Die Auswirkungen des M1: Wie Apple das Silizium befreite

Es ist ein Montagabend im Juni 2020 – der Sommer eines Jahres, in dem das Coronavirus die Welt in einen Stillstand gezwungen hat. Selbst für Tim Cook ist es eine ungewohnte Atmosphäre: allein vor einer Kamera, ohne Publikum und den gewohnten Applaus im „Steve Jobs Theater“ in Cupertino. Er spricht einen Satz aus, der wie eine Sprengladung in der Halbleiterindustrie wirken soll: „Heute ist ein historischer Tag: Wir kündigen an, dass wir den Mac auf Apple Silicon umstellen.“ Die Bedeutung könnte schwerer kaum wiegen: Apple verlässt nach 15 Jahren Intel als primären Chiplieferanten und tritt in ein Terrain, das bis dahin keiner der PC-Schwergewichte ähnlich entschieden besetzt hatte: das eigene, maßgeschneiderte Desktop-Silizium.

Der M1-Chip, der wenige Monate später im MacBook Air, MacBook Pro und Mac mini Realität werden sollte, ist nicht einfach ein schnelleres Bauteil in einer vertrauten Welt. Er ist die lauteste Aussage, die ein Technologieunternehmen seit vielen Jahren über die eigene Strategie und die Zukunft der Computertechnik abgegeben hat. Und die Branche versteht die Botschaft.

Was folgt, ist kein gradueller Wandel, sondern eine tektonische Verschiebung. Innerhalb weniger Monate beginnen Ingenieurteams bei Google, Qualcomm, Amazon, Microsoft und Nvidia, ihre Roadmaps zu überdenken. Nicht weil der M1 eine neue Architektur erfunden hätte – ARM-basierte Designs existieren längst im Smartphone-Markt. Sondern weil Apple öffentlich und unübersehbar beweist, was viele intern zwar ahnen, aber nie so offensichtlich demonstriert sahen: Wer das eigene Silizium kontrolliert, kontrolliert sein System – und damit Leistung, Energieverbrauch, Sicherheit, Release-Rhythmus und die strategische Differenzierung. Der M1 ist keine Produktankündigung. Er ist eine Machtdemonstration.

Vertikale Integration als Philosophie

Die Spurensuche dieses Einschlags beginnt bei einem kleinen, kaum bekannten Chip-Designhaus aus dem Silicon Valley: P.A. Semi beschäftigt rund 150 Ingenieurinnen und Ingenieure mit einem klaren Fokus: die Entwicklung energieeffizienter Hochleistungsprozessoren. Sein Gründer Dan Dobberpuhl hat zuvor an der DEC-Alpha-Architektur und dem StrongARM mitgewirkt – einem der ersten Hochleistungschips auf Basis der ARM-Technologie, der bereits in den 1990er-Jahren zeigte, dass Energieeffizienz und Rechenleistung kein Widerspruch sein müssen. Die Edelschmiede aus Santa Clara ist Apple im Jahr 2008 278 Millionen US-Dollar wert – im Rückblick ein Schnäppchen angesichts des Einflusses auf die spätere Entwicklung. 

Doch der iPhone-Riese kauft nicht nur Technologien und Patente der Kalifornier; Apple integriert eine Denkweise: Nicht der schnellste Kern gewinnt, sondern der, der die Aufgabe systemisch am elegantesten löst.

Als Basis zukünftiger Entwicklungen nutzt Apple die ARM-Architektur. Das ist kein Zufall: Das Unternehmen setzt seit dem Newton, seinem frühen Handheld-Computer aus den 1990er-Jahren, immer wieder auf ARM. In jedem iPod, jedem iPhone und jedem iPad steckt die Technologie. Dabei nutzt Apple die ARM-Plattform nicht einfach als fertige Lösung, sondern als Lizenzbaukasten. Die Architektur stellt den Befehlssatz bereit, doch die tatsächliche Umsetzung – also das Kern-Design, die Cache-Hierarchie, Pipeline-Tiefe und Speicheranbindung – liegt vollständig bei Apples internem Silicon-Team.

