Blog

Epic Games macht die Megascans-Bibliothek dauerhaft kostenlos und erlaubt das Training von KI
  • PublicPublic
  • 08 Nov, 2026

Epic Games macht die Megascans-Bibliothek dauerhaft kostenlos und erlaubt das Training von KI

Epic Games hat die gesamte Quixel-Megascans-Bibliothek offiziell für den kostenlosen Download freigegeben und damit den vorherigen Zeitraum des zeitlich begrenzten kostenlosen Zugangs beendet. Die Bibliothek umfasst über 23.000 hochwertige 3D-Objekte und Materialien, darunter mehr als 8.000 Scans realer Gegenstände wie Pflanzen, Gebäude und Requisiten sowie 11.000 gescannte Materialien und Texturen. Dieser Inhalt wird weitgehend in der Spieleentwicklung, der Architekturvisualisierung, der Motion-Graphics-Produktion und der Erstellung visueller Effekte genutzt. Die Assets werden über Fab, den Online-Marktplatz von Epic, verteilt, wo die einzelnen Produktlisten derzeit aktualisiert werden, um den neuen kostenlosen Status widerzuspiegeln.Post auf X: https://x.com/quixeltools/status/2118346475528994821Der Übergang zum kostenlosen Zugang erfolgt schrittweise, und alle Assets sollen bis zum 12. November 2026 gebührenfrei verfügbar sein. Benutzer, die kommerzielle Megascans-Assets nach dem 1. Januar 2025 gekauft haben, erhalten eine Erstattung, wobei diese Gutschriften auf dem Epic-Kontostand gutgeschrieben werden und nur für andere Epic-Produkte verwendet werden können. Dieser Schritt folgt einer komplexen Geschichte: Epic erwarb 2019 Megascans und Quixel und bot den Inhalt zunächst ausschließlich in Unreal-Engine-Projekten kostenlos an. Ende 2024 wurden die Assets kurzzeitig für andere Anwendungen kostenlos gemacht, bevor sie einzeln auf Fab verkauft wurden, eine Strategie, die nun zugunsten eines dauerhaften kostenlosen Zugangs rückgängig gemacht wurde.Mit der kostenlosen Verbreitung geht eine wesentliche Änderung einher: Epic hat die Lizenzbedingungen aktualisiert und erlaubt es Entwicklern nun, generative KI-Modelle mit Inhalten aus Megascans und Megaplants zu trainieren. Während die Standard-Epic-Asset-Lizenz weitgehend unverändert bleibt, wurden die Produktlisten für diese Assets im Fab-Store aktualisiert, um explizit den Hinweis „Einsatz mit KI erlaubt: Ja“ zu enthalten. Diese Änderung ist insbesondere für Entwickler generativer KI-Tools von großer Bedeutung, da sie Zugang zu hochwertigen Trainingsdaten bietet, die Objekttypen wie detaillierte 3D-Pflanzen umfassen, welche kommerzielle generative Tools derzeit nur mit geringer Genauigkeit nachbilden können.Diese Entscheidung positioniert Megascans als eine grundlegende Ressource sowohl für traditionelle 3D-Workflows als auch für aufstrebende, KI-gesteuerte Pipelines. Durch die Beseitigung finanzieller Hürden und die explizite Erlaubnis zum KI-Training wird Epic voraussichtlich die Integration hochauflösender gescannter Assets in Machine-Learning-Modelle beschleunigen. Entwickler können nun die gesamte Bandbreite der Bibliothek sowohl für Produktionsassets als auch für die Erstellung von KI-Datensätzen ohne Lizenzbeschränkungen nutzen. Das Update stellt sicher, dass Teams, die an Spielen, VFX oder KI-Forschung arbeiten, auf konsistente und hochwertige Ressourcen zugreifen können, was Innovationen sowohl im Echtzeit-Rendering als auch in der generativen 3D-Synthese fördert.

Optimierung von Spieler-gestalteten Welten: Die Rendering-Strategie von SEED in Unity
  • PublicPublic
  • 06 Nov, 2026

Optimierung von Spieler-gestalteten Welten: Die Rendering-Strategie von SEED in Unity

