Microsoft öffnet lokale KI-Schnittstellen für Nvidia-Grafikkarten – das Ende des Copilot+-Mauerblümchens

Microsoft hat still und leise eine der Hauptattraktionen seines Copilot+-PC-Programms ausgehöhlt. Mit einem experimentellen Update des Windows App SDK öffnet der Konzern die lokalen KI-Schnittstellen von Windows 11 für nicht-Copilot+-fähige Computer, sofern diese über eine leistungsfähige Nvidia GeForce Grafikkarte verfügen . Statt einer dedizierten Neural Processing Unit (NPU) aus den neuesten Qualcomm-, AMD Ryzen AI- oder Intel Core Ultra-Laptops können Entwickler nun die weitaus größere installierte Basis von Desktop-PCs mit RTX 30-, 40-Serien oder neueren GPUs ansprechen, die mindestens 6 GB Videospeicher (VRAM) mitbringen . Das Signal ist klar: eine strategische Kehrtwende von exklusivem Hardware-Branding hin zu einem universelleren, GPU-beschleunigten lokalen KI-Stack für Windows.

Welche lokalen KI-Funktionen jetzt offen sind

Die erweiterten APIs sind Teil der Windows Copilot Runtime und geben Anwendungen direkten Zugriff auf geräteinterne KI-Verarbeitung. In der öffentlichen Vorschau können Windows-11-PCs mit einer unterstützten RTX-GPU folgende Aufgaben lokal ausführen :

• Textzusammenfassung und -umschreibung: Apps können ein lokales Sprachmodell aufrufen, um Inhalte komplett offline zu verdichten oder umzuformulieren.
• Textgenerierung: Entwickler können die Fähigkeiten lokaler kleiner Sprachmodelle, sogenannter SLMs (Small Language Models), direkt in ihre Windows-Programme integrieren.
• Text-zu-Bild-Generierung: Der API-Pfad ermöglicht die lokale Bilderstellung ohne Umweg über die Cloud .
• Video-Super-Resolution und Spracherkennung: Diese Funktionen laufen in der aktuellen Vorschau auf der CPU, gehören aber zum selben erweiterten API-Set, für das keine NPU mehr nötig ist .

Wichtig: Es handelt sich um eine entwicklerorientierte Veröffentlichung über das Windows App SDK – keinen einschaltbaren Schalter für Endverbraucher oder ein normales Windows-Update. Die Funktion ist in Microsofts Dokumentation ausdrücklich als „experimentell“ gekennzeichnet .

Die komplette strategische Abkehr von der NPU-Exklusivität

Seit dem Start der Copilot+-PCs galt eine strenge Regel: Die nativen lokalen Sprachmodell-APIs und die Copilot+-Markenfunktionen standen nur auf Systemen mit integrierter NPU zur Verfügung . Die NPU war der einzig anerkannte KI-Beschleuniger für Microsofts lokalen Intelligenz-Stack.

Mit der aktuellen Veröffentlichung wird dieses Siegel offiziell gebrochen. Eine Nvidia RTX-GPU kann nun als primärer KI-Beschleuniger für die lokalen Sprachmodelle von Windows dienen – eine Rolle, die bisher ausschließlich dem NPU-Silizium vorbehalten war. Das Branchenurteil folgte prompt. PCWorld beschrieb den Schritt als einen, der „den Copilot+-Vorteil aushöhlt“, und PCMag ging noch weiter mit der Aussage, die Botschaft der Microsoft-Build-2026-Konferenz sei, dass „Copilot+-PCs für die lokale KI-Entwicklung keine Rolle mehr spielen" .

Der Konzern koppelt seine native KI-Laufzeitumgebung nicht länger an ein bestimmtes Hardware-Siegel. Jedes Windows-11-System mit einer leistungsfähigen RTX-GPU kann jetzt Teil des lokalen KI-Ökosystems werden – eine Änderung, die den Zielmarkt für KI-gestützte Windows-Anwendungen drastisch vergrößert.

Das Kleingedruckte: Aktuelle Grenzen der GPU-Vorschau

Trotz der strategischen Bedeutung bleibt die GPU-Unterstützung eine Baustelle mit einigen wichtigen Einschränkungen:

• Nur Entwickler-Vorschau: Es handelt sich nicht um eine stabile, allgemein verfügbare Version. Sie richtet sich an Entwickler, die mit lokaler Modellintegration über das App SDK experimentieren, nicht an Endnutzer, die neue Features erwarten .
• Keine Copilot+-Exklusivfunktionen: Der Zugriff auf die lokalen Sprachmodell-APIs via RTX-GPU schaltet keine Copilot+-Markenfeatures wie Windows Recall, Click to Do oder Windows Studio Effects frei. Diese Erlebnisse bleiben an die NPU gebunden .
• Phi Silica noch nicht unterstützt: Berichten zufolge ist Microsofts Vorzeige-SLM für Endgeräte, Phi Silica, noch nicht für den RTX-GPU-Pfad optimiert; es bleibt in dieser Vorschauphase auf die NPU-Ausführung beschränkt .
• Strenge Hardware-Untergrenze: Mindestvoraussetzung ist eine RTX 30-Serie oder neuer mit wenigstens 6 GB VRAM. Ältere GTX-Karten, RTX-20-Serien und alle Karten mit weniger VRAM sind ausgeschlossen .
• Reine Entwicklersache: Die APIs sind ausschließlich Infrastruktur für App-Integration, keine benutzerzugängliche Oberfläche oder Umschaltfunktion .

Der neue Hardware-Anker: Surface RTX Spark Dev Box

Microsoft hat diese Software-Wende auf der Build 2026 mit einem mächtigen Hardware-Statement kombiniert. Das Unternehmen präsentierte die Surface RTX Spark Dev Box, eine Desktop-taugliche Entwickler-Workstation auf Basis von Nvidias neuem RTX-Spark-System-on-a-Chip, der eine Grace-Klasse-Arm-CPU mit einer Blackwell-RTX-GPU auf einem einzigen Träger vereint .

Eckdaten der RTX-Spark-Plattform :

• 1 Petaflop KI-Rechenleistung
• Bis zu 6.144 Blackwell-RTX-Kerne und 20 energieeffiziente Arm-Kerne
• 128 GB gemeinsamer Systemspeicher (Unified Memory), fähig, große Sprachmodelle mit bis zu rund 120 Milliarden Parametern komplett lokal auszuführen

Microsoft bewirbt die Dev Box als „Desktop-Datencenter“ für die lokale KI-Entwicklung – ein Formfaktor, der Inferenz großer Modelle und agentenbasierte Arbeitsabläufe ohne Cloud-Abhängigkeit praktikabel machen soll . Das Gerät folgt auf die frühere Ankündigung des ebenfalls RTX-Spark-betriebenen Surface Laptop Ultra und schafft eine Familie von Windows-on-Arm-Geräten, die von Grund auf für lokale KI konzipiert sind . Die breitere Entwickler-Toolchain umfasst native TensorRT for RTX-Integration innerhalb von Windows ML sowie ein DGX-Station-for-Windows-Ökosystem .

Indem Microsoft die lokale KI-Laufzeitumgebung für diskrete GPUs öffnet und gleichzeitig neue, Nvidia-betriebene Erste-Partei-Hardware vorstellt, rückt das Unternehmen seine Entwicklerstrategie neu aus: Maßgeblich ist die GPU-Leistung, nicht ein bestimmter Prozessortyp. Für alle, die geräteinterne KI-Funktionen für Windows entwickeln, definiert sich der weitere Weg nun über rohe Rechenleistung und Speicherkapazität – und nicht mehr über einen NPU-Aufkleber.