Tim Millet, einer der führenden Ingenieure bei Apple während der Entwicklung des M1-Chips, formuliert den fundamentalen Vorteil gegenüber der Hinzunahme eines fremden Chipsets rückblickend in einem Interview mit dem US-Technologiemagazin „Tom’s Guide“ so: „Wir mussten nicht raten, sondern wussten genau, was wir bauen und welchen Einsatz es findet.“ 

Diese enge Kopplung von Hard- und Software-Entwicklung ist kein Detail; sie bestimmt seitdem die Philosophie des gesamten Silicon-Projekts. Apple optimiert seine Chips nicht für abstrakte Benchmarks, sondern für reale Anwendungsszenarien: das Rendering in der Videobearbeitung Final Cut Pro etwa, die Kompilierung mit der Entwicklungsumgebung Xcode oder die Bildverarbeitung unter typischer Last. Das Silizium kennt die Software, und die Software kennt das Silizium.

Das Ergebnis ist ein System-on-a-Chip (SoC), das CPU, GPU, Neural Engine, Ein-Ausgabe-Controller und Sicherheitsenklave vereint und dabei eine einheitliche Speicherarchitektur einsetzt. Statt getrennter Speicherpools für CPU und GPU wie im klassischen PC-Design teilen sich alle Recheneinheiten denselben physischen Arbeitsspeicher. Was zunächst wie ein technisches Detail klingt, ist bei genauerer Betrachtung ein wesentlicher Schlüssel zur außergewöhnlichen Speicherbandbreite und Latenzarmut der auf dem M1 fußenden Silicon-Serie. Apple baut nicht einfach einen schnellen Chip; Apple baut ein hochintegriertes System, das als Gesamtheit optimiert ist.

Google und der Dominoeffekt

Die Reaktion der Industrie lässt nicht lange auf sich warten, und sie verläuft in zwei parallelen Wellen. Im Markt für Endgeräte – Smartphones, Laptops, Tablets – entscheiden sich immer mehr Unternehmen, den Weg Apples zu kopieren und eigenes, maßgeschneidertes Silizium Bauteilen „von der Stange“ vorzuziehen.

Googles Tensor-Chip ist das emblematischste Beispiel für den M1-Effekt im Android-Ökosystem. Die Entwicklung beginnt intern schon 2016, also vier Jahre vor dem M1. Der Impuls ist ähnlich: Die KI-Fähigkeiten der verfügbaren Snapdragon-Prozessoren von Qualcomm reichen nicht aus, um die eigenen Ambitionen in der Bildverarbeitung und der Spracherkennung zu verwirklichen. Googles Hardware-Chef Rick Osterloh bestätigte dies in einem Interview mit dem US-Technikmagazin „Wired“ im August 2021: „Handelsübliche Technologie stößt unweigerlich an Grenzen. Um wirkliche Innovationen für die Zukunft zu schaffen, müssen wir unser eigenes System bauen.“

Der Tensor-Chip debütiert einige Monate später in der sechsten Generation der Pixel-Smartphone-Reihe. Er stellt keine spektakuläre Leistungsdemonstration dar; erste Tests zeigen eine gemischte CPU-Performance, die teilweise sogar schlechter ausfällt als bei den auf dem Markt befindlichen Snapdragon-Chips. Doch Google verfolgt ein anderes Ziel: Tensor versteht sich von Anfang an als KI-Marke, nicht als Allround-Renner.

Der Suchmaschinen-Riese baut mit dem Tensor seitdem konsequent auf diese Logik: Jede Generation richtet sich tiefer auf maschinelles Lernen aus und integriert mehr Google-spezifische Modelle in die Hardware. Der Tensor G5 etwa, der 2025 im Pixel 10 debütiert, enthält eine spezialisierte KI-Recheneinheit, die ihn laut seiner Erschaffer 60 Prozent leistungsfähiger macht als den direkten Vorgänger. Googles kleinstes KI-Modell, Gemini Nano, läuft so ohne Cloud-Anbindung vollständig auf dem Gerät selbst.

Nvidia schlägt einen anderen, aber strukturell verwandten Weg ein. Das Unternehmen wandelt sich seit ein paar Jahren konsequent von einem Gaming-GPU-Anbieter zum wichtigsten Infrastrukturlieferanten für Künstliche Intelligenz. Nvidia entwickelt nicht nur Chips, sondern einen vollständigen, aufeinander abgestimmten Technologieverbund aus Hardware, Verbindungsnetzwerk, Speicher, Kühlsystemen und Software. Wer etwa die Hochleistungs-GPU B200 kauft, erhält kein freies Bauteil, sondern einen Einstiegspunkt in ein eng geschlossenes Ökosystem. Die CUDA-Plattform – Nvidias dedizierte Programmierungsumgebung für GPU-Anwendungen – gilt seit mehr als 15 Jahren als De-facto-Standard in der KI-Forschung und erschwert einen Wechsel auf alternative Hardware strukturell. Kritiker sprechen gar von einem „goldenen Käfig“ – einem Ansatz, der in mancher Hinsicht an Apples Ökosystem erinnert. Apples Chips prägen die Machtlogik im Client-Markt, Nvidia wendet dieselbe Logik im Rechenzentrum an.