SEED ist eine persistente MMO-Sandbox von Klang Games, entwickelt mit Unity. Die Handlung spielt auf einem fernen Planeten, wo Spieler autonome Charaktere, sogenannte Seedlings, steuern. Das Spiel bietet eine spielergetriebene Wirtschaft, Gesellschaftsbau und eine kontinuierliche Welterweiterung, die auch nach dem Abmelden der Spieler fortbesteht. Jede neue Struktur, jeder Baum oder jeder Charakter, den Spieler hinzufügen, erhöht die Rendering-Last im Unity-Client, der diesen dynamischen Zustand über ein breites Spektrum an Hardware verarbeiten muss, von High-End-PCs bis hin zu Smartphones. Die Simulation läuft auf dedizierten Servern, während der Client für das Rendern des gestreamten Zustands und die Weitergabe von Spielerinteraktionen wie Klicks und Kamerabewegungen zuständig ist.Der Kunststil von SEED ist bewusst stilisiert und low-poly. Die meisten Oberflächendaten werden direkt in der Geometrie gespeichert, anstatt auf Texturen zu setzen. Dieser Ansatz reduziert die Kosten für das Shading und den Speicherbandbreitenverbrauch, was für die mobile Leistung entscheidend ist. Gebäude werden aus kleinen, ziegelartigen Modulen auf einem Gitter mit einem Meter Abstand errichtet. Jeder von einem Spieler platzierte Voxel wird in etwa 15 Module ausgedehnt, wobei Innenräume nur bei der Ansicht generiert werden. Die größte Gesellschaft auf einer belebten Insel umfasst 172 Gebäude, rund 12.500 Voxel und 190.000 Module. Diese werden mit BatchRendererGroup gerendert, wobei Jobs im C# Job System ausgeführt und mit dem Burst-Compiler kompiliert werden, um die Effizienz trotz der hohen Objektanzahl sicherzustellen.Klang Games verwendet die Universal Render Pipeline (URP) und folgt eng den Standardlösungen von Unity, um die Kompatibilität mit zukünftigen Updates zu gewährleisten. Das Spiel läuft derzeit auf Unity 6.3, und das Team aktualisiert die Engine etwa ein- bis zweimal im Jahr, um auf neue Rendering-Funktionen zugreifen zu können. Eigene Effekte werden über eigene Renderer Features implementiert, anstatt die URP zu ersetzen, wodurch Kernfunktionen wie SRP Batching und GPU Resident Drawer erhalten bleiben. Für Natur-Assets wird Shader Graph mit dem Standard-Lit-Shader verwendet, während Charaktere Unlit-Shader mit einem eigenen Beleuchtungspass nutzen. Diese Strategie stellt sicher, dass das Erstellen eigener Shader Graphs die zugrunde liegenden Leistungsmechanismen nicht beeinträchtigt und eine stabile Grundlage für eine Welt schafft, in der die Spieler die Rendering-Komplexität bestimmen.Die Interaktion mit der dichten, von Spielern gestalteten Umgebung erfordert präzise Auswahlmethoden. Bei Nahaufnahmen verwendet das Spiel pixelgenaues Picking, indem Objekte in ein Off-Screen-Render-Target mit eindeutigen IDs gezeichnet werden, sodass der Client das genaue Objekt unter dem Cursor identifizieren kann. Auf Mobilgeräten, bei denen die Touch-Eingabe weniger präzise ist, prüft das System die umliegenden Pixel und zeigt eine Auswahlliste an, wenn mehrere Objekte erkannt werden. Bei weiten Ansichten wechselt das System zu physikalischen Raycasts und nutzt Unity Physics, um eine große Anzahl von Collidern für Bäume, Objekte und Baumsteine zu initialisieren und abzufragen. Ein kontinuierlich laufender Job bestimmt, ob sich Objekte innerhalb von Gebäuden befinden, um Render-Ebenen und Beleuchtung zu verwalten. Dies ermöglicht Funktionen wie das Deaktivieren von GameObjects oder die Anpassung der Sichtbarkeit basierend auf der Position des Spielers innerhalb einer Struktur.Die Leistungsoptimierung stützt sich stark auf realistische Daten aus Live-Server-Snapshots, die lokal wiederhergestellt werden, um große Gesellschaften zu testen. Dieser Ansatz zeigte, dass das Spiel auf dem PC oft CPU-lastig ist, da Draw Calls übermittelt werden müssen, obwohl GPU Resident Drawer verwendet wird. Das Problem wurde auf animiertes LOD-Crossfading zurückgeführt, das das Instancing von Objekten verhinderte. Durch Deaktivierung des animierten Teils und die Verwendung manueller Übergänge stellte das Team das Instancing wieder her, was die CPU-Last erheblich verringerte. Auf Mobilgeräten ist der Hauptspeicher das primäre Limit, nicht die CPU. Mit dem Memory Profiler identifizierte das Team Probleme wie duplizierte Texturen und überdimensionierte C#-Sammlungen. Um den Speicherbedarf für Geometrie zu senken, ersetzten sie klassische LOD Groups durch Mesh LOD in Unity 6.2. Diese Funktion speichert alle Detailstufen in einem einzigen Mesh, was den Speicherbedarf reduziert und das Asset-Management für mobile Plattformen vereinfacht.

Meta Quest Horizon OS 2.10 PTC: Theater-Modus und vereinfachtes Navigator-Interface
  • PublicPublic
  • 06 Nov, 2026

Meta Quest Horizon OS 2.10 PTC: Theater-Modus und vereinfachtes Navigator-Interface

