Apple beschreibt Audio Intelligence auf der Apple Watch Series 12 und der Apple Watch Ultra 4 als optional aktivierbare Funktionen, die Roh-Audio nicht aufzeichnen oder speichern. Die Verarbeitung endet aber nicht bei jeder Funktion auf der Watch: Je nach Aufgabe werden eine akustische Signatur an Shazam oder gekürzter, verschlüsselter Text an Private Cloud Compute übertragen.
Das ist der entscheidende Unterschied für den Datenschutz: Keine gespeicherte Audioaufnahme bedeutet nicht, dass überhaupt keine abgeleiteten Informationen verarbeitet werden.
Vier Funktionen, vier Aufgaben
Audio Intelligence umfasst Sound Recognition, Music Recognition mit Shazam, Live Rewind und Siri Recap. Jede Funktion muss aktiviert werden.
- Sound Recognition erkennt unter anderem Sirenen, Alarme und Türklingeln – auch wenn das iPhone nicht in der Nähe ist.
- Music Recognition mit Shazam identifiziert Musik im Hintergrund und zeigt Titel sowie Interpret im Smart Stack an.
- Live Rewind holt nach einem bewussten Doppeldruck auf die Digital Crown bis zu 15 Sekunden zuvor erkannter Sprache als Text zurück.
- Siri Recap erstellt eine grobe Zusammenfassung eines Gesprächs. Die Funktion liefert kein vollständiges Transkript.
Die beiden Sprachfunktionen sind als spätere Erweiterung geplant: Apple nennt für Live Rewind und Siri Recap eine Beta-Verfügbarkeit später im Jahr 2026, zunächst auf Englisch.
Was verarbeitet die Apple Watch tatsächlich?
Apple zufolge fließt das Roh-Audio in einen geschützten Puffer innerhalb der Secure Exclave des S11-Chips. Nach der Verarbeitung wird es gelöscht. Das Betriebssystem, Apps, Nutzerinnen und Nutzer sowie Apple sollen auf das Roh-Audio nicht zugreifen können.
Die weiteren Verarbeitungsschritte unterscheiden sich jedoch deutlich:
| Funktion | Aufgabe | Verarbeitungsort | Was verlässt den Gerätepfad? | Von Apple beschriebene Speicherung |
| Sound Recognition | Sirenen, Alarme und Türklingeln erkennen | Apple Watch und iPhone | Kein Roh-Audio | Verarbeitete Daten werden unmittelbar gelöscht; keine Aufnahme wird erstellt |
| Music Recognition mit Shazam | Hintergrundmusik erkennen | Secure Exclave für die Vorverarbeitung | Eine akustische Signatur wird an Shazam gesendet | Roh-Audio wird laut Apple nicht gesendet oder gespeichert |
| Live Rewind | Bis zu 15 Sekunden Sprache als Text anzeigen | Apple Watch und iPhone; bestimmte Siri-Aktionen können Private Cloud Compute nutzen | Bei Siri-Anfragen oder beim Speichern wird der Text für die jeweilige Aktion sicher übertragen | Nicht gespeicherte Textausschnitte verschwinden etwa 30 Sekunden nach dem Abdunkeln des Displays |
| Siri Recap | Gespräche zusammenfassen | Secure Exclave der Watch und des gekoppelten iPhone, anschließend Private Cloud Compute | Verschlüsselter, gekürzter Transkripttext und Kontextdaten für die Zusammenfassung | Nicht gespeicherte Zusammenfassungen werden nach sieben Tagen automatisch gelöscht |
Bei Siri Recap soll der gekürzte Text weniger als halb so lang sein wie das ursprüngliche Transkript. Gespeicherte Zusammenfassungen und Live-Rewind-Ausschnitte können über iCloud Ende-zu-Ende-verschlüsselt synchronisiert werden, wenn iCloud, Zwei-Faktor-Authentifizierung und ein Gerätecode aktiviert sind.
Was sehen und hören andere Menschen?
Live Rewind wird nicht durch einen unbemerkten Tastendruck gestartet: Die Funktion verlangt einen Doppeldruck auf die Digital Crown. Apple beschreibt außerdem einen hörbaren Signalton, eine Vollbildanimation und eine Mikrofonanzeige – auch wenn die Watch stummgeschaltet ist oder Kopfhörer verbunden sind.
Die Funktion ordnet Sprache keinen einzelnen Sprecherinnen oder Sprechern zu. Sie erstellt also keine Sprechererkennung. Sobald eine der Audio-Intelligence-Funktionen aktiv ist, kann jedoch Sprache aus der Umgebung verarbeitet werden.
Was bleibt wie lange erhalten?
Für den Datenschutz sind die abgeleiteten Ergebnisse wichtiger als das Roh-Audio. Bei Live Rewind bleibt ein nicht gespeicherter Textausschnitt noch ungefähr 30 Sekunden nach dem Abdunkeln des Displays sichtbar, bevor er verschwindet. Ein nicht gespeicherter Siri-Recap wird nach sieben Tagen automatisch gelöscht.
Live Rewind zeigt maximal 15 Sekunden zurückliegende Sprache. Siri Recap arbeitet dagegen mit einer Zusammenfassung und nicht mit einem vollständigen Gesprächsprotokoll. Welche Informationen entstehen, hängt deshalb von der konkret genutzten Funktion ab.
Verfügbarkeit in Deutschland und kompatible Geräte
Audio Intelligence ist für die Apple Watch Series 12 und die Apple Watch Ultra 4 vorgesehen. Für Sound Recognition und Music Recognition benötigt die gekoppelte Konfiguration ein iPhone 11 oder neuer beziehungsweise ein iPhone SE (2. Generation oder neuer) mit iOS 27.
Live Rewind und Siri Recap setzen neuere iPhone-Modelle voraus: unterstützt werden iPhone 16, iPhone 16 Plus, iPhone 16 Pro, iPhone 16 Pro Max, iPhone 17, iPhone 17e, iPhone 17 Pro, iPhone 17 Pro Max, iPhone Air, iPhone 18 Pro, iPhone 18 Pro Max und iPhone Duo. Apple plant den Start später 2026 als englische Beta. In der Europäischen Union sind Live Rewind und Siri Recap zunächst nicht verfügbar; Deutschland fällt unter diese regionale Einschränkung.
Die praktische Datenschutzentscheidung
Wer nur eine akustische Warnung oder automatische Musikerkennung möchte, aktiviert nicht automatisch alle vier Funktionen: Audio Intelligence ist optional, und die Aufgaben lassen sich getrennt betrachten. Der relevante Unterschied liegt in den Datenwegen: Sound Recognition verarbeitet den Ton im Zusammenspiel von Watch und iPhone, Shazam erhält eine akustische Signatur, und Siri Recap nutzt für seine Zusammenfassung Private Cloud Compute.
Apple verspricht dabei, dass Roh-Audio nicht aufgezeichnet oder gespeichert wird. Für die Entscheidung zählt trotzdem, welche abgeleiteten Ergebnisse die jeweilige Funktion erzeugt und wie lange sie bestehen bleiben.
