Warum teure KI beim Systemtest versagt

Diese Geschichte beginnt nicht mit einem Bug, sondern mit einer Angewohnheit. Ich halte meine Ideen in Sprachmemos fest — viele, oft mehrere am Tag. Ein Gedanke unterwegs, eine halbe Lösung zwischen zwei Terminen, ein Einfall, der wieder weg ist, wenn ich ihn nicht sofort einspreche: rein ins Diktiergerät. Das Problem an Sprachmemos ist nur — als Audiodatei kann man sie nicht durchsuchen, nicht überfliegen, nicht weiterverarbeiten. Sie müssen zu Text werden.

Die naheliegende Lösung wäre die eingebaute Transkription des iPhones. Aber die war mir schlicht nicht gut und nicht schnell genug — gerade bei längeren, unstrukturierten Gedankengängen sprang sie zu kurz. Und es gab einen zweiten Grund, der mir noch wichtiger war: Meine unfertigen Ideen sind das Rohmaterial meiner Arbeit. Genau die wollte ich nicht auf fremde Server schicken, wo niemand so recht weiß, was mit ihnen passiert. Was ich brauchte, war eine Transkription, die den Namen verdient — und die das Gerät nie verlässt.

Also baute ich mir die App selbst: Sprache rein, Text raus, alles direkt auf dem Telefon, kein Byte in die Cloud. Auf den meisten iPhones lief das erstaunlich gut. Nur auf einem nicht — ausgerechnet auf dem teuersten.

Der Fehler, der nur das Flaggschiff traf

Das iPhone 16 Pro Max ist das Flaggschiff: schnellster Chip, meiste Rechenleistung, eigene KI-Recheneinheit an Bord. Genau dort kam bei der Transkription nichts an — leerer Text, ein Fortschrittsbalken, der bei 95 Prozent hängenblieb, im Systemprotokoll ein kryptischer Fehler der KI-Recheneinheit. Auf schwächeren iPhones? Kein Problem. Das ist die Art von Bug, die einen nachts nicht schlafen lässt, weil er keinen Sinn ergibt.

Bevor es an diesen Bug ging, hatte bereits ein etabliertes, teures Modell — ein großes GPT — meinen Code durchgesehen. Es machte solide, allgemeine Verbesserungsvorschläge, der Build lief sauber. Nützlich, aber am eigentlichen Problem vorbei: Der Fehler zeigte sich erst auf dem echten Gerät in der Hand, nicht im Code-Review am Schreibtisch.

Also wollte ich den Bug an ein anderes Modell geben. In meiner Entwicklungsumgebung kann ich zwischen KI-Modellen umschalten wie zwischen Werkzeugen. Ich wählte Kimi K3 — ein Modell des chinesischen Anbieters Moonshot, das nur einen Bruchteil der bekannten Premium-Modelle kostet.

Fünf Fehlstarts um zwei Uhr nachts

Es war kurz nach zwei. Und zunächst passierte: nichts. Fünf Anläufe hintereinander scheiterten — nicht am Können des Modells, sondern an schnöder Technik. Der Zugang lud einfach nicht, jedes Mal dieselbe dröge Meldung: „Modell nicht verfügbar". Das ist wichtig zu unterscheiden: Das war keine falsche Antwort, das war gar keine Antwort. Fünfmal Leere, bevor überhaupt ein Wort kam.

Beim sechsten Versuch war das Modell da. Und es legte sofort anders los als erwartet: kein Raten, kein „probier mal dies". Es las den kompletten relevanten Code, bevor es überhaupt eine Vermutung äußerte — und stellte dann die richtige Frage.

Kimi findet die Ursache — und dann geht das Geld aus

Die Analyse war präzise. Verkürzt: Weil das iPhone 16 Pro Max so viel Speicher hat, wählte die App automatisch das größte Sprachmodell und ließ es vierfach parallel auf derselben KI-Recheneinheit laufen. Vier Prozesse, eine Hardware — ein Wettrennen, bei dem manche Ergebnisse einfach leer zurückkamen, ganz ohne Fehlermeldung. Dazu hatte ich, ohne es zu merken, sämtliche Qualitäts-Sicherungen des Sprachmodells abgeschaltet. Genau deshalb traf es nur das stärkste Gerät: Nur dort griff diese unglückliche Kombination.

Das Modell hatte den Fehler verstanden. Es wollte gerade die Lösung schreiben. Und dann kam nicht die Lösung, sondern eine Rechnung. Statt des Fixes erschien eine Fehlermeldung:

402 — This request requires more credits, or fewer max_tokens. You requested up to 32000 tokens, but can only afford 2620.

Mein Prepaid-Konto beim Anbieter war leer. Für die verbleibende Antwort — den eigentlichen Fix — reichte es nicht mehr. Das Modell war nicht am Problem gescheitert. Es war am Kontostand gescheitert. Die klügste Analyse der Nacht endete an einer Bezahlschranke, wenige Sätze vor dem Ziel.

Am Vormittag: dasselbe Modell, zweiter Anlauf

Am nächsten Vormittag nahm ich einen zweiten Weg zum selben Modell — einen anderen Anbieter mit eigenem Guthaben. Wieder Kimi K3, nur über eine andere Tür. Und diesmal lief es durch.

Das Modell diagnostizierte den Fehler unabhängig noch einmal, baute den Fix direkt auf mein angeschlossenes iPhone, ließ eine echte Aufnahme laufen, las das reale Gerätelog und reagierte darauf. Es stellte den kritischen Pfad auf ein kleineres, stabiles Modell um und schaltete die problematische KI-Recheneinheit für diesen Fall ab. Und es hörte da nicht auf: In derselben Sitzung härtete es die App weiter, schrieb Tests — und baute sogar ein neues Feature ein, mit dem sich zwei Transkriptions-Ergebnisse nebeneinander vergleichen lassen. Aus einem Bug wurde eine Funktion.

Am Abend zog ich die Konsequenz aus einer Nacht voller KI-Recheneinheit-Ärger und stellte die App ganz auf Apples eigene, neue Transkriptions-Technik um. Wie dieser Architektur-Sprung im Detail ablief, habe ich in einer eigenen technischen Chronik festgehalten.

Was ich daraus gelernt habe

Ehrlich bleiben ist wichtig: Ich habe kein teures Modell dabei erwischt, wie es an diesem Bug verzweifelt. Was ich habe, ist aussagekräftiger — der Fehler wich erst, als ich auf das günstige Modell umstieg. Und dieses günstige Modell fand die Ursache über zwei völlig getrennte Wege gleich zweimal.

Die Lehre ist nicht „teure Modelle sind schlecht". Sie sind großartig für vieles. Die Lehre ist: Das Preisschild sagt nichts darüber, wer deine konkrete, harte Aufgabe löst. Und wer nur ein einziges Modell hat, hat auch nur eine einzige Chance. Umschalten zu können war in dieser Nacht wertvoller als jedes Premium-Abo — wie man sich so ein Multi-Modell-Setup praktisch einrichtet, ist ein Thema für sich.