Horizon OS 2.10 (Version 210) wird im öffentlichen Testkanal (PTC) ausgerollt, der als Beta-Stream für Vorabversionen der Systemsoftware von Meta Quest dient. Nutzer, die diesen Kanal wählen, erhalten frühe Builds des Betriebssystems, wobei die Funktionen im PTC nicht immer mit der finalen stabilen Version übereinstimmen. Einige Funktionen können verzögert werden, entfernt werden oder schrittweise für ausgewählte Nutzer im Rahmen von Experimenten ausgerollt werden. Meta hat Funktionen gelegentlich ungenau beschrieben oder für Releases aufgelistet, die tatsächlich für spätere Versionen geplant waren, was zu Verwirrung über den genauen Zeitplan neuer Funktionen führte.Eine wichtige Neuerung in diesem Update ist der Theater-Bereich, ein dedizierter Raum für den Medienkonsum. Dieser hochauflösende Raum im Heimkino-Stil wird über eine neue Schaltfläche in der Steuerleiste des Fensters geöffnet, die sich von der vorhandenen Option Focus View unterscheidet. Die Auswahl dieser Option schaltet das System in diese immersive Umgebung um, während das Verlassen den Nutzer in den traditionellen VR Home oder den Passthrough-Modus zurückbringt. Der Theater-Modus unterstützt derzeit dynamisches Licht in Echtzeit basierend auf dem abgespielten Inhalt, verfügt jedoch nicht über die zuvor berichtete Funktion Dynamic Ambiance, die in einem zukünftigen Update erscheinen könnte. Bestätigte kompatible Anwendungen sind der System-Media Player, Browser, YouTube, Disney+ und Amazon Prime Video.Eine weitere wesentliche Änderung ist die Umstrukturierung des System-Launchers, bekannt als Navigator, der im vergangenen Jahr mehrere Iterationen durchlaufen hat. Dieses Redesign, intern als Simplified Navigator bezeichnet, bündelt die Oberfläche in drei Hauptregister: Suche, Bibliothek und Benachrichtigungen. Mehrere frühere Schaltflächen wurden entfernt, darunter Me, People, Quick Controls, Show/Hide Windows sowie die Optionen für Environment/App, ebenso wie die Filter links im Register Bibliothek. Der Zugriff auf Quick Controls erfolgt nun über das Drücken der Statusanzeige oben im Overlay, das zu einem Raster größerer Schaltflächen umgestaltet wurde, einschließlich einer neuen Option zum Umschalten zwischen VR Home und Passthrough.Der Bereich Bibliothek wurde ebenfalls grundlegend überarbeitet, wobei App-Ordner im Smartphone-Stil in der Rasteransicht zum Standard wurden. Ein dedizierter Ordner mit der Bezeichnung Unknown Sources wurde für sideloaded Anwendungen hinzugefügt. Ein bemerkenswerter Rückschritt ist jedoch die Entfernung der Option, die Bibliothek so zu filtern, dass nur installierte Apps angezeigt oder nach verfügbaren Updates gesucht wird, wodurch nun der gesamte dem Konto zugängliche Inhalt angezeigt wird. Dieses Problem wird teilweise durch eine neue Listenansicht (List View) abgemildert, die die älteren Filteroptionen beibehält. Darüber hinaus wurde das Design der Datenschutzindikatoren überarbeitet, wobei aktive und kürzlich verwendete Berechtigungen nun in Grün statt in gedämpftem Violett angezeigt werden.Weitere, in dieser PTC-Sammlung nicht dokumentierte Änderungen umfassen ein verbessertes Verhalten beim Ändern der Fenstergröße, was Apps mit festem Seitenverhältnis wie YouTube zugutekommt, indem visuelle Stottern beim Skalieren minimiert wird. Meta weist auch darauf hin, dass Benutzer nun Videoanrufe als Avatar in der App Chats tätigen können, wobei über das Video-Symbol in der Anrufleiste zwischen Avatar-Video und reinem Audio-Modus umgeschaltet werden kann. Diese Funktion, ursprünglich als Selfie Camera-Funktionalität eingeführt, könnte den Grundstein für kommende Hologram Calling-Funktionen legen. Zusätzlich wurde der Schalter für External Microphone aus dem Experimentellen Menü entfernt, obwohl die Unterstützung externer Mikrofone über USB-C anscheinend weiterhin ohne diesen Schalter funktioniert.

Optimierung der KI-Inferenz durch gemeinsames Design des Speichers auf allen Ebenen des Stacks
  • PublicPublic
  • 06 Nov, 2026

Optimierung der KI-Inferenz durch gemeinsames Design des Speichers auf allen Ebenen des Stacks

