Blog

Public
20 Sep, 2026

visionOS 27 für Apple Vision Pro ist erschienen: KI-Assistent Siri, Objektverfolgung in den Händen und neue APIs für Tracker-Zubehör

Apple hat visionOS 27 veröffentlicht — das vierte große OS-Update für die Vision-Pro-Headsets. Es ist sowohl auf Modellen mit M2 als auch auf Modellen mit M5 verfügbar. Das Update erschien fast ohne Aufsehen, ist aber vom Umfang her eines der bisher größten. Die wichtigste Neuerung ist Siri AI, der auf großen Sprachmodellen basierende, überarbeitete Assistent von Apple, der derzeit in einer Beta-Version eingeführt wird. Um Zugang zu erhalten, muss man sich in den visionOS-Einstellungen auf eine Warteliste setzen; Apple sagt, die Wartezeiten seien unterschiedlich, und sobald der Zugang freigeschaltet ist, beginnt die Funktion automatisch mit dem Download. Siri AI funktioniert derzeit nur auf Englisch — sowohl die Gerätesprache als auch die Siri-Sprache müssen auf dieselbe unterstützte englische Variante eingestellt sein.Hinter Siri AI stehen Apples Foundation Models der nächsten Generation, die das Unternehmen gemeinsam mit Google auf Basis seiner Gemini-Modelle entwickelt hat. Wie bei Apple Intelligence insgesamt läuft ein Teil der Aufgaben auf einem kleinen On-Device-Modell auf dem Gerät selbst, während komplexere Arbeit an Apples Private Cloud Compute übergeben wird. Auf visionOS erscheint Siri AI als im Raum verankerte Sphäre, die sich an einem bestimmten Punkt im Zimmer fixieren lässt; zum Sprechen genügt es, sie einfach anzuschauen — „Siri“ muss man nicht sagen. Unterstützt wird auch Visual Intelligence, um Fragen zur physischen und virtuellen Umgebung zu stellen, und Siri AI wird als eigene vorinstallierte App mit Gesprächsverlauf ausgeliefert.Referenz-Tracked-Accessoires für visionOS 27 von DFRobot und MikroE.Für Entwickler fügt visionOS 27 einen Objekt-Tracking-Modus mit hoher Bildrate hinzu, der sich für bewegte und in der Hand gehaltene Objekte eignet. Apple nennt die Aktualisierungsrate nicht, frühe Berichte sprechen aber von etwa 30 Hz. Bei gehaltenen Objekten empfiehlt Apple dringend den neuen Extended-Training-Modus — er verbessert das Tracking deutlich, erhöht die Trainingszeit jedoch „erheblich“: Ein Entwickler berichtete, dass das Training eines Spielzeugfischs rund 18 Stunden gedauert hat. Das optische Tracking läuft mit 90 Hz und wird mit den Daten des Beschleunigungssensors und Gyroskops (IMU) des Objekts fusioniert. Das Update öffnet außerdem den Weg zu Tracked-Accessoires: Zuvor hatten Sony und Logitech fest einprogrammierte Unterstützung für die PS VR2-Sense-Controller und den Muse-Stift, die Konstellationen aus Infrarot-LEDs verwenden.Die Thórsmörk-Umgebung in visionOS 27.visionOS 27 fügt APIs hinzu, die es jedem Unternehmen ermöglichen, eigene Tracked-Accessoires auf Basis von IR-LEDs zu entwickeln — ähnlich, wie auf dem PC die „Lighthouse“-Accessoires von SteamVR funktionieren. DFRobot und MikroE haben bereits Referenz-Hardware und Entwickler-Kits angekündigt, wobei die DFRobot-Hardware bereits jetzt erhältlich ist. Außerdem gibt es eine neue Aufnahmeoption in hoher Qualität: Sie nimmt bis zu drei Minuten 4K-Video ohne foveales Rendering vollständig auf dem Headset selbst auf, ohne Mac — eine Funktion, die lange gewünscht wurde, um visionOS-Inhalte zu präsentieren. In visionOS 27 ist zudem die Umgebung „Thórsmörk-Tal“ in Island hinzugekommen — bereits die zehnte virtuelle Umgebung, mit einer nächtlichen Variante mit Nordlichtern.Das neue Kontrollzentrum von visionOS 27.Weitere Verbesserungen betreffen App-Entwickler und Arbeitsabläufe. Bei einer Verbindung über Mac Virtual Display bringt macOS 27 eine API, um ein 3D-Objekt auf visionOS zur Vorschau zu erzeugen, mit integrierter Unterstützung für Preview.app; auf dem Headset vorgenommene Änderungen werden auf der macOS-Seite übernommen, und für die gemeinsame Bearbeitung mit Personas wird SharePlay unterstützt. Xcode 27 bringt eine Device-Hub-App, damit Entwickler Demos aus der Ferne starten können, statt Gäste durch Blick-und-Zwicken zu führen. visionOS 27 führt außerdem gekrümmte Fenster in Safari, Freeform und Apple TV Multiview ein — allerdings bleibt das eine private Erstanbieter-API — sowie Widgets für Zubehör, Safari-Webumgebungen über eine requestImmersive()-API und eine schnellere WLAN-Verbindung nach dem Start.