KI als Brandbeschleuniger

Die generative Künstliche Intelligenz beschleunigt den Custom-Silicon-Trend in den Jahren nach dem M1 massiv. Der explosive Bedarf an Rechenleistung für das Training und den Betrieb Großer Sprachmodelle, Bildgeneratoren und multimodaler Systeme, den Standard-GPUs allein nicht effizient decken können, lässt die Nachfrage nach spezialisiertem Silizium schier explodieren. Die entscheidenden Metriken in den Vorstandsetagen von Cloud-Anbietern und KI-Unternehmen sind nicht mehr Taktfrequenz und Anzahl der Kerne, sondern „Performance pro Watt“, die Speicherbandbreite sowie die KI-Beschleuniger-Leistung.

Apple ist mit seiner Neural Engine einer der frühen Vorreiter der „On-Device-KI“ – also der Künstlichen Intelligenz, die direkt auf dem Endgerät statt in der Cloud rechnet. Das Unternehmen baut diese Fähigkeit nicht als Gimmick, sondern als strukturelle Differenzierung des gesamten Geräteerlebnisses ein.

Googles Tensor-Strategie verfolgt dieselbe Idee noch konsequenter. Das Pixel 8 ist im Herbst 2023 das erste Smartphone, das dank seines Tensor-G3-Chips sein Spracherkennungsmodell weitgehend auf dem Gerät selbst ausführt, ohne ständig auf die Google-Server auszuweichen. Dies dient nicht etwa dem technischen Selbstzweck, sondern stellt das Fundament einer neuen Produktstrategie hin zum persönlichen KI-Assistent, der ohne Latenz, Datenweitergabe und Netzwerk funktioniert.

Im Rechenzentrumsmarkt treibt der KI-Boom die Chipentwicklung in eine ähnliche Richtung – allerdings mit anderen Parametern. Amazon Web Services (AWS) betreibt seit Jahren seine eigenen ARM-basierten Graviton-Prozessoren für Cloud-Workloads und entwickelt mit Trainium und Inferentia spezialisierte KI-Beschleuniger. Microsoft setzt auf Azure Maia und investiert in eigene ARM-Server. Meta entwickelt mit MTIA seinen eigenen KI-Inferenz-Chip für die Anzeige von Empfehlungen in Facebook und Instagram. All diese Projekte folgen derselben Logik: Für spezialisierte KI-Workloads bieten maßgeschneiderte Chips eine deutlich bessere Effizienz und Wirtschaftlichkeit als reine Standardhardware. Wer die Last kennt, kann den Chip dementsprechend bauen.

Und was passiert in Europa?

Eine nüchterne Betrachtung der neuen Siliziumwelt kommt an einer unangenehmen Beobachtung nicht vorbei: Europa fehlt in dieser Dynamik einmal mehr als gestaltende Kraft nahezu vollständig. Die großen Custom-Silicon-Projekte der vergangenen Jahre kommen ausnahmslos aus den USA (Apple, Google, Amazon, Microsoft, Nvidia, Qualcomm) sowie aus Asien (Samsung, MediaTek, Baidu, Huawei). Europa ist einmal mehr nur Kunde und Beobachter – und das, obwohl ausgerechnet der Technologie-Lizenzgeber ARM Holdings aus Großbritannien stammt.

Die europäische IT-Industrie ist jedoch stark in Segmenten, die weniger spektakulär, aber strukturell bedeutsam sind: Der aus Deutschland stammende Halbleiterhersteller Infineon und das in Genf ansässige Unternehmen STMicroelectronics etwa dominieren Teile des Leistungselektronik- und Automobilchip-Marktes. Was Europa nicht hat, sind große SoC-Architekturfamilien für Consumer-Elektronik, die Cloud oder Hochleistungsrechner. Kein europäisches Unternehmen hat einen ARM-basierten Prozessor für Laptops, Smartphones oder KI-Beschleuniger im Portfolio, der auf dem Weltmarkt konkurrenzfähig wäre.

Der „European Chips Act“, den die Europäische Union 2023 verabschiedete, zielt mit einem Fördervolumen von 43 Milliarden Euro unter anderem auf den Aufbau eigener Fertigungskapazitäten ab – Intel baut in Magdeburg, TSMC in Dresden. Dies ist eine wichtige Reaktion auf die Abhängigkeiten, die der globale Chip-Engpass in den Jahren 2021 und 2022 schmerzhaft sichtbar machte. Aber Fertigungskapazitäten sind eben nicht dasselbe wie Chip-Designs.