Die rasante Ausweitung großer Sprachmodelle, die Vergrößerung der Kontextfenster und das Wachstum agentischer Anwendungen üben einen immer stärkeren Druck auf die GPU-Speicherressourcen aus. Angesichts knapper werdender Lieferbedingungen und steigender Preise steht die Branche vor einer kritischen Herausforderung: Wie kann mehr Daten verarbeitet werden, ohne einfach teure Hardware hinzuzufügen? NVIDIA geht diesem Problem entgegen, indem es den traditionellen Ansatz verlässt, der auf das Aufbringen größerer Mengen an High Bandwidth Memory (HBM) auf Chips basiert. Stattdessen setzt das Unternehmen auf eine Strategie des vollständigen gemeinsamen Designs (full-stack codesign), bei der GPUs, CPUs, Netzwerk, Speicher und Software gemeinsam entwickelt werden. Dieses ganzheitliche Ziel besteht darin, die maximale nützliche Arbeit aus jedem Byte Speicher in der gesamten KI-Fabrik-Infrastruktur zu extrahieren, anstatt sich ausschließlich auf die Erhöhung der Rohkapazität zu verlassen.Der Kern dieser Strategie liegt in der effektiven Verwaltung der Speicher- und Storage-Hierarchie. In einer KI-Fabrik dient HBM als die schnellste, aber teuerste und umkämpfteste Ebene, die kritische Daten wie Modellgewichte und den Key-Value (KV)-Cache speichert. Unterhalb dieser Ebene befinden sich der CPU-Speicher, lokale SSDs und geteilter Speicher, die eine größere Kapazität zu geringeren Kosten bieten, jedoch mit reduzierter Geschwindigkeit. Die Effizienz des Systems hängt davon ab, wie gut Daten zwischen diesen Ebenen platziert und bewegt werden. Indem NVIDIA den Fußabdruck der Modellgewichte verkleinert, inaktive KV-Cache-Kontexte in günstigere Speicher auslagert und die Embeddings für Retrieval-Augmented Generation (RAG) komprimiert, stellt das Unternehmen sicher, dass der begrenzte HBM-Speicherplatz für aktive, hochpriorisierte Operationen reserviert bleibt. Dies verhindert das Phänomen der "Speicherwand", bei dem Recheneinheiten auf Daten warten, weil die Bandbreite gesättigt ist, und hält so die Latenz für gleichzeitige Nutzer niedrig.Die Auswirkungen dieses Codesign-Ansatzes sind in den aktuellen Leistungskennzahlen der Plattformen deutlich sichtbar. Von der Blackwell-Ultra-Generation bis zur kommenden Vera-Rubin-Plattform ist die HBM-Kapazität pro GPU um nur etwa 3 % gestiegen. Die Effizienzgewinne sind jedoch erheblich. Im SemiAnalysis-AgentX-Benchmark ist die Durchsatzrate für agentische Aufgaben pro Dollar um bis zu 30-fach gestiegen. Genauer gesagt liefert die NVIDIA GB300 NVL72 bei 100 Token pro Sekunde pro Nutzer eine bis zu 10-fach höhere Durchsatzrate pro Dollar im Vergleich zur H200-Plattform, trotz einer Verdopplung der HBM-Kapazität. Die Vera Rubin NVL72 soll bei 125 Token pro Sekunde pro Nutzer eine bis zu 30-fach höhere Durchsatzrate pro Dollar als die GB300 NVL72 liefern, wobei die HBM-Kapazität nur um 3 % zunimmt. Dies zeigt, dass die Optimierung des Datenflusses und der Speicherplatzierung eine deutlich höhere Rendite bringt als eine einfache Erweiterung der Speicherkapazität.Für Betreiber von KI-Fabriken ist die zentrale Kennzahl die Anzahl der nützlichen Token, die innerhalb eines bestimmten Energiebudgets unter Einhaltung strenger Anforderungen an die Antwortzeit geliefert werden. Eine Erhöhung der Token pro Sekunde pro Watt führt direkt zu höheren Einnahmen aus derselben Energieinfrastruktur und zu geringeren Kosten pro Token. Indem der Druck auf den HBM durch Modellgewichte, inaktiven Kontext und RAG-Daten reduziert wird, stellt das Full-Stack-Codesign sicher, dass Speicherressourcen für aktive Inferenz und nicht für passive Speicherung genutzt werden. Diese Methode ermöglicht es Systemen, Billionen von Parametern und komplexe agentische Trajektorien zu verarbeiten, die die Verarbeitung von bis zu 3 Millionen Token umfassen können, ohne durch die Speicherbandbreite limitiert zu werden. Das Ergebnis ist eine skalierbarere und kosteneffizientere Infrastruktur, die in der Lage ist, die nächste Generation von KI-Anwendungen zu unterstützen.

Android Intelligence System und MCP-APIs für agentische Apps
  • PublicPublic
  • 06 Nov, 2026

Android Intelligence System und MCP-APIs für agentische Apps

Das Android-Intelligenzsystem dient als fundamentale Schicht, die KI-Agenten mit Anwendungen in einer vielfältigen Ökosystem von Geräten verbindet, darunter Smartphones, Wearables, XR-Brillen, Fernseher und Automobile. Diese Architektur ist so konzipiert, dass sie die Privatsphäre der Nutzer schützt, während sie sowohl auf Anfrage als auch proaktive Unterstützung ermöglicht. Entwickler erhalten die Kontrolle über die App-Integration über APIs und Tools, die auf dem vertrauten Model Context Protocol-Standard basieren. Die Kernkomponente, Android MCP, wird von der Jetpack-Bibliothek AppFunctions angetrieben und fungiert als einheitlicher Framework für Tool-Calling. Sie ermöglicht eine direkte Verbindung zu qualifizierten KI-Agenten auf dem Gerät und unterstützt sowohl den Systemagenten als auch benutzerdefinierte On-Device-In-App-Agenten. Für Szenarien, die einen plattformübergreifenden Reach erfordern, ist eine Option mit einem Remote-MCP-Server verfügbar, die die native Android-Lösung ergänzt.Android MCP ist der empfohlene Integrationsweg, wenn der Nutzerpfad Ende-zu-Ende-Verschlüsselung, sensible lokale Gerätedaten oder den Zugriff auf Sensoren und Hardware des Geräts umfasst. Er ist auch unerlässlich, wenn die Ausführung lokal erfolgen muss oder wenn kein Server-Endpunkt verfügbar ist. Um die agentischen Fähigkeiten vollständig auf dem Gerät zu erweitern, wurden die ML Kit GenAI-APIs aktualisiert, um neue Funktionen von Gemini Nano 4 zu nutzen, wie z. B. Function Calling. Entwickler können nun den direkten Modellzugriff von ML Kit über die Prompt API und die neue Agentic API nutzen. Die Agentic API automatisiert die Funktionsausführung, speichert den Gesprächsverlauf, verwaltet den Orchestrierungsloop und enthält automatische Guardrails zur Gewährleistung der Sicherheit.Für Workflows, die einen hybriden Ansatz mit einer Kombination aus Cloud- und lokaler Verarbeitung erfordern, bietet Firebase AI Logic eine einfache Lösung. Dies ermöglicht es Entwicklern, fortgeschrittene Cloud-Modelle wie Gemini 4 aufzurufen und bei Bedarf automatisch auf lokale Inferenz mit Gemini Nano zurückzufallen. Zur Steuerung der Produktionskosten und zum Schutz der Anwendungen stehen Firebase App Check, neue Server-Prompt-Vorlagen und Firebase-Ausgabenlimits zur Verfügung. Darüber hinaus befindet sich der Jetpack Compose A2UI-Renderer nun in der Alpha-Phase und ermöglicht es Agenten, reiche, interaktive native Compose-UIs direkt aus einem JSON-Protokoll zu streamen. Diese Funktion erlaubt es Agenten, die „UI-Sprache" zu sprechen und dynamische Schnittstellen ohne manuelle Layout-Codierung zu erstellen.Die Connected Apps Platform bietet einen Weg, Nutzer mit hoher Absicht über die Oberflächen von Gemini und Search zu erreichen. Diese Plattform kombiniert Android MCP für die native lokale Ausführung mit entfernten MCP-Servern für eine breitere plattformübergreifende Reichweite. Entwickler können heute bereits lokal mit der Entwicklung und dem Testen beginnen, indem sie den Gemini Apps Developer Mode nutzen. Für den Produktivbetrieb ist eine Warteliste für die Vorschau verfügbar, die derzeit auf ausgewählte produktionsreife Apps in unterstützten Kategorien beschränkt ist; ein breiterer Self-Service-Zugang ist für später geplant. Dieser Wandel spiegelt eine breitere Veränderung des Nutzerverhaltens wider: von der Fragestellung hin zu direkten Aktionen über integrierte App-Erlebnisse.

