Damit ein KI-Assistent wirklich hilfreich sein kann, sollte dieser einiges über den Anwender wissen – etwa, wer dessen Mutter ist, wo er arbeitet oder welche Termine anstehen. Das Konzept der Foundation-Modelle, welches Apple auf der WWDC 2024 vorgestellt hatte, sieht bereits die Entstehung einer solchen Datenbank vor. Wie genau dieser Index aussieht, blieb Apples Geheimnis – bisher. Das Sicherheitsunternehmen 8rank hat genauer hingesehen und ein komplexes System aus 51 Datenbanken aufgespürt – und stellt ein Werkzeug zur Verfügung, um den eigenen Personal Knowledge Graph zu studieren.


Was Apples Machine-Learning-Algorithmen über einen herausgefunden hat, landet im Ordner „~/Library/IntelligencePlatform“. Darin finden sich 51 separate SQLite-Datenbanken, teilweise in Unterordnern, und tragen Bezeichnungen wie „behaviors“, „ontology“ oder „people“. Sie bilden ein komplexes Geflecht, welches für LLM-basierte Auswertungen optimiert ist – für das menschliche Auge sind die (unverschlüsselten) Daten zwar lesbar, aber in reiner Textform schwer zu entschlüsseln.

Subject, Predicate, Object
Die einzelnen Daten sind miteinander in einer Struktur vernetzt, welche aus drei Elementen besteht. Das Subjekt bezeichnet eine Entität, das Objekt entweder eine weitere Entität oder einen Wert, die (laut Machine-Learning-Berechnungen) in einer Beziehung zueinander stehen – das „Predicate“ definiert die Form dieser Beziehung: Nutzer und Person A können etwa das Predicate „Geschwister“ besitzen, Nutzer und Firma X das Predicate „Angestellter“. Es gibt insgesamt 181 Entity-Classes; dies sind die Datentypen, welche im Personal Knowledge Graph vorgesehen sind. Dazu gibt es 278 Predicates.

Werte mit Wahrscheinlichkeiten
Ein kleiner Anteil an Daten ist an definierte Tatsachen geknüpft, etwa Name, Adresse und iCloud-Family-Zugehörigkeit. Die meisten anderen sind aus E-Mails, Fotos, iMessage-Kontakten und Dokumenten abgeleitet; sie sind mit Wahrscheinlichkeitswerten zwischen Null und Eins versehen, beispielsweise dem Status „Geschwister“. Was sehr abstrakt klingt, macht eine grafische Darstellung leichter erfassbar, weshalb 8rank sie als interaktives Diagramm darstellt, welches die Verknüpfungen als Knotenpunkte visualisiert. Wer will, kann dies am eigenen Mac ausprobieren: Das GitHub-Projekt iKnow lässt sich herunterladen und via Python starten. Die URL zeigt dann den Umfang der KI-generierten Daten an.


Wie sicher sind die Daten?
Die Visualisierung zeigt, welche Schlüsse Apples Machine-Learning-Algorithmen auf Basis der eigenen (Meta-)Daten ziehen. Apple wirbt damit, dass die Informationen lokal bleiben – iPhone, Mac und iPad gleichen ihre Erkenntnisse anscheinend nicht untereinander ab, sondern kommen möglicherweise zu unterschiedlichen Schlüssen. Doch die Fülle an Informationen, welche in einem täglich genutzten Mac zusammenkommt, ist enorm. 8rank stellt die Frage, ob Apples Zugriffsrechte mit dem Namen „Transparency, Consent & Control“ (TCC) genügen, um missbräuchlichen Zugriff zu verhindern.

Besonders brisant: Apple kann persönliche Beziehungen anhand von 144 Merkmalen wie gemeinsamen Fotos, Kommunikationshäufigkeit und Wohnadressen selbst erschließen – auch wenn der Nutzer diese nie ausdrücklich angegeben hat. Zudem bleiben gelöschte Informationen zunächst in einer separaten Tabelle erhalten. Obwohl offenbar eine Bereinigung nach etwa 48 Stunden vorgesehen ist, fanden die Forscher dort auch deutlich ältere Einträge. Wann solche Daten tatsächlich endgültig verschwinden, ist unklar.