Mit der Apple Watch Series 12 und der Ultra 4 führt Apple eine Funktionsgruppe ein, die dauerhaft auf die Umgebung hört. Ein elf Seiten langes Dokument beschreibt jetzt, was dabei mit dem Ton passiert, wo er verarbeitet wird und an welcher Stelle er verschwindet. Der interessanteste Teil steht nicht in der Ankündigung, sondern im Kleingedruckten zu den beiden Funktionen, die erst später starten.
Audio Intelligence heißt die neue Gruppe von Apple-Intelligence-Funktionen, die Apple gemeinsam mit den beiden neuen Uhren vorgestellt hat. Sie umfasst vier Funktionen: Geräuscherkennung, automatische Musikerkennung über Shazam, Live Rewind und Siri Recap. Alle vier setzen den neuen S11-Chip voraus und laufen deshalb ausschließlich auf der Series 12 und der Apple Watch Ultra 4. Die technischen Abläufe hat Apple in einem Datenschutzdokument zu Audio Intelligence und einem begleitenden Support-Dokument offengelegt.
Das Wichtigste in Kürze
- Alle vier Funktionen laufen über einen abgeschotteten Bereich im S11-Chip, den Apple Secure Exclave nennt. Weder watchOS noch Apps, Nutzer oder Apple selbst kommen an die Daten darin heran.
- Roher Ton wird laut Apple nie als Datei gespeichert – es gibt entsprechend nichts, was sich weitergeben oder herausgeben ließe.
- Live Rewind gibt beim Auslösen einen hörbaren Ton aus, auch bei stummgeschalteter Uhr. Siri Recap läuft ohne akustisches Signal.
- Siri Recap benötigt ein gekoppeltes iPhone ab der 16er-Generation, weil der Chip dort denselben abgeschotteten Bereich mitbringen muss.
- Live Rewind und Siri Recap starten erst später im Jahr als Beta und zunächst nur auf Englisch.
Vier Funktionen unter einem Namen
Die vier Bestandteile unterscheiden sich deutlich darin, wie weit die Daten das Handgelenk verlassen.
| Funktion | Was sie tut | Wo verarbeitet wird | Was das Gerät verlässt |
|---|---|---|---|
| Geräuscherkennung | Meldet Sirenen, Alarme, Türklingeln oder Babygeschrei | Ausschließlich auf der Apple Watch | Nichts |
| Shazam | Erkennt laufende Musik und zeigt Titel und Interpret im Smart Stack | Apple Watch, Abgleich extern | Eine akustische Signatur, kein Ton |
| Live Rewind | Zeigt die letzten 15 Sekunden eines Gesprächs als Text | Apple Watch und gekoppeltes iPhone | Nichts, solange nichts an Siri geht |
| Siri Recap | Erstellt Zusammenfassungen von Gesprächen des Tages | Apple Watch, iPhone und Private Cloud Compute | Kondensierter Text, kein Ton |
Bei der Geräuscherkennung hebt Apple ausdrücklich hervor, dass sie auch dann arbeitet, wenn das iPhone nicht in der Nähe ist. Als Zielgruppe nennt der Konzern Menschen mit Hörbehinderung.
Was der abgeschottete Bereich im Chip leistet
Der Secure Exclave ist ein per Hardware getrennter Bereich im S11, der Sensordaten unabhängig vom restlichen System verarbeitet. Ton aus dem Mikrofon läuft dort in einen Puffer, der fortlaufend überschrieben wird – alter Ton wird durch neuen ersetzt, es entsteht keine Aufnahme.
Für Siri Recap kommt ein zweiter solcher Bereich auf dem iPhone dazu. Uhr und iPhone koppeln sich dafür über ein zusätzliches, akustisch verifiziertes Verfahren neben der gewöhnlichen Bluetooth-Verbindung. Damit stellt Apple sicher, dass Daten aus dem geschützten Bereich der Uhr ausschließlich beim geschützten Bereich genau dieses iPhones landen können.
Die Schlüssel dafür sind an das Gerät gebunden, laufen nach einer bestimmten Zeit ab und werden regelmäßig gewechselt. Wer eine Uhr oder ein iPhone verliert und das Gerät über „Wo ist?“ löscht, entwertet die Kopplungsschlüssel sofort.
Der Weg eines Gesprächs bis zur Zusammenfassung
Bei Siri Recap prüft zunächst ein kleines Modell auf dem S11, ob überhaupt gesprochen wird. Es transkribiert nichts und zeichnet nichts auf, es erkennt nur den Beginn eines Gesprächs. Erst dann fließt Ton in den geschützten Puffer.
Von dort geht der verschlüsselte Ton an das gekoppelte iPhone und wird auf der Uhr sofort gelöscht. Scheitert die Übertragung, weil das iPhone außer Reichweite ist, versucht es die Uhr später erneut – kommt keine Verbindung zustande, laufen die Schlüssel ab und der verschlüsselte Ton wird endgültig gelöscht.
Auf dem iPhone wandelt eine lokale Spracherkennung den Ton in Text um. Ein Sprachmodell auf dem Gerät kürzt diesen Text anschließend auf weniger als die Hälfte der ursprünglichen Länge, streicht Füllwörter und Tonfall-Hinweise und behält die besprochenen Themen. Danach wird der Rohton gelöscht, ein Sicherheitsmodell entfernt problematische Begriffe.