JetBrains veröffentlicht .NET-Tools 2026.2.2 mit AI Agent Setup-Widget
  • PublicPublic
  • 06 Nov, 2026

JetBrains veröffentlicht .NET-Tools 2026.2.2 mit AI Agent Setup-Widget

JetBrains hat Version 2026.2.2 für ReSharper, Rider und die .NET-Tool-Suite veröffentlicht. Das Update ist sofort zur Installation verfügbar: Entwickler können ihre Umgebungen über die eingebauten Mechanismen, die JetBrains Toolbox App oder durch den Download der neuesten Builds von der offiziellen Website aktualisieren. Die wichtigste Neuerung in Rider ist der AI Agent Setup-Widget. Er vereinfacht die Konfiguration von KI-Agenten und ermöglicht das Verwalten von Einstellungen ohne komplexe Menüstrukturen. Das Update zielt darauf ab, die Produktivität von .NET- und Spieleeentwicklern zu steigern, indem diese KI-Funktionen direkt in den IDE-Workflow integriert werden.Neben dem neuen Widget behebt das Update Leistungsprobleme im Zusammenhang mit Sicherheitssoftware. JetBrains hat mit Microsoft zusammengearbeitet, um die Startzeiten von ReSharper und Rider speziell für Umgebungen mit Microsoft Defender for Windows Developers zu optimieren. Diese Optimierung reduziert die Verzögerung durch Sicherheits-Scans beim Start der Anwendung und führt zu einem schnelleren und flüssigeren Nutzererlebnis. Die Änderungen stellen sicher, dass Entwickler in stark gesicherten Unternehmensumgebungen keine unnötigen Wartezeiten beim Öffnen ihrer Projekte haben.Die Release-Notizen heben zudem die jüngste Community-Interaktion und die Bildungsressourcen hervor. Am 28. September fand ein ganztägiges Event für Game-Entwickler und Ingenieure statt, das technische Vorträge, Live-Demos und Diskussionen zu modernen Herausforderungen der Spieleentwicklung umfasste. Obwohl das Event persönlich in Belgrad und Limassol sowie online stattfand, sind alle Sektionen nun für die On-Demand-Wiedergabe verfügbar. Dies ermöglicht es Entwicklern, die das Live-Event verpasst haben, die neuesten Branchen-Insights und Tool-Demonstrationen in ihrem eigenen Tempo nachzuholen und stellt sicher, dass das wertvolle Wissen aus der Session für die breitere Community zugänglich bleibt.

Roadmap für Java 28: Abschluss der Entwicklung von Structured Concurrency und Vorschau von Value Objects
  • PublicPublic
  • 06 Nov, 2026

Roadmap für Java 28: Abschluss der Entwicklung von Structured Concurrency und Vorschau von Value Objects

