Der nächste Durchbruch: Sieht alles, hört alles, weiß alles

18.08.2026  

AirPods mit eingebauter Kamera? Kein Wunder, dass die Meinungen dazu weit auseinander gehen. Aus gutem Grund sind die Menschen skeptisch gegenüber Brillen mit eingebauten Kameras. Warum soll das bei AirPods anders sein? Doch möglicherweise steckt dahinter ein großer Durchbruch.

Sehr wahrscheinlich können die AirPods keine dauerhafte Überwachung und Aufzeichnung ihrer Umgebung leisten. Warum nicht? Aus drei Gründen:

Erstens ist der Akku dafür viel zu klein. Der Akku der AirPods ist winzig. Dass er trotzdem für ein paar Stunden Musik ausreicht, ist ein technisches Wunder. Es benötigte Jahrzehnte an Erfahrung bei der Konstruktion von Prozessoren, um die Illusion einer kontinuierlichen Funktion zu erreichen. Tatsächlich schalten bestimmte Teile des Prozessors dauernd ab, wachen wieder auf, holen sich ein paar neue Daten, legen sich wieder schlafen und so weiter. Die Komplexität dieser Technologie ist schlicht haarsträubend. Es ist ein Husarenstück der Ingenieurskunst. Das bedeutet aber auch: Man kann nicht einfach einen fetten Video-Sensor für, sagen wir mal, eine Stunde laufen lassen, geschweige denn generell »im Hintergrund«. Allenfalls könnte man Fotos in gewissen Intervallen schießen, und selbst damit muss man sparsam sein.

Zweitens: Die AirPods werden von den Anwendern sehr unterschiedlich getragen, weil die Ohren unterschiedlich sind. Bei manchen Anwendern stakst der kleine weiße Zapfen fast horizontal in Richtung Nase; bei manchen hängt er fast vertikal nach unten Richtung Hals; bei manchen irgendwo dazwischen. Manche pausbackigen Genossen versperren den AirPods die Sicht nach vorne. — Deswegen müssen die Kameras einen extremen Rundum-Blick haben, damit sie überhaupt etwas Interessantes zu sehen bekommen. Es ist daher keine klassische Video-Kamera. Sondern es ist eher ein Sensor, der bestimmte Muster erkennen soll, etwa Texte oder meinetwegen auch Gesichter. Man darf das kritisieren, aber es ist etwas anderes als HD-Kameras, die einen aus einem Brillengestell direkt anstarren und tatsächlich klassische Videoaufnahmen erzeugen.

Drittens: Die AirPods sind so winzig, dass es sich auch auf die Kamera selbst auswirken muss. Ansonsten bräuchten die iPhones nicht so monströse Buckel auf der Rückseite. Die Linse ist winzig, damit auch die Lichtausbeute, und vor allem der Sensor. Wenn der Sensor klein ist, ist die Auflösung gering. Zusammen mit der Tatsache (oder meiner Vermutung), dass ein 180-Grad-Rundum-Bild erzeugt werden muss, bleiben für den interessanten Ausschnitt nur ein paar Pixel übrig. Das mag mit allerlei Trickserien ausreichen, um den Titel eines Buchs zu erkennen. Mehr ist nicht drin.

Wer seine Umgebung überwachen oder ausspionieren möchte, kauft sich besser eine Knopfloch-Kamera.

Und noch ein letztes Argument, um die Befürchtungen etwas zu dämpfen: Es ist ein komplett geschlossenes System. Niemand kann eine App auf die AirPods laden. Apple hat alle Möglichkeiten, um es auf die vorgesehenen Zwecke zu beschränken. Vielleicht ist es unmöglich, auch nur an ein einziges Pixel zu gelangen. Sehr wahrscheinlich werden nicht die Rohdaten gespeichert und verarbeitet (also die Pixel), sondern nur interpretierte, aggregierte Daten. Was bedeutet das? Beispielsweise gibt der Bewegungssensor keine Rohdaten aus (also jede kleine Erschütterung für jede Millisekunde), sondern er sagt nur, dass der Anwender in einem bestimmten Zeitraum zehn Schritte gegangen ist, und vielleicht noch die zeitlichen Abstände. Die Daten werden als aggregiert (zusammengefasst) und interpretiert (zehn Schritte). In gleicher Weise könnte das neue System einfach mitteilen, welcher Text extrahiert werden konnte (etwa den Titel eines Buchs), aber nicht, was sonst noch auf dem Bild zu sehen war. Das ist zwar nur Spekulation, aber das sind gängige Methoden. Es ist einfach nicht plausibel, dass Apple jeder hergelaufenen App einen Live-Videostream überlässt. Wahrscheinlich gibt Apples überhaupt nichts raus und behält alles für sich bzw. für Siri. (Was die Frage aufwirft, ob wir es in der EU überhaupt benutzen können.)

