Apple Foundation Models

Apple Foundation Models ist Apples Framework, mit dem Entwickler:innen die KI-Modelle, die hinter Apple Intelligence stehen, direkt in eigene Apps einbauen können. 2025 eingeführt, wurde es auf der WWDC 2026 zu einer hybriden KI-Plattform ausgebaut — und ist damit Apples eigentliches Angebot an die Developer-Community, jenseits der Consumer-Features.

Der konzeptionelle Kern ist seit jeher On-Device-Inferenz: Das Foundation-Models-Framework gibt Apps Zugriff auf ein kompaktes, auf Apple-Silicon optimiertes Sprachmodell, das direkt auf dem Gerät läuft. Für Entwickler:innen heißt das: KI-Features ohne Server-Kosten, ohne Latenz durch Netzwerk-Hops, offline-fähig — und vor allem ohne dass Nutzerdaten das Gerät verlassen. Für datenschutzsensible Anwendungen (Gesundheit, Finanzen, Notizen) ist das ein konstitutiver Vorteil gegenüber Cloud-LLM-APIs.

Die WWDC 2026 brachte drei wesentliche Erweiterungen. Erstens ist das Framework jetzt multimodal: Apps können Bilder zusätzlich zu Text-Prompts senden, sodass das On-Device-Modell visuelle Inhalte analysieren und über sie schließen kann. Zweitens gibt es ein neues Python-SDK neben dem bisherigen Swift-API — Entwickler:innen können Sessions erstellen und Prompts an dieselben On-Device-Modelle senden, die Apple Intelligence nutzt, was Prototyping und Tooling außerhalb von Xcode erleichtert.

Drittens — und strategisch am interessantesten — ist das LanguageModel-Protokoll: ein öffentliches Swift-Interface, das Dritt-Anbieter implementieren, um ihre cloud-gehosteten Modelle über dieselbe API-Oberfläche wie Apples On-Device-Modelle bereitzustellen. Aktuell implementieren Anthropic (Claude) und Google (Gemini) dieses Protokoll. In der Praxis heißt das: Eine App bindet eine Swift-Package-Manager-Abhängigkeit ein und kann zwischen Apples On-Device-Modell und einem Cloud-Anbieter wechseln, ohne den restlichen App-Code zu ändern. Das ist ein eleganter Ansatz gegen Vendor-Lock-in — selten in der ansonsten geschlossenen Apple-Welt.

Ergänzend bietet das Framework Guided Generation (das Modell liefert typsichere Swift-Strukturen statt freiem Text), Tool Calling (das Modell ruft App-Funktionen auf) und Private Cloud Compute als datenschutzkonforme Eskalationsstufe für Anfragen, die das On-Device-Modell überfordern.

Die Schwächen ergeben sich aus Apples Modell der geschlossenen Plattform. Das Framework ist nur für das Apple-Ökosystem nutzbar — Swift und Apple-Plattformen; wer plattformübergreifend baut, kann es nicht als universelles Backend verwenden. Das On-Device-Modell ist naturgemäß kleiner als Frontier-Cloud-Modelle (GPT-5.5, Claude Opus, Gemini 3) und eignet sich für fokussierte Aufgaben — Klassifikation, Zusammenfassung, Extraktion, strukturierte Generierung — nicht für anspruchsvollstes Reasoning. Die volle Leistung entfaltet sich nur auf Apple-Silicon-Geräten. Und sobald man die Cloud-Anbieter über das LanguageModel-Protokoll nutzt, verlässt man die reine On-Device-Privatsphäre.

Empfohlen für iOS- und macOS-Entwickler:innen, die KI-Features datenschutzkonform und ohne Server-Kosten in ihre Apps bringen wollen — besonders für On-Device-Aufgaben wie Zusammenfassen, Klassifizieren und strukturierte Generierung. Wer Frontier-Reasoning braucht, nutzt das LanguageModel-Protokoll, um bei Bedarf an Claude oder Gemini zu eskalieren, und behält für den Rest die schnelle, private On-Device-Variante.