Public
19 Sep, 2026

Optimierung von Deep Rock Galactic: Survivor für Mobilgeräte

Deep Rock Galactic: Survivor auf Mobile zu bringen bedeutete, ein Bullet-Heaven-PC-Spiel zu nehmen und es auf Hardware mit einem weitaus geringeren Budget an GPU, CPU und Arbeitsspeicher lauffähig zu machen. Den Port übernahm Piktiv, während der PC-Zweig noch aktiv entwickelt wurde, und die Teams drifteten so weit auseinander, dass der Merge nur in eine Richtung lief: vom PC in die Mobile-Version, aber nie zurück. Diese Trennung gab Piktiv die Freiheit, mit den ursprünglichen Systemen destruktiv umzugehen — etablierte Ansätze auseinanderzunehmen und sie um einen völlig anderen Satz an Optimierungszielen herum neu aufzubauen. Die zentrale Einschränkung war der Arbeitsspeicher: Fast alle Zielgeräte hatten 4 GB RAM, mit Ausnahme eines iPads, das nur 3 GB hatte. Darauf blieben dem Team rund 1.850 MB für alles, und ein Überschreiten bedeutete einen Absturz.Die Performance-Arbeit konzentrierte sich auf die Systeme, deren Kosten mit der Anzahl der Gegner steigen. Schadenszahlen waren ursprünglich GameObjects mit TextMesh Pro, aber die Generierung eines Text-Meshes für tausend Gegner auf einmal wurde zum Flaschenhals. Die Lösung war ein standardmäßiges Unity-Partikelsystem mit einem Sprite-Sheet mit den Ziffern 0 bis 9. Die Wegfindung wechselte vom eingebauten NavMesh-System, das Probleme hat, wenn Tausende Agenten jeweils eigene Pfade berechnen, zu einem Flow-Field-Ansatz, bei dem die Kosten von der Fläche und nicht von der Anzahl der Agenten abhängen. Physikabfragen wurden mit einem KD-Baum für räumliche Lookups beschleunigt — etwa um alle Gegner im Explosionsradius einer Granate zu finden —, was jedoch häufige Neuaufbauten erforderte, während sich die Gegner bewegten. Beim Gegner-Rendering ersetzte man rund tausend Skinned-Mesh-Renderer durch gebackene Vertex-Animation: Jedes Keyframe wird in einer Textur gespeichert und von einem GPU-Shader abgespielt, was die CPU-Kosten auf nahezu null senkt und GPU-Instancing auf einem gemeinsamen Mesh und Material ermöglicht.Die tieferen technischen Details erklären, wie diese Ersetzungen funktionieren. Das Flow-Field kehrt das Kostenmodell der Wegfindung um: Über das Level wird ein Raster gelegt, und ausgehend vom Ziel zeichnen Kacheln Pfeile zu Nachbarn, die bereits Pfeile haben, bis das gesamte Feld bedeckt ist. Die Kosten hängen dann von der abgedeckten Fläche ab, nicht von der Anzahl der Agenten, und lassen sich weiter begrenzen, indem man einen Begrenzungsquader um alle Gegner und den Spieler berechnet und das Feld nur innerhalb dieser Region aktualisiert. Der KD-Baum teilt den Raum rekursiv auf, sodass eine Abfrage „Punkt und Radius“ schnell alles innerhalb zurückliefert und schwerere Physikabfragen ersetzt. Diese Systeme flossen in eine Kette von Burst-Jobs mit 10 bis 15 Abhängigkeiten ein, die alle Gegner aus dem regulären Physiksystem herausführt und die untere Grenze der Bildrate spürbar anhebt.Addressables waren zentral dafür, das 3-GB-Limit des iPad einzuhalten. Da das Spiel nie mehr als ein Biom gleichzeitig zeigt, lagerte Piktiv biome-spezifische Grafik-Assets und Einstellungen so aus, dass sie nur bei Bedarf geladen werden. Der Preis dafür ist, dass Addressables Asynchronität in Code bringen, der zuvor synchron war, und die Umstellung eines Systems auf async kann eine erhebliche architektonische Herausforderung sein, doch hier hat es sich gelohnt. Das Testen stützte sich auf ein automatisiertes Messsystem, das sechs Szenarien über alle Biome hinweg durchlief: eine Basislinie mit untätigem Spieler, tausend anrückende Gegner oder 500 Gegner plus automatisch feuernde Waffen. Dabei wurden durchgehend CPU, GPU und Speicher gemessen, und der Unity Profiler führte frühe CPU-Audits durch. Ein Szenario, das innerhalb von zehn Sekunden rund 4 000 blaue Pickup-Würfel erzeugte, war vor der Optimierung eine ernsthafte Belastung und wurde danach unmessbar. Die Level-Geometrie, die prozedural aus einzelnen Objekten aufgebaut wird, wurde ebenfalls durch benutzerdefinierte Draw-Befehle gebatchet, da die feste Kamera von oben die sichtbare Fläche leicht berechnen lässt.Für Teams, die über einen ähnlichen Port nachdenken, betreffen die Erkenntnisse weniger einen einzelnen Trick als vielmehr das Datenlayout und das Zusammenspiel zwischen Systemen. Daten aus Komponenten hinein- und wieder herauszuschieben wird teuer, wenn Tausende Entitäten jeden Frame ausgeführt werden; daher lohnt es sich, alles in nativen Containern zu halten und dieselben Container durch die gesamte Pipeline zu schleusen. Und ein Spiel, das eigentlich ECS oder den Data-Oriented Technology Stack hätte nutzen sollen, braucht keine vollständige Überarbeitung: Dieses Projekt stützte sich auf den Burst-Compiler und native Datentypen, ohne das gesamte Spiel umzustellen. Deep Rock Galactic: Survivor ist auf Steam, Xbox, im App Store und bei Google Play erhältlich.