Die Herbstkonferenzsaison 2026 hat bedeutende Entwicklungen in der Java-Ökosystem hervorgehoben, insbesondere im Hinblick auf die bevorstehende Veröffentlichung von Java 28. Die bemerkenswerteste Änderung ist der Verlauf von Structured Concurrency, die voraussichtlich im März 2027 zu einer endgültigen Funktion wird. Dieser Meilenstein markiert einen wesentlichen Wandel in der Art und Weise, wie Entwickler parallele Teilaufgaben behandeln, und reduziert faktisch die Abhängigkeit von CompletableFuture als primäre Abstraktion für solche Operationen. Obwohl CompletableFuture Teil der Sprache bleibt, bietet das neue Parallelitätsmodell einen robusteren und besser verwaltbaren Ansatz für komplexe asynchrone Workflows und adressiert langjährige Herausforderungen bei der Fehlerbehandlung und Lebenszyklusverwaltung der parallelen Codeausführung.Neben den Verbesserungen im Bereich der Parallelität führt Java 28 ein Simple JSON API ein, das derzeit als Inkubator-Modul verfügbar ist. Diese Ergänzung ist besonders relevant für Microservices, die eine minimale JSON-Verarbeitung benötigen, wie beispielsweise das Senden einfacher REST-Anfragen mit JSON-Körpern. In Kombination mit dem standardmäßigen JDK-HTTP-Client könnte dieses API die Entwicklung vereinfachen, indem es die Notwendigkeit schwerer Drittanbieter-Bibliotheken in leichten Szenarien eliminiert. Darüber hinaus umfasst der Veröffentlichungszyklus verschiedene Verbesserungen des Garbage Collectors und Leistungssteigerungen, die sicherstellen, dass die JVM die Ressourcennutzung und Ausführungsgeschwindigkeit für Enterprise-Anwendungen weiterhin optimiert.Die Einführung von Value Objects sticht als transformatives Feature für die Datenverarbeitung in Java hervor. Dieses Feature löst die Identitätskrise, die oft mit Datenklassen verbunden ist, und stellt sicher, dass Werte wie Ganzzahlen streng nach ihrem Inhalt und nicht nach ihrer Objektidentität behandelt werden. Zum Beispiel kann der Vergleich zweier Integer-Objekte mit demselben Wert mithilfe des Gleichheitsoperators in einer Standard-HotSpot-Konfiguration je nach Aktivierung der Value-Objects-Vorschau unterschiedliche Ergebnisse liefern. Diese Änderung ist für moderne Anwendungen entscheidend, insbesondere für solche im Bereich KI und maschinelles Lernen, bei denen der Austausch großer Mengen an Tokens und Vektoren einen effizienten und vorhersehbaren Datenvergleich ohne unnötigen Objekt-Overhead erfordert.Trotz ihres Status als Vorschau-Features oder Inkubator-Module sind bestimmte Java-Entwicklungen bereits reif genug für den Produktiveinsatz, vorausgesetzt, die Entwickler bewerten Kompatibilität und Unterstützung sorgfältig. Ein herausragendes Beispiel ist die Vector API, die in großen Projekten wie Lucene und Elasticsearch aktiv genutzt wird, um semantische Suchfunktionen anzubieten. Dieser SIMD-basierte Ansatz zeigt, dass selbst Features, die noch nicht in der allgemeinen Verfügbarkeit sind, in realen Szenarien erhebliche Leistungsvorteile bieten können. Entwickler werden ermutigt, diese aufkommenden Tools zu bewerten, da sie leistungsfähige Möglichkeiten zur Optimierung datenintensiver Operationen und zur Nutzung moderner Hardware-Instruktionen direkt in der Java-Laufzeitumgebung bieten.Die breitere Ökosystemlandschaft entwickelt sich weiter und bietet praktische Leitfäden und Shortcuts, die die Entwicklererfahrung in IntelliJ IDEA verbessern. Aktuelle Updates konzentrieren sich auf die Verbesserung der Befehlsvervollständigung, der Debugging-Tools und der KI-gestützten Workflows, um Ingenieuren bei der Navigation in der Komplexität moderner Entwicklungsumgebungen zu helfen. Diese Verbesserungen zielen darauf ab, die kognitive Belastung zu reduzieren, die mit dem Auswendiglernen spezifischer Shortcuts oder Intention-Menüs verbunden ist, und damit die Produktivität zu steigern. Während sich die Java-Community weiterentwickelt, stellt die Integration dieser IDE-Features mit den neuesten JDK-Fähigkeiten sicher, dass Entwickler über umfassende Werkzeuge für den Aufbau, das Debugging und die Optimierung leistungsfähiger Anwendungen in einer sich schnell wandelnden technologischen Landschaft verfügen.

AR-Wellentrend 2026: Der Wechsel zu reflektierender Optik und die Wettbewerbsdynamik
  • PublicPublic
  • 06 Nov, 2026

AR-Wellentrend 2026: Der Wechsel zu reflektierender Optik und die Wettbewerbsdynamik