Langfristig gibt es Signale, dass der Custom-Silicon-Trend auch europäische Hardwarehersteller erreicht. BMW und Volkswagen arbeiten gemeinsam mit europäischen Chip-Herstellern an eigenen Halbleiterstrategien – nicht für Consumer-SoCs, aber für die spezifischen Anforderungen moderner Fahrzeugelektronik. Die europäische Automobilzulieferindustrie entwickelt spezialisierte Chips für Fahrerassistenzsysteme und Elektroantriebe, die zunehmend originäre Architekturentscheidungen erfordern. Dies ist kein M1-Effekt im wörtlichen Sinne, aber die Entwicklungen folgen derselben Logik: Wer seine Kernanwendung tief genug versteht, kommt früher oder später zum Custom Silicon.

Kontrolle als neue Grundressource

Fünf Jahre nach dem M1 ist klar erkennbar, dass Apple Silicon ein entscheidender Katalysator für den Trend zu Custom Silicon war. Aber nicht, weil er technisch unübertroffen wäre. Wettbewerber wie Qualcomm mit seinen Snapdragon-X-Chips und AMDs Ryzen-AI-Prozessoren sind auf vielen Ebenen konkurrenzfähig. Gleichwohl hinterlässt die ARM-Architektur mittlerweile ihre Fußstapfen: Im vergangenen Jahr hielt sie bereits rund 14 Prozent des PC-Prozessormarktes – ein historischer Wert für eine Plattform, die bis 2020 auf Desktop und Laptop kaum existent war.

Doch der eigentliche Wandel liegt, so lässt sich heute klar erkennen, tiefer als Benchmarks und Marktanteile offenbaren. Der M1 löste einen Wechsel in der Denkweise aus, der sich in den Strategieabteilungen großer Technologieunternehmen festsetzte: Silizium ist keine Massenware, die Unternehmen einkaufen, sondern eine strategische Ressource, die es zu gestalten gilt. Wer das nicht tut, überlässt die Kontrolle über Performance, Effizienz, Differenzierung und letztlich über die eigene Produkt-Roadmap anderen. Apple hat diesen Gedanken nicht erfunden, aber übersetzte ihn mit dem M1 und den nachfolgenden Modellen in eine Sprache, die niemand in der Branche überhören kann: einen Chip, der Intel im Benchmark schlägt und dabei deutlich effizienter arbeitet.

Rückblickend zeigt sich, dass die KI-Welle diesen Impuls noch einmal exponentiell verstärkte. Wenn KI-Modelle zum Kern jedes Produkts geraten – vom Smartphone bis zum Rechenzentrum, vom Fahrzeugcomputer bis zum medizinischen Diagnosegerät –, dann ist die Fähigkeit, das Silizium zu gestalten, keine Frage der Effizienz mehr. Sie ist eine Frage der Existenz. Tensor ist zentral für Googles Strategie, Gemini Nano auf seinen Smartphones zu betreiben. Graviton und Trainium sind wichtige Hebel, um die Wirtschaftlichkeit der AWS-KI-Cloud zu verbessern. Nvidia nutzt seinen vollständigen Technologieverbund aus Chips, Software und Ökosystem, um seine Position im KI-Markt zu stärken. Und Apple setzt auf seine eigenen Chip-Serien, um das iPhone, das iPad, die AirPods, den Mac und die Vision Pro als kohärentes Erlebnisökosystem nachhaltig zu verbinden.

Hinzu kommt ein nicht zu unterschätzender emotionaler Moment. Wer in den ersten Wochen nach der Veröffentlichung mit einem M1-MacBook arbeitete, erlebte etwas Unerwartetes: nicht nur die übliche Freude über einen schnelleren Rechner, sondern das Gefühl, dem Mac nach Jahren der Stagnation wieder neu zu begegnen. Diese Empfindungen sind nicht zufällig – sie sind rückblickend das Ergebnis strategischer Entscheidungen von Unternehmen, die begriffen haben, dass Silizium nicht das Ende des Produktentwicklungsprozesses, sondern dessen Anfang darstellt. Wer das Silizium kontrolliert, kontrolliert das Produkt. Wer das Produkt kontrolliert, kontrolliert sein Schicksal. Der M1 hat diesen Satz in Benchmarks gegossen – und die Industrie hat zugehört.