Public
19 Sep, 2026

URXR One von Unseen Reality hat über 1,2 Millionen Dollar auf Kickstarter gesammelt – eine XR-Brille, die den Monitor ersetzt

Unseen Reality hat die Kickstarter-Kampagne für URXR One abgeschlossen – eine Mixed-Reality-Brille, die als Ersatz für einen herkömmlichen Monitor gedacht ist. Offiziell gesammelt wurden 1.288.712 Dollar. Die Kampagne startete am 4. August und durchbrach das ursprüngliche Ziel von 50.000 Dollar innerhalb weniger Minuten.Zur Verfügung gestellt von Unseen RealityDie URXR One ist keine Birdbath-AR-Brille wie die Viture oder Xreal, sondern ein leichtes VR-Headset mit Passthrough-Video, ähnlich wie die Quest. Entscheidend ist, dass das Gerät nicht eigenständig ist: Es wird per USB-C-DisplayPort-Kabel mit einer externen Quelle verbunden – einem Laptop, Telefon, Tablet oder Gaming-Handheld. Genau diese Verbindung macht es schlank und leicht: Mit einem Gewicht von nur 93 g verzichtet es auf Recheneinheit und Akku, die eigenständige Headsets schwer machen. Das Unternehmen positioniert es vor allem für die Wiedergabe gewöhnlicher Inhalte: flache Spiele, Filme, Surfen im Web und die Arbeit mit Tabellen.Im Inneren stecken eine sehr dünne Pancake-Linsen-Optik und zwei 1,03-Zoll-Micro-OLED-Displays mit einer Auflösung von 2.448 × 2.064 – etwa 36 Pixel pro Grad, einer Bildwiederholrate von 90 Hz und einem diagonalen Sichtfeld von 90 Grad (rund 80° horizontal und 56° vertikal). Für das 6DOF-Tracking sorgt eine integrierte räumliche Verarbeitungseinheit. Kickstarter-Unterstützer erhielten die URXR One zu einem besonderen Frühbucherpreis von 800 $, erste Lieferungen sind für Mitte Oktober 2026 geplant; reguläre Bestellungen sollen, wie angegeben, für einen UVP von 900 $ erhältlich sein, ihre Liefertermine sind jedoch noch unklar.Zur Verfügung gestellt von Unseen Reality

Public
18 Sep, 2026

Snap bringt die Specs-Brille mit Modem-Case, Unternehmenspartnern und einem KI-Assistenten auf mehreren Plattformen auf den Markt

