Mac Mini: Apple streicht Basismodell, Einstiegspreis steigt auf 735 Euro

Apple ersetzt das günstigste Mac-Mini-Modell durch eine teurere Variante mit mehr Speicher. Grund ist die hohe Nachfrage nach KI-Leistung.

Der Einstieg in Apples Desktop-Welt wird teurer. Der Konzern hat sein günstigstes Mac-Mini-Modell aus dem Sortiment genommen – und das hat einen handfesten Grund: Die Nachfrage nach KI-Leistung auf dem Schreibtisch explodiert.

Apple-Chef Tim Cook bestätigte in einer Telefonkonferenz zum zweiten Quartal 2026, dass die Nachfrage nach Mac Mini und Mac Studio sämtliche internen Prognosen übertroffen habe. Haupttreiber: Kunden, die die M4-basierten Systeme für lokale KI-Workloads nutzen. Die Produktion kommt schlicht nicht hinterher.

Höherer Einstiegspreis, mehr Leistung

Anzeige: Entwickler berichten: 24 GB RAM reichen nicht für mehrere parallel laufende LLMs. Und Unified Memory lässt sich nicht nachrüsten. Bevor Sie den falschen Mac Mini bestellen – dieser Guide zeigt, welche RAM-Konfiguration für Ihre Workloads optimal ist. Jetzt kostenlosen RAM-Guide anfordern

Das bisherige Basismodell für 599 Euro (umgerechnet rund 550 Euro) ist gestrichen. Der neue Einstieg beginnt bei umgerechnet etwa 735 Euro – doch dafür gibt es 16 Gigabyte Arbeitsspeicher und 512 Gigabyte Speicherplatz serienmäßig. Ein cleverer Schachzug? Die Industrie-Analysten sehen darin vor allem eine Reaktion auf die angespannte Versorgungslage.

Die Lieferzeiten für höherwertige Konfigurationen sind drastisch gestiegen. Beim Mac Studio müssen Kunden je nach Speicherausstattung mit Wartezeiten zwischen neun und 18 Wochen rechnen. Besonders die 3-Nanometer-Chips und fortschrittlichen Speichermodule bleiben knapp – und das wohl noch monatelang.

Warum Entwickler auf Apple Silicon setzen

Ein wachsender Trend zeichnet sich ab: Kleine KI-Entwicklungsteams steigen von stromhungrigen GPU-Workstations auf Apple-Silicon-Systeme um. Der M4 Pro Mac Mini mit 48 Gigabyte Arbeitsspeiler bietet eine brauchbare Umgebung für lokale Tests großer Sprachmodelle (LLMs), Agentenentwicklung und Software-Engineering.

Doch es gibt eine entscheidende Einschränkung. Entwickler berichten, dass 24 Gigabyte RAM für Stabilität bei mehreren parallel laufenden LLMs nicht ausreichen. Das Problem: Der einheitliche Speicher (Unified Memory) lässt sich nach dem Kauf nicht aufrüsten. Wer heute spart, beißt sich morgen die Zähne aus.

Computex 2026: Die Konkurrenz holt auf

Auf der Computex in Taipeh Anfang Juni 2026 präsentierten mehrere Hersteller ernstzunehmende Alternativen:

• MSI und ASUS zeigten Mini-PCs mit Nvidias neuem RTX-Spark-Chip. Die Systeme schaffen eine Billion KI-Operationen pro Sekunde und können 120-Milliarden-Parameter-Modelle lokal ausführen.
• Microsoft enthüllte den Surface RTX Spark Dev Box – ein kompakter Desktop mit 128 Gigabyte Speicher und einem speziellen Kühlsystem für Entwickler.
• Minisforum setzt auf Intels Panther-Lake-Architektur und erreicht 180 Billionen Operationen pro Sekunde (TOPS).

Software-Nachschub für macOS

Auch das Software-Angebot wächst. Google veröffentlichte am 4. Juni 2026 die „Google AI Edge Gallery“ für macOS. Damit lassen sich fünf verschiedene Gemma-Modelle lokal auf dem Mac ausführen – optimiert für multimodale und agentische KI-Aufgaben.

Anzeige: Lieferzeiten für Mac Studio bis 18 Wochen? Wer heute spart, beißt sich morgen die Zähne aus. Der Guide vergleicht Mac Mini mit Windows-KI-Mini-PCs von MSI, ASUS und Microsoft – damit Sie die richtige Entscheidung treffen, bevor die Wartezeiten noch länger werden. Mac Mini vs. Windows-KI-PCs – Guide sichern

Parallel arbeitet Apple an seiner Cloud-Strategie. Für die kommende, auf Gemini basierende Siri-Version (erwartet im September 2026) sollen komplexe Anfragen über Google Cloud mit Nvidia Blackwell B200 GPUs laufen. Grund: Apples eigener Private Cloud Compute erreichte für bestimmte Gemini-Aufgaben noch nicht die nötige Geschwindigkeit.

Ausblick: M5-Chips im Herbst

Für Oktober oder November 2026 wird eine Auffrischung von Mac Mini und Mac Studio mit M5-Chips erwartet. Die nächste Generation soll einen deutlichen Sprung in der Neural-Engine-Leistung bringen – genau das, was die wachsenden Anforderungen lokaler KI-Anwendungen brauchen.