Wer lokale KI-Modelle auf einem Windows-PC ausprobieren will, soll mit Project Zenith schneller anfangen können. Microsoft bündelt dafür eine vorkonfigurierte Entwicklungsumgebung mit Geräten, die viel gemeinsamen Speicher und hohe Speicherbandbreite bieten. Die Idee: Terminal, Editor und zentrale Systemeinstellungen sind bereits vorbereitet, bevor Entwickler die Umgebung an ihre eigenen Werkzeuge und Abläufe anpassen.
Microsoft hat Project Zenith am 4. September angekündigt. Es handelt sich weder um ein neues KI-Modell noch um eine eigene Windows-Edition, sondern um eine Kombination aus Geräteklasse und Entwicklungsumgebung für lokale KI-Arbeit. Der praktische Wert liegt in der Vorkonfiguration – nicht in einem versprochenen, bereits gemessenen Zeitgewinn beim Einrichten.
Zu den Einstellungen gehören Windows Terminal und Visual Studio Code an der Taskleiste. Im Explorer sollen Dateiendungen, versteckte Dateien und der vollständige Ordnerpfad sichtbar sein; außerdem wird die Unterstützung langer Pfade aktiviert. Das sind keine spektakulären Änderungen, aber sie ersparen Entwicklern einige der kleinen Handgriffe, die eine neue Arbeitsumgebung unnötig unübersichtlich machen können.
Microsofts begleitende Grafik nennt Visual Studio Code, Git, Python 3.14+, den Python-Paketmanager uv und WSL mit Ubuntu als vorinstallierte Bestandteile. Auch GitHub Copilot gehört zur angekündigten Auswahl. Vorinstalliert heißt allerdings nicht, dass jedes dieser Werkzeuge ohne Konto, Abonnement oder Netzverbindung nutzbar ist. Die Angaben beschreiben den angekündigten Ausgangspunkt, nicht den Zustand eines unabhängig getesteten Verkaufsgeräts.
Hardware für größere lokale Modelle
Zenith richtet sich an Entwickler-PCs mit mindestens 64 GB gemeinsamem Speicher und mindestens 250 GB/s Speicherbandbreite. Die Speichermenge schafft Platz für Modelldaten und laufende Berechnungen; die Bandbreite beschreibt, wie schnell Daten im System bewegt werden können. Für lokale Modelle sind beide Werte relevant, weil Gewichte und Berechnungen große Datenmengen beanspruchen.
Microsoft stellt auf solchen Geräten die lokale Ausführung von Modellen mit 30 Milliarden oder mehr Parametern in Aussicht. Daraus lässt sich aber weder eine bestimmte Geschwindigkeit noch eine Aussage über die Qualität eines Modells ableiten. In der Praxis spielen auch Modelltyp, Kontextgröße, verwendete Software und die Quantisierung mit hinein – also die Technik, mit der Modelle speichersparender abgelegt werden. Konkrete Werte etwa für Tokens pro Sekunde nennt Microsoft nicht.
Den Auftakt soll AMD Ryzen AI Halo machen; weitere Geräte von OEM- und Chip-Partnern stellt Microsoft für die kommenden Monate in Aussicht. Einen konkreten Verkaufsstart in Deutschland oder einen Preis für Zenith nennt die Ankündigung bislang nicht.
Ein besserer Ausgangspunkt für eigene Experimente
Der Reiz von Zenith liegt vor allem in der Abkürzung zum ersten Versuch. Wer ein lokales Modell testen, eine Anwendung darum bauen oder vorhandene Werkzeuge auf Windows nutzen möchte, bekommt eine klar definierte Basis statt einer leeren Installation. Ob diese Zusammenstellung im Alltag wirklich gut zusammenspielt, lässt sich erst beurteilen, wenn entsprechende Geräte verfügbar sind und unabhängig getestet wurden.
Lokale Inferenz kann Experimente zudem ohne pro Aufruf abgerechnete Cloud-Tokens ermöglichen. Das macht den Rechner jedoch nicht kostenlos und die Entwicklungsumgebung nicht automatisch vollständig cloudfrei: Hardware, Strom, mögliche Abonnements und weitere Dienste bleiben Kosten- und Abhängigkeitsfaktoren. Project Zenith nimmt Entwicklern diese Entscheidungen nicht ab. Es könnte ihnen aber einen sinnvoll vorbereiteten Ort geben, an dem sie sie treffen können.
Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.
Quellen und weiterführende Informationen
- Microsoft: Announcing Project Zenith: The ready-to-code Windows experience on developer-class devices
- Microsoft: Preinstalled tools – Grafik zu Project Zenith