Snap hat die AR-Brille Specs offiziell vorgestellt und neue Details zu ihren Anwendungsszenarien enthüllt. Die wichtigste technische Neuerung ist das SPECS Charging Case with Cellular, ein Zubehörteil, das das Gerät nicht nur auflädt. Normalerweise sind Specs, wie andere AR-Brillen auch, auf Wi-Fi angewiesen, doch dieses Case verschafft der Brille eine eigene dedizierte Netzwerkverbindung. Das Case muss man ohnehin mitführen, da der Akku nicht für einen ganzen Tag reicht; es lädt das Gerät viermal auf und sorgt dabei für Internetzugang unterwegs.In den USA arbeitet Snap mit Verizon zusammen: Der Anbieter bietet individuelle Datentarife, Ratenzahlung und digitale Einrichtung an. Das SPECS Connected Case Bundle kostet 2.395 US-Dollar, und Verizon bietet Finanzierungsoptionen an, darunter einen Zahlungsplan über 36 Monate. Die Connected-Wearable-Datentarife beginnen bei 10 US-Dollar pro Monat für Verizon-Kunden und bei 20 US-Dollar pro Monat für alle anderen. Snap arbeitet außerdem mit globalen Anbietern zusammen, etwa mit Orange in Frankreich und EE in Großbritannien, wobei die Preise über diese Partner noch bekannt gegeben werden. Das Mobilfunk-Case wird als wichtiger Schritt für die Branche positioniert: Die Brille ist nicht mehr von der Verbindung zum Smartphone abhängig.Snap bewegt sich auch deutlich in das Enterprise-Segment. Das Unternehmen hat Partnerschaften mit Salesforce, AWS, HoloLight, Trifork und NVIDIA geschlossen, um auf Basis von Specs Lösungen für Unternehmen zu entwickeln. Die meisten davon betreffen vertraute Aufgaben – Fernunterstützung und das Anzeigen von Dokumenten in AR, während die Hände für die Arbeit mit Maschinen frei bleiben. Die Partnerschaft mit NVIDIA konzentriert sich auf die Kompatibilität des XR-AI-Frameworks mit Specs, damit Mitarbeiter einen KI-Assistenten nutzen können, der auf einer lokalen Workstation läuft, und die Unternehmensdaten vor Ort behalten können, ohne sie nach außen zu geben. Snap baut außerdem das Ökosystem für den Einsatz in Unternehmen aus, einschließlich der Kompatibilität mit Mobile-Device-Management-Systemen.Snap hat Specs Intelligence vorgestellt – einen KI-Assistenten, der auf dem Mac, iOS und der Specs-Brille läuft. Bei der Einrichtung geben Sie Ihre Ziele an und verbinden Apps wie Ihren Kalender, und der Assistent nutzt diese Daten zusammen mit dem räumlichen Kontext, wenn er auf der Brille läuft. Er sendet Erinnerungen vor Terminen, beantwortet Fragen, hilft bei der Buchung von Flügen und erstellt tägliche Zusammenfassungen. Der Assistent kann schon heute über die SPECS-App für iOS ausprobiert werden, sogar ohne Brille. Snap betont den Datenschutz: Sie entscheiden selbst, was Sie verbinden, Snap-Mitarbeiter können keine persönlichen Inhalte einsehen, persönliche Daten aus verbundenen Konten werden nicht zum Trainieren oder Feinabstimmen der KI-Modelle von Snap und nicht für personalisierte Werbung verwendet, und die Verarbeitung erfolgt auf dem Gerät selbst sowie in einer sicheren Cloud-Infrastruktur.Was die Inhalte betrifft, entwickelt Snap Erlebnisse zusammen mit Partnern wie der NBA und der WNBA sowie eine Golf-Linse mit PGA-Unterstützung, die die Schwungmechanik und das Putten analysiert. Eine Harry-Potter-Linse, die an die kommende HBO-Original-Serie gebunden ist, lässt Nutzer in Momente aus der Geschichte eintauchen, und unter den Bildungs-Linsen finden sich eine interaktive Nachbildung des Apollo-11-Flugs sowie eine Starmap, die Sternbilder überlagert. Der SPECS-Browser unterstützt Streaming von YouTube und HBO Max auf einem virtuellen Display, das als 115-Zoll-Bildschirm in etwa drei Metern Entfernung beschrieben wird, mit einem Travel Mode, der das Bild in Bewegung stabil hält, und die Spotify-Integration empfiehlt Playlists passend zum Moment.Ab dem 1. Oktober wird im Westfield Century City in Los Angeles der SPECS First Look-Bereich eröffnet, wo man die Brille ausprobieren und mit dem Snap-Team sprechen kann. Bislang ist dies der einzige Standort.

Public
18 Sep, 2026

Die AndroidX-Bibliotheken Security State ermöglichen Anwendungen, die Gerätesicherheit für jede Komponente einzeln zu prüfen

Google hat stabile Versionen zweier AndroidX-Bibliotheken veröffentlicht — Security State 1.1.0 und Security State Provider 1.0.0 —, die Entwicklern eine zentrale Möglichkeit bieten, die Gerätesicherheit zu prüfen. Statt sich auf einen einzigen, groben Wert des Security Patch Level (SPL) zu verlassen, können Anwendungen den Schutz nun für jede Komponente einzeln prüfen und sehen, welche Fixes noch ausstehen.Die Bibliothek androidx.security.state richtet sich an sicherheitskritische und Verbraucher-Apps wie Banking, Fintech und Gesundheit sowie an Lösungen für Mobile Device Management (MDM). Ihr Begleiter androidx.security.state.provider ist für OEM-Hersteller und Entwickler von Over-The-Air-(OTA-)Clients gedacht und ermöglicht es, die Verfügbarkeit von Updates über standardisierte Mechanismen offenzulegen.Statt Gerätezugriff nach dem Prinzip „alles oder nichts“ zu gewähren, können Apps DSPL, PSPL und ASPL kombinieren, um kontextabhängige Entscheidungen zu treffen. Eine Banking- oder Unternehmens-App kann beispielsweise den aktuellen Sicherheitspatch des Geräts (DSPL) mit ausstehenden Updates (ASPL) vergleichen, bevor sie sensible Abläufe startet – etwa hohe Zahlungen oder die Registrierung von Anmeldedaten. Wenn ein Update zur Installation ansteht, kann die App vom Nutzer verlangen, es zuerst zu installieren.Für eine feinere Kontrolle können Entwickler abfragen, ob bestimmte Schwachstellen mit hohem Risiko (CVE) behoben sind – etwa sicherstellen, dass kritische NFC- oder Bluetooth-Patches installiert sind, bevor Zahlungen per Antippen oder der Datenaustausch in unmittelbarer Nähe erlaubt werden. Feedback und Problemberichte werden über den öffentlichen Android Issue Tracker entgegengenommen.

