NO_CLOUD 1 für die App setzen und neu starten; beim eigenen Terminal-Server OLLAMA_NO_CLOUD=1 ollama serve verwenden. Danach Ollama cloud disabled: true im Log prüfen.⁵
• Ollama/LM Studio auf localhost beschränken, außer du brauchst bewusst LAN-Zugriff.
• Port 11434 oder den LM-Studio-Server nicht ins Internet exponieren.
• Browser-Erweiterungen oder Editor-Plugins vermeiden, die Prompts an Cloud-Dienste weiterreichen.
• Modelle nur aus seriösen Quellen laden und keine zufälligen unsignierten Modell-Dateien verwenden.
• Lokale Chatverläufe, Logs, RAG-Dokumente und Backups können weiterhin sensible Daten enthalten.
• FileVault aktiv lassen und den Mac sperren.

Mehr dazu: Datenschutzerklärung der Website.

---

Entscheidung nach dem tatsächlichen Datenpfad

Für Schreibwerkzeuge, Siri und andere Systemfunktionen ist Apple Intelligence bequem, aber bestimmte Anfragen können über PCC laufen. Die optionale ChatGPT-Integration eröffnet einen weiteren Anbieterpfad. Muss ein Ablauf vollständig offline bleiben, verwende ein heruntergeladenes lokales Modell und kontrolliere Netzzugriffe, Plugins, Server-Einstellungen und lokale Logs.

Ein Ollama-Server auf localhost beweist noch keine deaktivierten Cloud-Funktionen. Prüfe die Konfiguration zuerst mit einer unkritischen Datei. Bei Apple Intelligence hilft die offizielle Dokumentation, die jeweiligen Datenpfade einzuordnen.¹⁵³

Die Grafik unterscheidet Ausführungsorte; sie garantiert nicht den Datenschutz des gesamten Workflows.

Quellen

Footnotes

1. https://support.apple.com/guide/mac-help/apple-intelligence-and-privacy-mchlfc0d4779/mac ↩ ↩² ↩³ ↩⁴

2. https://security.apple.com/blog/private-cloud-compute ↩ ↩² ↩³

3. https://security.apple.com/blog/expanding-pcc/ ↩ ↩² ↩³

4. https://machinelearning.apple.com/research/apple-foundation-models-tech-report-2025 ↩

5. https://docs.ollama.com/faq ↩ ↩² ↩³ ↩⁴ ↩⁵

6. https://www.lmstudio.ai/docs/app/offline ↩ ↩²

7. https://github.com/ml-explore/mlx-examples/tree/main/lora ↩ ↩²

8. https://support.apple.com/de-de/121115 ↩

9. https://support.apple.com/de-de/121115 ↩

10. https://www.apple.com/legal/privacy/data/en/intelligence-engine ↩

11. https://www.apple.com/legal/privacy/data/en/chatgpt-extension ↩

12. https://help.openai.com/en/articles/9737562-how-your-data-is-handled-when-you-use-chatgpt-through-apples-integrations ↩

13. https://security.apple.com/documentation/private-cloud-compute/appendix_appleintelligencereport ↩ ↩² ↩³

14. https://security.apple.com/blog/pcc-security-research ↩

15. https://security.apple.com/documentation/private-cloud-compute ↩