Die AR-Branche im Jahr 2026 ist durch ein klares Muster geprägt, bei dem Produktreleases von Meta eine Welle ähnlicher Innovationen bei Wettbewerbern auslösen. 2024 stellte Meta Orion mit Wellenleitern aus Siliziumkarbid vor, die ein Beugungsdesign mit zwei Gittern verwenden, was im Folgejahr zu einem Marktboom bei ähnlichen Technologien führte. 2025 legte der Start der Meta Ray-Ban Display-Brille mit einem Lumus 2-D-Wellenleiter, der den Pupillendurchmesser vergrößert, den Grundstein für 2026, in dem mehrere Unternehmen eigene 2-D-Reflexionsprototypen vorstellten. Dieser Trend deutet auf eine erhebliche Wende auf dem Markt hin, da Hersteller dem technischen Vorsprung der großen Player schnell folgen, um Marktanteile zu gewinnen und den Erwartungen der Verbraucher an eine überlegene optische Leistung von Augmented-Reality-Geräten gerecht zu werden.Reflektierende Wellenleiter gewinnen an Bedeutung, da sie deutliche technische Vorteile gegenüber den häufigeren Beugungsvarianten bieten. Sie weisen eine höhere optische Effizienz auf, in der Regel um den Faktor drei bis sieben, und liefern eine bessere Farbgleichmäßigkeit. Darüber hinaus zeigen reflektierende Designs weniger inhärente Vorwärtslichtstreuung, allgemein bekannt als Eye Glow, und können ein breiteres Sichtfeld erreichen, ohne exotische Materialien wie Siliziumkarbid zu benötigen. Obwohl Kosten und Ausbeute ihr Einsatz historisch behindert haben, haben jüngste Bemühungen der wichtigsten Akteure zur Senkung der Herstellungskosten ihre Entwicklung beschleunigt. Dieser Wandel zieht erheblichen Wettbewerb in den Sektor und stellt das langjährige Dominanz der etablierten Akteure in Frage, die sich seit über zwei Jahrzehnten auf diese Technologie spezialisiert haben.Lumus, ein Pionier in diesem Bereich, hat sein Portfolio mit neuen 2D-Designs zur Pupillenerweiterung erweitert. Nach der Einführung seines ersten 2D-Designs im Jahr 2021 präsentierte das Unternehmen 2026 einen Prototypen mit 70 Grad Sichtfeld und diskutierte dünnere, erschwinglichere Varianten mit 30 Grad. Um höhere Produktionsvolumen zu unterstützen, kündigte Lumus eine Fertigungsvereinbarung mit Crystal-Optech, einem in China ansässigen Hersteller, an, die seine langjährigen Partnerschaften mit Schott und Quanta ergänzt. Gleichzeitig stellte Optinvent auf der SPIE AR/VR/MR 2026 einen Prototypen eines 2D-reflektierenden Wellenleiters vor, der per Kunststoffformgebung hergestellt wurde. Dieser vollständig geformte Prozess bietet ein potenzielles Kostenvorteil gegenüber Präzisionsglasstapeln, obwohl frühe Prototypen im Vergleich zu glasbasierten Lösungen eine gewisse Variation in der Pupillenreplikation und Bildkonsistenz aufweisen.Auch andere große Akteure verbessern ihre Fähigkeiten in der reflektierenden Optik. Optix erzielte erhebliche Fortschritte bei der Größe der Wellenleiter und der Bildqualität, mit einem Sichtfeld von 50 Grad, einer Helligkeit von 6.000 Nits und einer vorderen Lichtstreuung von weniger als 0,3%. Canon zeigte einen 30-Grad-Glasreflexionswellenleiter, der sowohl von MicroLED- als auch von Micro-OLED-Displays angetrieben wird, wobei die OLED-Version jedoch unter niedriger Helligkeit litt. Envision Photonics präsentierte einen Hybridwellenleiter, der diffraktive und reflektierende Elemente kombiniert und ein Sichtfeld von 30 Grad unterstützt, sowie einen 2D-reflektierenden Prototypen mit einem vertikalen Erweiterungsbereich, der derzeit unpraktisch hoch ist. Diese Entwicklungen unterstreichen die vielfältigen Ansätze, die Unternehmen verfolgen, um in der wettbewerbsintensiven AR-Landschaft ein Gleichgewicht zwischen optischer Leistung, Formfaktor und Fertigungsfähigkeit zu finden.Diffraktive Wellenleiter bleiben eine dominierende Technologie, wobei Unternehmen wie Vuzix sie sowohl für den internen als auch für den externen Einsatz entwerfen und herstellen. Vuzix hat kürzlich die Wellenleiter-F&E-Einrichtung von Google übernommen und damit seine Marktposition gestärkt. Diffraktive Designs stehen jedoch vor inhärenten Kompromissen, wie dem Regenbogeneffekt, bei dem externes Licht in Farben aufgespalten wird, und einer verschlechterten Farbgleichmäßigkeit, wenn das Sichtfeld zunimmt. Applied Materials, ein großer Anbieter von Halbleiterausrüstung, hat einen bedeutenden Vorstoß in die Entwicklung diffraktiver Wellenleiter unternommen und dabei die Komplexität der Gitterlayouts hervorgehoben. Mit dem Fortschritt der Branche wird die Wahl zwischen reflektierenden und diffraktiven Technologien von den spezifischen Anwendungserfordernissen abhängen und dabei optische Effizienz, Kosten und Herstellbarkeit abwägen.

NVIDIA hat ein langjähriges Problem mit Einfrieren von Meta Quest Link in neuen Treibern behoben
  • PublicPublic
  • 05 Nov, 2026

NVIDIA hat ein langjähriges Problem mit Einfrieren von Meta Quest Link in neuen Treibern behoben

Die langanhaltende Instabilität von Meta Quest Link für PCVR wurde von NVIDIA offiziell behoben. Rund zehn Monate lang litten Besitzer neuer NVIDIA-Grafikkarten unter zufälligen Einfrieren und visuellen Artefakten während USB-Streaming-Sitzungen. Diese Unterbrechungen erforderten einen Neustart des Meta-Quest-Dienstes, doch das Problem trat kurz darauf erneut auf. Alternative Streaming-Lösungen wie Virtual Desktop und Steam Link blieben zwar unbeeinflusst, der Ausfall des nativen Quest Link störte jedoch den Arbeitsablauf vieler PCVR-Nutzer erheblich, insbesondere jener, die auf bestimmte NVIDIA-Hardware-Konfigurationen angewiesen waren.Ich entwickle in Unity und nutze meine Hände zur Interaktion mit der Welt. Quest Link ermöglicht mir diesNVIDIA hat den Fehler in der Gaming-Treiber-Version 621.01 behoben. In den Release Notes wird ausdrücklich darauf hingewiesen, dass das Problem behoben wurde, bei dem Meta Horizon Link-Streams beim USB-Anschluss einfrieren konnten. Nutzer von Enterprise-GPUs mussten jedoch warten, da die Behebung das entsprechende Enterprise-Treiber-Update erforderte. Dieses spezifische Patch erschien in Version 621.14, wodurch Profis mit leistungsstarker Workstation-Hardware die Lösung endlich installieren konnten. Die zeitliche Verschiebung zwischen den Treiber-Release-Zyklen für den Consumer- und den Enterprise-Bereich bedeutete, dass ein Teil der Nutzer einen zusätzlichen Zeitraum abwarten musste, bis die Stabilitätsbehebung in ihrer spezifischen Hardware-Ökosystem verfügbar war.Die Wiederherstellung der stabilen Quest Link-Funktionalität ist besonders wichtig für App-Entwickler, die in Mixed-Reality-Umgebungen arbeiten. Im Gegensatz zu Drittanbieter-Streaming-Tools ermöglicht das offizielle Quest Link die Übertragung von Passthrough-, Eye-Tracking- und Hand-Tracking-Daten von der Headset an den PC. Dieser Datenfluss erlaubt es Entwicklern, Mixed-Reality-Anwendungen direkt im Unity-Editor zu testen, ohne das Projekt für jede Iteration auf der Headset bauen und deployen zu müssen. Durch Drücken von Play können Entwickler Echtzeit-Interaktionen in einer PCVR-Umgebung beobachten, was den Entwicklungszyklus erheblich beschleunigt und die Feedback-Zeit für komplexe räumliche Anwendungen verkürzt.Nutzern, die auf die beschriebenen Einfrier-Probleme stoßen, wird empfohlen, ihre Grafiktreiber über die NVIDIA App zu aktualisieren oder die neuesten Pakete manuell von der offiziellen Website herunterzuladen. Die Behebung ist in der Treiber-Version 621.01 für Standard-GPUs und 621.14 für Enterprise-Karten enthalten. Obwohl die Behebung dieses Bugs die volle Funktionalität für Entwicklung und gelegentliche Nutzung wiederherstellt, können einige Nutzer auf neue Kompatibilitätskonflikte mit bestimmten Drittanbieter-VR-Anwendungen stoßen. Es wird empfohlen, die Software-Kompatibilität nach dem Update zu überprüfen, da Treiberänderungen gelegentlich unvorhergesehene Interaktionen mit anderen Komponenten im VR-Entwicklungs-Stack auslösen können, was temporäre Rollbacks oder weitere Patches erfordert.