Public
18 Sep, 2026

Android Bench 2.0 stellt langfristige Aufgaben und kontinuierliche Bewertung vor

Google hat Android Bench 2.0 veröffentlicht — ein umfangreiches Update seines Benchmarks, der bewertet, wie gut große Sprachmodelle Entwicklern bei realer Android-Arbeit helfen. Die wichtigste Neuerung ist der erste Satz langfristiger Aufgaben (Long-Horizon Tasks, LHT): komplexe Aufgaben, die bei einem Ingenieur normalerweise mehrere Tage und manchmal bis zu einer Woche dauern. Das Release umfasst außerdem die agentische Bewertung (zunächst mit Agenten der jeweiligen Modellanbieter) und die Angleichung des Frameworks an das Harbor-Framework. Frühere Versionen des Benchmarks waren auf kleine Änderungen zugeschnitten — hauptsächlich Bugfixes und kleine Feature-Anfragen —, was die damaligen Einschränkungen von KI-Assistenten widerspiegelte.Die neuen langfristigen Aufgaben sollen die ambitionierte Arbeit nachbilden, die Entwickler tatsächlich an KI delegieren. Dazu gehören das Aktualisieren von Abhängigkeiten, das Hinzufügen neuer Funktionen, das Erstellen von Apps von Grund auf und das Portieren einer plattformübergreifenden App auf Android. Um solche mehrtägigen Anstrengungen zu bewerten, entfernt sich Google vom binären System „bestanden/nicht bestanden“, das seiner Ansicht nach die tatsächlichen Fähigkeiten des Modells verschleiert. Ein Lauf, der 40 Screens auf Jetpack Compose umstellt, Datenbanktabellen einrichtet und 90 % der Anforderungen erfüllt, aber an einer einzigen Randfall-Prüfung scheitert, hätte im alten System 0 % erhalten. Die kontinuierliche Bewertung liefert nun einen Abschlussprozentsatz, der sich aus Faktoren wie Funktionalität, visueller Übereinstimmung und dem Vermeiden von Regressionen zusammensetzt, mit objektiven Abzügen für Abweichungen von den Bewertungsanweisungen oder strukturellen Einschränkungen.Die Ergebnisse zeigen klare Stärken und Schwächen. Die beste Erfolgsquote bei den langfristigen Aufgaben liegt bei rund 28 %, weit unter den rund 91 % bei den ursprünglichen Aufgaben des Benchmarks. Über alle Modellklassen hinweg ist zu erkennen, dass KI neuen Code besser schreibt als bestehenden refaktoriert: Refactoring und Migrationen hängen von der architektonischen Komplexität ab, nicht vom Codeumfang. Modelle bewältigen etablierte, deterministische Transformationen zuverlässig — etwa die Übersetzung von Java nach Kotlin, den Wechsel von Retrofit zu Ktor oder das Hinzufügen einer ViewModel-Schicht — und wenden diese Muster selbst bei mehr als 125 Dateien und über 8.000 Codezeilen konsequent an. Dafür geraten sie ins Stocken, wenn eine Aufgabe eine Laufzeitprüfung erfordert (etwa fehlende Dependency-Injection-Graphen), Breaking Changes im Framework umfasst oder auf Wissenslücken zu noch nicht veröffentlichten Bibliotheken stößt.Die Portierung plattformübergreifender Apps auf Android bleibt eine offene Aufgabe: Kein Modell erreicht 100 % Erfolg, und die besten Modelle stoßen bei rund 80 % Abschluss an ihre Grenze. Die agentische Evaluierung gehört nun zum Benchmark, beginnend mit Modellen in Paarung mit den Agenten ihrer Anbieter — etwa GPT 5.6 Sol auf Codex und Gemini 3.8 Flash auf Google Antigravity. Diese Kombination zeigt, dass das Harness-Design entscheidend ist: Prompt-Caching und kompakte Tool-Fensterung senken den Token-Verbrauch. Auch die Bestenliste wurde erweitert: Hinzu kamen Gemini 3.8 Flash, Gemini 3.7 Flash, GPT-6, Fable 5.1, Kimi K3 und Qwen 3.8 Max; angeführt wird sie von GPT-6 Astra von OpenAI mit 28 % Erfolg.

Public
18 Sep, 2026

XR-Entwicklung mit Unity CLI, Meta VR CLI und Performance-Werkzeugen für Quest beschleunigen

