Project Zenith: Windows 11 für lokale KI-Entwicklung ab dem ersten Start

Microsoft will mit Project Zenith aus einem neuen Windows-PC vom ersten Einschalten an eine einsatzbereite Entwicklungsstation für lokale KI machen. Statt zunächst Terminal, Editor, Linux-Umgebung, Laufzeiten und Paketwerkzeuge einzurichten, sollen Entwickler direkt loslegen können. Vorgestellt wurde Zenith am 4. September 2026, nachdem Microsoft die Richtung bereits auf der Build 2026 angedeutet hatte.12

Keine neue Windows-Version, sondern ein vorkonfiguriertes Setup

Zenith ist keine separate Edition von Windows 11. Es handelt sich um ein auf geeigneter neuer Hardware ausgeliefertes Software- und Konfigurationspaket auf Basis von Windows 11 Home oder Pro. Entwicklerorientierte Standardoptionen und Werkzeuge sind dabei bereits gesetzt beziehungsweise installiert.34

Microsoft bezeichnet das Konzept als „ready-to-code“ und möglichst ablenkungsarm. Die Idee dahinter: Ein Entwickler-PC soll nicht wie ein Consumer-Rechner wirken, der erst aufwendig vorbereitet werden muss.19

Auf Zenith-Geräten sollen sich Modelle mit mehr als 30 Milliarden Parametern lokal und „unmetered“ ausführen lassen.1 Gemeint ist dabei, dass die Inferenz auf dem eigenen Rechner erfolgen kann und keine Cloud-Token verbraucht. Das ist jedoch keine Zusage, dass jedes Modell bei jeder Kontextlänge schnell läuft oder ohne Strom-, Speicher- und Einrichtungsaufwand auskommt.

Warum 64 GB Unified Memory und 250 GB/s nötig sind

Microsoft setzt für Zenith-PCs mindestens 64 GB Unified Memory und 250 GB/s Speicherbandbreite voraus.1

Diese Werte zielen auf zwei entscheidende Faktoren bei der lokalen Ausführung großer Sprachmodelle:

• Speicherkapazität: Modellgewichte müssen zusammen mit Laufzeit- und Kontextdaten in den verfügbaren Speicher passen. Bei Unified Memory greifen CPU und integrierte GPU auf denselben großen Speicherpool zu, statt allein auf den oft deutlich kleineren dedizierten Grafikspeicher klassischer PCs angewiesen zu sein.
• Speicherbandbreite: Beim Generieren werden Modellgewichte fortlaufend aus dem Speicher gelesen. Hohe Bandbreite hilft, damit ein Modell, das zwar in den Speicher passt, nicht unpraktisch langsam wird.

Die Anforderungen sind als Untergrenze der Plattform zu verstehen, nicht als Leistungsversprechen. Geschwindigkeit und praktische Nutzbarkeit hängen unter anderem von Modellarchitektur, Quantisierung, Kontextlänge, Inferenz-Engine, Treiberunterstützung und dem für Windows sowie weitere Anwendungen verbleibenden Speicher ab.

Welche Werkzeuge ab Werk bereitstehen

Zenith richtet die Windows-Umgebung bereits vor der ersten Sitzung für Entwicklungsarbeit ein. Visual Studio Code und Windows Terminal gehören zu den zentralen Bestandteilen; darüber hinaus umfasst das Paket Entwicklungs-, Terminal- und Runtime-Werkzeuge.192135

Zum vorinstallierten Umfeld zählen unter anderem:

• Visual Studio Code und GitHub-Copilot-Werkzeuge
• Windows Terminal, PowerShell, Git, GitHub CLI und Azure CLI
• Windows Subsystem for Linux (WSL)
• Python mit uv, Node.js mit nvm sowie zugehörige Paketwerkzeuge
• PowerToys, WinGet beziehungsweise Windows-Paketwerkzeuge und Windows Dev Skills2135

Auch kleine, aber im Alltag relevante Windows-Einstellungen werden angepasst. So soll der Datei-Explorer etwa Dateiendungen, versteckte Dateien und den vollständigen Pfad in der Titelleiste anzeigen.9 Das spart die typischen Handgriffe nach der Einrichtung eines neuen Rechners.

AMD Ryzen AI Halo macht den Anfang

Project Zenith startet zunächst auf Systemen mit AMD Ryzen AI Halo; weitere Geräte von OEM- und Chip-Partnern sollen folgen.1

AMDs Ryzen-AI-Halo-Entwicklerplattform zeigt, warum diese Hardwareklasse für Zenith geeignet ist: Sie bietet bis zu 128 GB Unified LPDDR5X Memory und wird von AMD für lokale KI-Workloads beworben. Nach Unternehmensangaben können darauf Modelle mit bis zu 200 Milliarden Parametern laufen.2728 Eine getestete 128-GB-Konfiguration erreicht 256 GB/s Speicherbandbreite und erfüllt damit Microsofts Zenith-Vorgabe.18

Die 128 GB sind allerdings keine pauschale Lösung für jedes besonders große Modell. AMDs getrennte Aussage, die Plattform unterstütze Modelle mit bis zu 300 Milliarden Parametern, bezieht sich auf Konfigurationen mit bis zu 192 GB Unified Memory.19 Die reine Parameterzahl sagt ohnehin wenig über die Alltagstauglichkeit aus: Komprimierung, Kontextfenster, Laufzeit-Overhead und die gewünschte Ausgabe in Tokens pro Sekunde sind ebenfalls entscheidend.

Microsofts größerer Plan für Entwickler

Microsoft beschreibt Zenith nicht ausdrücklich als Angriff auf macOS oder Linux. Die Richtung ist dennoch klar erkennbar: Windows soll bei Unix-nahen Tools, lokalen KI-Experimenten und der Einrichtung von Entwicklerrechnern weniger Reibung erzeugen.

WSL stellt eine Linux-Umgebung parallel zu nativen Windows-Tools bereit. Mit VS Code, GitHub-Diensten und Azure-Kommandozeilenwerkzeugen ist zugleich Microsofts eigenes Entwickler-Ökosystem von Beginn an präsent.2135 Zenith ersetzt Linux nicht, ist aber ein gezielter Versuch, Windows als ernsthafte Standardplattform für KI- und Systementwicklung zu positionieren.

Worauf Käufer achten sollten

Die Zenith-Mindestwerte sind relevant, aber nur der Anfang. Vor dem Kauf sollten Entwickler insbesondere prüfen:

1. Tatsächlich nutzbarer Unified Memory: Mehr Kapazität schafft Reserven für Modellgewichte, lange Kontexte, Laufzeiten und parallele Anwendungen.
2. Gemessene Inferenzleistung: Dass ein Modell in den Speicher passt, bedeutet noch nicht, dass es mit akzeptabler Geschwindigkeit antwortet.
3. Framework- und Treiberunterstützung: Die gewünschte Inferenz-Software und das Modellformat müssen mit der jeweiligen GPU- und Windows-Konfiguration gut zusammenarbeiten.
4. Preis und Aufrüstbarkeit: Unified Memory in kompakten Systemen lässt sich üblicherweise nicht nachrüsten. Die beim Kauf gewählte Kapazität ist daher besonders wichtig.

Der Kern von Project Zenith ist vor allem die Bündelung: Microsoft definiert eine Hardwareklasse und liefert dazu eine vorbereitete Windows-Entwicklungsumgebung. Ob das für lokale KI wirklich überzeugend wird, entscheidet sich letztlich an Leistung, Kompatibilität und Preis der Geräte, die bei Entwicklern ankommen.14