Kontext

OpenAI und Jony Ive orakeln über magische Geräte der Zukunft, die still im Hintergrund registrieren, was der Anwender tut. Das magische Gerät hört mit, vielleicht verwendet es auch eine Kamera, es verknüpft diese Daten vielleicht mit jenen, die über das Smartphone oder den Computer gesammelt werden: Chats, Mails, aktuelle Dokumente.

Dadurch kann man dann fragen: »Was hat Thomas gestern gesagt? Wann wollten wir uns treffen?«. Oder: »Sag’ Bescheid, wenn eine Mail von Robert kommt.«

Dieser Kontext (alle Informationen über den Anwender) ist entscheidend für das Wettrennen um nützliche KI-Funktionen.

Die Frage ist jedoch, wie man die Informationen am besten sammelt. Gerüchten zufolge soll OpenAI ein kleines Gerät auf den Markt bringen, das aussieht wie ein Donut, und das man in der Wohnung herumtragen soll, damit es stets alles hört (und auf Fragen antworten kann). Später soll gar ein eigenes Smartphone auf den Markt kommen, vielleicht ebenfalls mit einem dauerhaft eingeschalteten Mikrofon. Falls das jemanden empören sollte: »Hey, Siri!« funktioniert auf diese Weise. Alle modernen Smartphone und Smart-Speaker haben ihre Mikrofone dauerhaft eingeschaltet. Überraschung!

Gleichzeitig hat OpenAI in den letzten Tagen eine Funktion für die Desktop-App von ChatGPT eingeführt, die alle Aktionen des Anwenders als Text-Protokoll aufzeichnet (wenn man es einschaltet). Dadurch wird eine weitere Lücke geschlossen. Denn viele Anwender arbeiten leise am Computer und quasseln nicht nonstop in einen elektrischen Donut.

Wie reagiert Apple darauf? Die zukünftigen AirPods hören alles, sehen vieles, sind jederzeit verbunden mit dem iPhone, dadurch mit dem Internet und mit einer KI — und sie können jederzeit mit dem Anwender sprechen, denn, falls es jemand vergessen haben sollte: Es sind ja Kopfhörer.

Wer braucht dann noch den dusseligen Donut?

Die AirPods sind halbwegs erschwinglich, die Leute kaufen sie sowieso und haben sie dauernd dabei. Ob man da noch einen Grund sieht, um zusätzlich einen Donut von OpenAI herumzuschleppen?

Vielleicht zerstört Apple gerade eine Investition von OpenAI in Höhe von 6,5 Milliarden Dollar. Soviel hat es nämlich gekostet, um Jony Ive mit seinem magischen Gerät in den eigenen Hafen zu lotsen. Vielleicht zieht Tim Cook in seinen letzten Wochen noch schnell den Stöpsel raus, wer weiß? In Apples Hardware-Abteilung arbeiten bekanntlich zwei unterschiedliche Typen von Ingenieuren: Irre und Verrückte. Vielleicht hätte man das bedenken sollen?

Was kann das Ding?

Ich weiß es nicht, aber vielleicht kann man es aus vorhandenen Funktionen ableiten. Vorhanden sind Funktionen zum Extrahieren von Text aus Bildern; und das Erkennen einzelner Objekte (Apple nennt das »Visual Intelligence«). Diese Funktionen sind durch das Video in macOS Tahoe 26.7 offenbar belegt.

Was könnte man außerdem damit anstellen, vielleicht in einer späteren Version? Möglicherweise könnte man Text vorlesen lassen, was eine sehr triviale Funktion ist, aber extrem nützlich. Man könnte den Text übersetzen lassen, ebenfalls mittlerweile trivial. Der Anwender steht beispielsweise in China vor einem Restaurant und möchte die draußen aufgehängte Speisekarte lesen. Die AirPods machen kurz einen Schnappschuss, erkennen den Text, übersetzen ihn per iPhone und lesen ihn vor.

Damit das praxisgerecht ist, müsste der Anwender noch mitteilen können, was ihn interessiert. Er möchte vielleicht nicht, dass ihm die komplette Speisekarte vorgelesen wird. Vielleicht kann er mit dem Finger auf einen bestimmten Bereich zeigen.

Oder man stelle sich Verkehrsschilder vor mit arabischer Schrift.

Oder der Schornsteinfeger hängt einen Zettel an die Haustür mit dem nächsten Termin. Man sagt einfach: »Trage den Termin in meinem Kalender ein«, und das iPhone holt sich den Kontext über die AirPods.

Vielleicht kann man mit den Händen bestimmte Gesten machen, die für die Wiedergabe von Musik nützlich sind. Beispielsweise könnte man die Hand aufwärts bewegen und es wird lauter. Überhaupt scheint mir die Steuerung per Gesten ein offensichtlicher Einsatz zu sein. Die Technik klaut man sich von der Vision Pro.

Es gibt viele nützliche Dinge, die selbst eine unvollkommene und nur sporadisch eingesetzte Kamera leisten kann. Apple ist gut gerüstet dafür, die Technik im Sinne der Anwender einzusetzen.

Diskussion im Forum