Mit dem Start der Unity CLI haben XR-Entwickler eine deutlich schnellere Möglichkeit, direkt aus dem Terminal mit dem Editor und ihren Projekten zu arbeiten. Dilmer Valecillos, Developer Advocate bei Meta und Schöpfer eines beliebten YouTube-Kanals zu XR und Spieleentwicklung, empfiehlt Early Adopters, die mit dem Unity MCP-Server gearbeitet haben, auf die neue Unity CLI und das Pipeline-Paket umzusteigen. Die CLI wird mit einem eigenen eingebauten MCP-Server ausgeliefert, der dasselbe Protokoll verwendet, sodass sich ein bereits bestehender MCP-Client ohne großen Aufwand damit verbindet. Der entscheidende Vorteil sind deutlich schnellere Iterationen, weil die CLI für die Codeausführung den Roslyn-Compiler nutzt und damit keine Editor-Neukompilierung und kein Domain-Reload mehr nötig sind. Die Unterstützung erstreckt sich zudem auf Ziel-Laufzeitumgebungen und nicht nur auf den Editor, und gerade in Kombination mit dem Pipeline-Paket entfalten agentische Workflows ihr volles Potenzial, denn genau dieses Paket ermöglicht die Kommunikation mit dem Editor.Wenn man ein paar grundlegende CLI-Befehle kennt, spart man echte Zeit, schon weil man die Benutzeroberfläche überspringen kann. Der mächtigste verfügbare Befehl ist eval: Er kompiliert und führt C#-Snippets live auf dem Haupt-Thread über Roslyn aus, während das Unity-Pipeline-Paket im Editor läuft. Da es keine Neukompilierung des Projekts und kein Domain-Reload gibt, dauert die Ausführung Millisekunden. Man kann damit automatische Setup-Skripte ausführen, den Editor-Zustand abfragen oder C#-Skriptdateien direkt von der Festplatte über unity command eval_file "path/to/script.cs" ausführen. Beispielsweise gibt der Befehl unity command eval "return UnityEditor.EditorApplication.isPlaying;" sofort den aktuellen Wiedergabezustand zurück. Eine weitere sinnvolle Angewohnheit ist es, das Changelog zu beobachten, denn die CLI wird häufig aktualisiert, und daran lässt sich leicht erkennen, welche neuen Funktionen im Laufe der Entwicklung verfügbar werden.Parametrisierte Befehle sind ein weiterer Weg, Zeit zu sparen, insbesondere beim Installieren bestimmter Unity-Versionen mit den benötigten Modulen. Ein einziger install-Befehl kann alles auf einmal einreihen, etwa unity install 6000.5.0f1 -m android android-sdk-ndk-tools --cm --accept-eula --yes — er holt eine bestimmte Version, die Android-Build-Unterstützung, die SDK- und NDK-Tools, den Content Manager und akzeptiert die EULA automatisch. Statt sich durch den Hub zu klicken, führt man einfach den Befehl aus und macht weiter. Der vollständige Satz verfügbarer CLI-Befehle ist in der Referenz zur Unity-Kommandozeilenschnittstelle dokumentiert.Da die Unity CLI mehrere Clients unterstützt, lohnt es sich, sie mit der LLM zu verbinden, die du ohnehin bevorzugst. Bei Meta liegt der Fokus darauf, die Tools, die Entwickler mögen, direkt in ihre primären Editoren zu bringen — etwa Cursor, Claude Code und Muse Code —, und ein nützlicher Workflow-Tipp ist es, Tools zu mischen, indem man eine LLM für das Schreiben von Code und eine andere für Code-Reviews nutzt. Allgemeine Coding-Assistenten sind bei VR-Themen jedoch oft selbstsicher und häufig falsch: Sie liefern Antworten, die für Mobilgeräte funktionieren, aber nicht für Quest, etwa zu Hand-Tracking oder zum Reduzieren von Draw Calls. Die Meta VR CLI schließt diese Lücke, indem sie dem Assistenten Zugriff auf die tatsächliche Dokumentation und auf das Gerät selbst gibt. Sie wird mit einem eigenen MCP-Server ausgeliefert, der sich über metavr mcp install claude-code in Codex, Cursor, Claude Code, Gemini oder VS Code einklinken lässt, wobei cursor, vscode und project als Alternativen zur Verfügung stehen.Ist diese Verbindung hergestellt, ändern sich die Antworten. Eine Frage zum Passthrough-Kamerazugriff holt die aktuelle Dokumentation heran, statt aus veralteten Trainingsdaten zu raten, und da die CLI das Gerät erreichen kann, bleibt sie weit seltener bei bloßen Vorschlägen stehen. Sie kann den Build installieren, logcat verfolgen, während ein Bug reproduziert wird, und einen Screenshot davon aufnehmen, was tatsächlich im Headset angezeigt wird, statt dessen, was die Game-Ansicht zeigt — allein das spart viele Auf-und-ab-Zyklen des Headsets. Zwei weitere Bausteine sollte man vor dem Schreiben von Code anbinden: Das Project Setup Tool prüft ein Projekt gegen die tatsächlichen Anforderungen von Quest und behebt Fehlkonfigurationen vor der Build-Zeit, während die Meta Asset Library 1,5 Millionen lizenzfreie 3D-Assets mit bereits erstellten LODs bereitstellt, die direkt über die Meta VR CLI durchsuchbar sind, sodass man nie an fehlender Platzhalter-Grafik hängen bleibt.Performance ist der Teil der VR-Entwicklung, der Entwickler oft überrascht, denn etwas, das sich im Editor flüssig anfühlt, kann auf dem Gerät auseinanderfallen. Der traditionelle Behebungszyklus sieht so aus: einen Trace aufnehmen, ihn in Perfetto laden und durch Tausende von Slices scrollen, um den einen zu finden, der Frames kostet. Die neuen perf-Befehle in der Meta VR CLI sollen diesen Zyklus durchbrechen: Du beschreibst, was du brauchst, zum Beispiel „nimm eine 15-sekündige Aufnahme mit GPU-Daten auf“, und der Agent führt die Aufnahme aus und liest das Ergebnis zurück, wobei er innerhalb von Sekunden Frame-Time-Spitzen und CPU/GPU-Engpässe aufzeigt. Ein direkter Befehl wie metavr perf capture --mode full --duration 15000 --app com.mycompany.myvrapp --output my_vr_trace macht dasselbe. Innerhalb von Unity geht der Quest Runtime Optimizer das Problem von der anderen Seite an: Die Engpassanalyse zeigt, was falsch ist, und die „What If“-Analyse erlaubt das Vergleichen einzelner GameObjects, während OVRMetrics, der RenderDoc-Fork von Meta Quest und die Perfetto-Verbesserungen für diejenigen verfügbar bleiben, die lieber selbst Hand anlegen.