Steam Frame erzielte im ersten Monat einen Marktanteil von 5,49 % und übertraf damit die Startwerte des Valve Index
  • PublicPublic
  • 05 Nov, 2026

Steam Frame erzielte im ersten Monat einen Marktanteil von 5,49 % und übertraf damit die Startwerte des Valve Index

Valves Steam Frame hat sofort eine hohe Nachfrage gezeigt und sich mit einem Anteil von 5,49 % aller angeschlossenen Headsets den fünften Platz in der aktuellen Steam Hardware Survey gesichert. Dieser Erfolg ist bemerkenswert, da das autonome Gerät mit nativer SteamOS-Unterstützung erst seit etwas mehr als einem Monat auf dem Markt ist und weiterhin erhebliche Lieferengpässe bestehen, die bis 2027 andauern sollen. Die schnelle Verbreitung deutet auf eine starke Kundennachfrage hin, trotz erheblicher Versorgungsengpässe, die die Gesamtzahl der im Umlauf befindlichen Geräte begrenzen.Mit freundlicher Genehmigung von ValveDie Leistung der neuen Brille steht im starken Kontrast zur Markteinführung des Valve Index. In seinem ersten Monat in der Umfrage verzeichnete der Index nur einen Anteil von 1,46 % der angeschlossenen Headsets. Es dauerte fast zwei Jahre, bis er auf den zweiten Platz der meistgenutzten VR-Brillen auf der Plattform kletterte und sich schließlich in den Umfragedaten von September 2021 knapp hinter dem Quest 2 positionierte. Der aktuelle Erfolg des Frame könnte auch durch einen Rückgang der Quest-2-Nutzung um 3,57 % seit September beeinflusst sein, was darauf hindeutet, dass ein Teil dieser Nutzer möglicherweise auf die neuere Valve-Hardware umgestiegen ist.Valve Index | Courtesy ValveUm diese Zahlen zu verstehen, ist es wichtig, die methodische Änderung zu berücksichtigen, die Valve im März 2020 eingeführt hat. Zuvor erfasste die Umfrage Headsets, die zum exakten Zeitpunkt der Datenerfassung verbunden waren. Das aktuelle System analysiert SteamVR-Aufzeichnungen über Headsets, die im vorangegangenen Monat verbunden waren. Diese Anpassung bietet eine genauere und fairere Darstellung der tatsächlichen Nutzungsmuster von Headsets über die Zeit, anstatt eines Momentaufnahmes aktiver Sitzungen.Die Preisgestaltung spielt ebenfalls eine Rolle bei den Verbreitungsraten. Der Valve Index wurde Ende 2019 für 999 US-Dollar als vollständiges Set auf den Markt gebracht, das das Headset, zwei Controller und zwei Basisstationen umfasste, ein Preis, der inflationsbereinigt heute etwa 1300 US-Dollar entspricht. Das teuerste Steam-Frame-Modell mit 1 TB Speicherplatz hat denselben aktuellen Preis. Allerdings funktioniert das Frame als eigenständiges Gerät und erfordert keinen VR-fähigen Gaming-PC, obwohl die Bibliothek optimierter Spiele vergleichsweise klein bleibt.Ein wesentlicher Unterschied bei den Einstiegshürden besteht darin, dass Index-Nutzer zuvor schrittweise aufrüsten konnten, indem sie das Headset allein für 499 US-Dollar kauften, falls sie bereits kompatible HTC-Vive-Controller und SteamVR-Basisstationen besaßen. Das Steam Frame, als eigenständiges Gerät, bietet diese modulare Kaufoption nicht. Trotz dieser wirtschaftlichen und technischen Unterschiede hat sich das Frame bereits als populär genug erwiesen, um die frühen Adoptionsmetriken des Index zu übertreffen und einen neuen Maßstab für die zukünftige VR-Hardware-Performance von Valve zu setzen.