OpenAI hat in den vergangenen Monaten Zehntausende Mac minis und Mac Studios gekauft. Das berichtet das US-Branchenmedium The Information unter Berufung auf eine Person mit direkter Kenntnis der Vorgänge. Die Rechner stehen nicht in Büros, sondern in der Infrastruktur des Unternehmens und dienen einem einzigen Zweck: dem Training von Computer-Use-Agenten, also KI-Systemen, die einen Computer selbstständig bedienen. Der Griff zur Consumer-Hardware von Apple wirkt auf den ersten Blick kurios, folgt aber einer nüchternen technischen Logik.
Das Wichtigste in Kürze
- Laut The Information hat OpenAI zehntausende Mac minis und Mac Studios beschafft, um Agenten für die autonome Computerbedienung zu trainieren.
- Der Vorteil der Apple-Chips liegt im gemeinsamen Speicher von Prozessor und Grafikeinheit, der zu dieser speziellen Trainingsart besser passt als eine klassische Grafikkarte.
- Anthropic verfolgt denselben Ansatz, mietet die Mac-Kapazität aber über Amazons Cloud AWS an, statt Geräte zu kaufen.
- Die Mac-Modelle mit viel Arbeitsspeicher sind wegen knapper Speicherchips seit Monaten ausverkauft.
- Apples Mac-Umsatz stieg im Juni-Quartal 2026 um 29 Prozent auf 10,4 Milliarden Dollar, ein Rekord für dieses Quartal.
Warum ausgerechnet Mac-Rechner?
Das Training von Computer-Use-Agenten funktioniert anders als das klassische Vortraining großer Sprachmodelle. Beim sogenannten bestärkenden Lernen (Reinforcement Learning) probiert das Modell eine Aktion aus, beobachtet das Ergebnis auf dem Bildschirm und bekommt eine Rückmeldung, ob es dem Ziel nähergekommen ist. Dieser Kreislauf wiederholt sich millionenfach, jeweils innerhalb eines echten, laufenden Betriebssystems. Der Rechner muss dabei ständig zwischen dem KI-Modell und der bedienten Software hin- und herwechseln. Diese Last ist speicherhungrig, aber vergleichsweise arm an paralleler Rechenarbeit.
Genau hier spielt Apples Chip-Architektur ihre Stärke aus. Anders als übliche Server, die Arbeitsspeicher und Grafikspeicher strikt trennen, greifen Prozessor und Grafikeinheit bei den Apple-Silicon-Chips auf denselben Speicherpool zu. Das erspart das teure Kopieren von Daten zwischen zwei getrennten Speicherbereichen. Für den beschriebenen Wechsel-Workload ist dieser Aufbau effizienter als eine dedizierte Grafikkarte, die auf massive Parallelrechnung ausgelegt ist und deren Stärke hier brachliegt. Mac mini und Mac Studio bieten zudem eine aktive Kühlung, die Dauerlast über Stunden aushält, und sie sind als fertige Geräte vergleichsweise günstig zu bekommen.
Wichtig ist die Einordnung: Die Macs ersetzen nicht die großen Nvidia-Cluster, auf denen die Modelle grundlegend trainiert werden. Sie übernehmen einen abgegrenzten Spezialschritt in der Trainingskette. Für das rechenintensive Vortraining bleibt spezialisierte KI-Hardware das Maß der Dinge.
Kaufen oder mieten: OpenAI und Anthropic gehen getrennte Wege
OpenAI kauft die Geräte direkt und betreibt sie ohne Bildschirm und Tastatur als reine Rechenknoten in der eigenen Infrastruktur. Anthropic kommt zum selben technischen Ergebnis über einen anderen Weg und mietet Mac-Kapazität bei Amazons Cloud-Sparte AWS an. Wie viele Geräte dort für Anthropic laufen, ist nicht bekannt. Beide Wege haben ihren Preis: Wer kauft, bindet Kapital und trägt das Risiko veralteter Hardware, hat die Maschinen dafür aber sicher und exklusiv. Wer mietet, bleibt flexibel, zahlt aber den Aufschlag des Cloud-Anbieters.
Rund um den Ansatz ist ein kleines Ökosystem entstanden. Die quelloffene Software Exo verbindet mehrere Macs zu einem Verbund, sodass sie gemeinsam an einer Aufgabe rechnen. Peter Voell, früher im Infrastruktur-Team von OpenAI, baut mit Mount Thor einen Cloud-Dienst auf, der ausschließlich auf Apple-Hardware setzt. Der Bedarf ist offenbar groß genug, dass sich spezialisierte Anbieter dafür lohnen.
Was der Kauf über den KI-Infrastrukturmarkt verrät
Der Vorgang trifft auf einen angespannten Markt. Die Mac-Modelle mit besonders viel Arbeitsspeicher sind laut The Information seit Monaten ausverkauft, weil weltweit Speicherchips knapp sind und die KI-Branche die Speicherpreise nach oben treibt. Apple hat neue Modelle früher als üblich angekündigt, was auf unerwartete Nachfrage aus der Industrie hindeutet. Im Juni-Quartal 2026 stieg Apples Mac-Umsatz um 29 Prozent auf 10,4 Milliarden Dollar, den höchsten je in diesem Quartal gemessenen Wert.
Nvidia hält mit einem eigenen Angebot dagegen. Der DGX Spark, ein kompakter KI-Rechner für den Schreibtisch, setzt bewusst auf dedizierte Grafikleistung mit den hauseigenen Rechenkernen statt auf gemeinsamen Speicher. Für Entwickler, die kleinere Modelle lokal trainieren oder testen wollen, stehen sich damit zwei gegensätzliche Design-Philosophien gegenüber. Dass die großen Labore ihre Suche nach Rechenkapazität inzwischen sogar bis in den Orbit ausdehnen, zeigt, wie breit das Feld geworden ist.
Einordnung
Der Kauf zehntausender Mac minis ist kein Marketing-Gag, sondern eine Kostenrechnung. Wenn ein abgegrenzter Trainingsschritt auf Consumer-Hardware günstiger und mit weniger Aufwand läuft als auf Rechenzentrums-Grafikkarten, dann wandert er dorthin. Für Apple ist der Effekt ein willkommener Nebenverdienst, ohne dass das Unternehmen selbst ins Geschäft mit KI-Modellen einsteigen muss. Und für alle, die KI-Infrastruktur planen, lautet die Lehre: Die Frage ist nicht mehr allein, wie viele Grafikkarten man braucht, sondern welcher Rechnertyp zu welchem Arbeitsschritt passt. Die Antwort fällt zunehmend differenziert aus.