Public
17 Sep, 2026

Einsatz von KI-Agenten zur Vorbereitung von 3D-Szenen für die Simulation

Ingenieure für Robotik-Simulation stoßen ständig auf denselben Engpass, und er hat wenig mit Richtlinien, Modellen oder Trainingsschleifen zu tun. Der schwierigste Teil beginnt oft, bevor überhaupt etwas lernt: Dem Roboter fehlt noch immer eine simulationsbereite Welt, in der er trainieren kann. Eine 3D-Szene aus einer Blender-Datei in einen für den Simulator nutzbaren Zustand zu bringen, ist mühsame, monotone und fehleranfällige Arbeit und fällt häufig außerhalb des Aufgabenbereichs des Simulationsingenieurs. Genau bei dieser Vorbereitungsarbeit können agentenbasierte Systeme helfen, sofern sie über die richtigen Werkzeuge verfügen.Der hier beschriebene Workflow verbindet logisches Schlussfolgern, Tool-Ausführung und Validierung in einem einzigen wiederholbaren Prozess. Codex auf Basis von OpenAI GPT-6 Astra fungiert als Orchestrator, der das Ziel vorgibt, Ergebnisse interpretiert und die Iteration steuert. Spezialisierte Subagenten, die mit dem Hermes-Agent-Harness erstellt und über NVIDIA NemoClaw bereitgestellt werden, rufen die NVIDIA Omniverse Libraries auf, um die Szene zu inspizieren, Simulationsmetadaten zu erstellen, die Physik zu konfigurieren und visuelle Preflight-Ansichten zu rendern. Der Stack geht von einem konkreten Ziel aus: Die Eingabe ist eine Blender-Szene, das Ziel eine robotikbereite Welt, die Ausgabe eine simulationsbereite USD-basierte Szene, das Ziel Isaac Sim oder Isaac Lab, und die Validierung kombiniert visuelles Preflight mit SimReady-Prüfungen.Der erste Subagent verbindet sich über einen Model Context Protocol (MCP)-Server mit Blender und erfasst die Szene, statt anhand von Screenshots zu raten. Er kann Werkzeuge aufrufen, um Objekte, Collections, Transformationen, Materialien, Kameras, Lichtquellen und Szenen-Metadaten zu untersuchen, und liefert ein strukturiertes Inventar, das zum gemeinsamen Kontext für die übrigen Agenten wird. Ein Beispielergebnis zählt 142 Objekte und 37 Materialien und markiert zugleich fehlende semantische Labels, Kollisionsmeshes, Kamerasensoren und Physikmaterialien. Astra nutzt dieses Inventar zusammen mit der Robotik-Aufgabe, um fehlende Informationen zu erkennen, die nächsten Aufgaben zu planen und sie mit klaren Abnahmekriterien zu delegieren.Abbildung 1. Referenzarbeitsablauf, der die Nutzung der Omniverse-Bibliotheken zur Aktivierung einer Blender-Szene mit Agenten zeigtAbbildung 2. Das Blender-Add-on überträgt Szenendaten über gRPC an die Omniverse-Bibliotheken, sodass Rendering- und Physikfunktionen direkt in den Blender-Viewport zurückfließen können.Das Inventar fließt anschließend in spezialisierte Agenten, die auf die Szene einwirken. Ein USD-Authoring-Agent erhält Hierarchie, Transformationen, Materialien, Labels, Physik-Metadaten und Sensordefinitionen, indem er die geschichtete, nicht-destruktive USD-Komposition nutzt, damit Agenten die Welt anreichern können, ohne das ursprüngliche Artwork zu verflachen. Ein Agent für semantische Beschriftung verwandelt anonyme Meshes in aufgabenrelevante Objekte wie Regale, Behälter, Böden, Hindernisse, greifbare Gegenstände und Roboterziele, leitet Labels aus Namen, Hierarchie, Form und Kontext ab und markiert Unsicheres. In der Demo wurden 118 Prims beschriftet und 9 Labels zur Überprüfung durch einen Menschen zurückgestellt. Ein Material-Agent übersetzt das visuelle Erscheinungsbild in simulationsrelevante Metadaten und erkennt Metallregale, Pappkartons, Kunststoffbehälter, Betonböden, Gummirollen oder Glaspaneele, statt einem schöneren Look-dev nachzujagen.Abbildung 3. USD setzt die finale Szene aus einzelnen Unterschichten zusammen (Assets, Beleuchtung und Materialien), von denen jede vor der Zusammenführung isoliert bearbeitet werden kannEin Sensor-Subagent erstellt Kamera- und Lidar-Geräte frühzeitig, damit Platzierung, Sichtfeld, Reichweite, Abfragerate, Verdeckungen und Sichtbarkeit des Ziels überprüft werden können, noch bevor die Szene den Simulator erreicht. Anschließend macht der ovphysx-Subagent die Welt physikalisch sinnvoll, indem er Kollisionsformen, Masse, Reibung und Starrkörperverhalten hinzufügt, und überführt die Befunde in einen Reparaturplan. Er generiert einfache Kollisionsmeshes für statische Requisiten, markiert Böden und Regale als unbewegliche Collider, weist greifbaren Objekten Starrkörpereigenschaften zu und kennzeichnet alles, was von der Aufgabenabsicht abhängt. Sichere, mechanische Korrekturen werden automatisch ausgeführt, während mehrdeutige Fälle — etwa eine unsichere semantische Kennzeichnung oder ein physikalisches Verhalten — mit Kontext und einem vorgeschlagenen nächsten Schritt an einen Menschen eskaliert werden. Das Ergebnis ist ein Bericht über die Physik-Bereitschaft, den nachgelagerte Werkzeuge nutzen können.