Erst dieser gekürzte Text geht verschlüsselt an Private Cloud Compute, wo Apples Modelle Titel, Zusammenfassung und Kernpunkte erzeugen. Mitgeschickt werden Kontextdaten: laufende Wiedergabe, Kalendereinträge, grobe Ortsangaben wie Zuhause, Arbeit oder Schule samt Stadt und Land sowie Kategorien wie „Supermarkt“ oder „Park“. Genaue Standorte und einzelne Orte bleiben außen vor. Die Rechenleistung für Private Cloud Compute stammt inzwischen teilweise aus fremden Rechenzentren, an den Zusicherungen zur Unzugänglichkeit ändert das nichts.
Die fertige Zusammenfassung landet in der Siri-App und wird nach sieben Tagen automatisch gelöscht, sofern man sie nicht ausdrücklich sichert. Gesicherte Texte synchronisieren Ende-zu-Ende-verschlüsselt über iCloud – vorausgesetzt, Zwei-Faktor-Authentifizierung und Gerätecode sind aktiv. Für den weitergehenden Schutz übriger iCloud-Daten gibt es mit dem erweiterten Datenschutz eine gesonderte Einstellung.
Live Rewind meldet sich, Siri Recap nicht
Der aufschlussreichste Unterschied zwischen beiden Funktionen betrifft nicht die Technik, sondern die Menschen im Raum.
Live Rewind spielt beim Auslösen einen hörbaren Ton über den Lautsprecher der Uhr ab – auch dann, wenn die Uhr stummgeschaltet ist oder Kopfhörer verbunden sind. Dazu kommen eine bildschirmfüllende Animation und ein Mikrofon-Symbol. Ausgelöst wird die Funktion ausschließlich durch einen doppelten Druck auf die Digital Crown, jedes einzelne Mal.
Siri Recap arbeitet ohne jedes akustische Signal. Apple begründet das damit, dass kein roher Ton erhalten bleibt, kein wörtliches Protokoll entsteht und Sprecher nicht zugeordnet werden – das Ergebnis sei eine knappe Zusammenfassung, vergleichbar mit Notizen, die jemand nach einem Gespräch aufschreibt.
Beide Funktionen sind opt-in, lassen sich in den Siri-Einstellungen auf der Uhr und in der Watch-App aktivieren und über das Kontrollzentrum jederzeit abschalten. Für Siri Recap lässt sich zusätzlich festlegen, wann und wo es aktiv sein soll – etwa nur während der Arbeitszeit oder nie nachts.
Welche iPhones überhaupt mitspielen
Ein Detail aus dem Dokument entscheidet darüber, wer Siri Recap überhaupt nutzen kann. Der geschützte Bereich muss auch auf dem iPhone vorhanden sein, und Apple zählt dafür iPhone 16, iPhone 16 Pro, iPhone 17e, iPhone Air sowie neuere Modelle auf.
Wer eine Series 12 mit einem älteren iPhone koppelt, bekommt damit die Geräuscherkennung und Shazam, aber keine Gesprächszusammenfassungen. Die Uhr allein genügt für diese Funktion nicht.
Was hierzulande davon ankommt
Shazam läuft vollständig auf der Uhr und ist sprachunabhängig. Für die Geräuscherkennung nennt Apple in der deutschen Mitteilung ebenfalls einen Start später in diesem Jahr. Live Rewind und Siri Recap kommen dann als Betaversion und zunächst auf Englisch – ein Termin für Deutsch steht nicht im Raum.
Damit gilt für die beiden auffälligsten Funktionen dasselbe wie für Siri AI insgesamt: Wer die Uhr am 18. September kauft, bekommt sie zunächst nicht. Die übrigen Zusagen, die Apple Intelligence beim Umgang mit Nutzerdaten macht, gelten unabhängig davon weiter.
Warum das Papier vor der Funktion kommt
Apple veröffentlicht das Dokument zu einem Zeitpunkt, an dem zwei der vier beschriebenen Funktionen noch gar nicht ausgeliefert sind. Das ist ungewöhnlich und passt zur Sache: Eine Uhr, die dauerhaft auf Gespräche horcht, wirft Fragen auf, bevor sie im Handel steht – und die Antworten stehen nun schriftlich fest, statt später nachgereicht zu werden.
Der stärkste Punkt darin ist nicht die Verschlüsselung, sondern die Architektur. Wenn roher Ton das Gehäuse des Chips nie verlässt und keine Datei entsteht, gibt es auch nichts, was auf Anforderung herausgegeben werden könnte. Genau das schreibt Apple explizit hin.
Offen bleibt die Seite der Gesprächspartner. Bei Live Rewind hat Apple sie mitgedacht und einen hörbaren Hinweis eingebaut, der sich nicht abschalten lässt. Bei Siri Recap ersetzt die technische Zusicherung, dass nur eine grobe Zusammenfassung übrig bleibt, den akustischen Hinweis vollständig. Wer mit dir spricht, erfährt nichts davon.
Drei der vier Funktionen kommen später
Ab dem 18. September stehen die beiden neuen Uhren im Handel. Von den vier Funktionen ist zum Start allein Shazam dabei. Die Geräuscherkennung folgt später in diesem Jahr, ebenso Live Rewind und Siri Recap – die beiden letzteren in einer englischsprachigen Beta, also genau die Funktionen, wegen derer das elfseitige Papier überhaupt geschrieben wurde.
Würdest du eine Uhr tragen, die Gespräche mitschreibt, ohne dass dein Gegenüber ein Signal bekommt – oder ist genau das die Grenze? Schreib uns in die Kommentare, wo du sie ziehst.