Public
17 Sep, 2026

Apple hat die ersten Beta-Versionen von iOS 27.2, iPadOS 27.2, macOS 27.2, tvOS 27.2, visionOS 27.2 und watchOS 27.2 veröffentlicht

Apple hat die ersten Beta-Versionen von iOS 27.2, iPadOS 27.2, macOS 27.2, tvOS 27.2, visionOS 27.2 und watchOS 27.2 veröffentlicht. Entwickler sollten sicherstellen, dass ihre Apps auf diesen Versionen wie erwartet funktionieren, und mit Xcode 27.2 erstellen und testen, um die Möglichkeiten der neuesten SDKs zu nutzen.Das iPhone Duo, das am 23. Oktober erscheint, läuft mit iOS 27.1. Diese Version baut auf iOS 27 auf und ergänzt Funktionen, die speziell für das neue faltbare Design entwickelt wurden. Xcode 27.1 erhält Unterstützung für die Entwicklung für das iPhone Duo, einschließlich aktualisierter SDKs und eines Simulators, der alle neuen Posen und Ausrichtungen des Geräts unterstützt; eine Beta-Version erscheint noch in diesem Monat.

Public
17 Sep, 2026

iOS 27 führt in StoreKit 2 Abo-Bundles, Suites und Multiseat-Käufe ein

iOS 27 eröffnet neue Wege, die Reichweite von Abos mit automatischer Verlängerung zu erweitern, und Entwickler können schon jetzt mit der Vorbereitung beginnen — indem sie sicherstellen, dass ihre Apps Apple In-App-Käufe über StoreKit 2 verarbeiten. Den Kaufvorgang bei allen neuen Funktionen übernimmt der App Store: Er zeigt jede App an, die in einem Angebot enthalten ist, damit Nutzer Abo-Inhalte sofort laden und darauf zugreifen können.Zwei Funktionen fassen Abos zu einem einzelnen Apple In-App-Kauf zusammen. Mit Bundles erhalten Nutzer mehrere Abos in einem Kauf — innerhalb einer einzelnen App, über mehrere Apps desselben Entwicklers oder über Apps mehrerer Entwickler hinweg. Mit Suites funktioniert ein einzelnes Abo nahtlos über eine Reihe von Apps eines Entwicklers. Entwickler können mit der Seite „Bundles und Suites” beginnen: Dort sind geeignete Konfigurationen, technische Anforderungen und das Antragsformular aufgeführt. Beide Funktionen erscheinen später in diesem Jahr in iOS 27, iPadOS 27, macOS 27, tvOS 27 oder neuer.Mehrplatz-Käufe ermöglichen es Organisationen und Gruppen, Abonnements über Volume Purchasing und Group Purchases in großen Mengen zu erwerben. Damit gehen Abonnements über einzelne Nutzer hinaus: Kleine Unternehmen, einzelne Arbeitsgruppen und Abteilungen erhalten Zugriff auf Inhalte ohne unnötige administrative Abläufe. Bei der Nutzung von Volume Purchasing kaufen Organisationen, die mit Apple Business und Apple School Manager arbeiten, Abonnements über einen einzigen Apple-In-App-Kauf und weisen die Plätze über einen Geräteverwaltungsanbieter zu.Mehrplatz-Käufe sind für Abonnements in App Store Connect bereits heute standardmäßig aktiviert. Entwickler behalten die volle Kontrolle über die Verfügbarkeit und können Mehrplatz-Käufe vollständig deaktivieren oder gezielt in App Store, Apple Business und Apple School Manager verwalten. Volume Purchasing startet am 22. Oktober 2026, Group Purchases in diesem Winter.