Einleitung
KI und Web3 konvergieren auf wirkungsvolle Weise, wobei allgemeine KI-Schnittstellen nun als Bindegewebe für das dezentrale Web konzipiert werden. Ein Schlüsselkonzept, das aus dieser Konvergenz hervorgeht, ist MCP, das je nach Kontext für „Model Context Protocol“ (wie von Anthropic eingeführt) steht oder in breiteren Diskussionen lose als Metaverse Connection Protocol beschrieben wird. Im Wesentlichen ist MCP ein standardisiertes Framework, das KI-Systemen ermöglicht, auf natürliche und sichere Weise mit externen Tools und Netzwerken zu interagieren – und potenziell KI-Agenten in jeden Winkel des Web3-Ökosystems „einzubinden“. Dieser Bericht bietet eine umfassende Analyse, wie allgemeine KI-Schnittstellen (wie Agenten großer Sprachmodelle und neuronal-symbolische Systeme) alles in der Web3-Welt über MCP verbinden könnten, einschließlich des historischen Hintergrunds, der technischen Architektur, der Branchenlandschaft, der Risiken und des Zukunftspotenzials.
1. Entwicklungshintergrund
1.1 Die Evolution von Web3 und unerfüllte Versprechen
Der Begriff „Web3“ wurde um 2014 geprägt, um ein Blockchain-gestütztes dezentrales Web zu beschreiben. Die Vision war ehrgeizig: ein berechtigungsfreies Internet, das auf Benutzerbesitz ausgerichtet ist. Enthusiasten stellten sich vor, die zentralisierte Infrastruktur von Web2 durch Blockchain-basierte Alternativen zu ersetzen – z. B. Ethereum Name Service (für DNS), Filecoin oder IPFS (für Speicher) und DeFi für Finanzschienen. Theoretisch würde dies Big Tech-Plattformen die Kontrolle entreißen und Einzelpersonen Selbstsouveränität über Daten, Identität und Vermögenswerte geben.
Die Realität blieb hinter den Erwartungen zurück. Trotz jahrelanger Entwicklung und Hype blieb der Mainstream-Einfluss von Web3 marginal. Durchschnittliche Internetnutzer strömten nicht zu dezentralen sozialen Medien oder begannen, private Schlüssel zu verwalten. Hauptgründe waren eine schlechte Benutzererfahrung, langsame und teure Transaktionen, aufsehenerregende Betrügereien und regulatorische Unsicherheit. Das dezentrale „Besitz-Web“ „materialisierte sich“ weitgehend nicht über eine Nischengemeinschaft hinaus. Mitte der 2020er Jahre gaben selbst Krypto-Befürworter zu, dass Web3 keinen Paradigmenwechsel für den Durchschnittsnutzer gebracht hatte.
Währenddessen erlebte die KI eine Revolution. Als Kapital und Entwicklertalente von Krypto zu KI wechselten, eroberten transformative Fortschritte im Deep Learning und bei den Grundmodellen (GPT-3, GPT-4 usw.) die öffentliche Vorstellungskraft. Generative KI zeigte einen klaren Nutzen – die Produktion von Inhalten, Code und Entscheidungen – auf eine Weise, die Krypto-Anwendungen nur schwer erreichen konnten. Tatsächlich übertraf der Einfluss großer Sprachmodelle in nur wenigen Jahren die Benutzerakzeptanz der Blockchain über ein Jahrzehnt hinweg deutlich. Dieser Kontrast führte dazu, dass einige spöttisch bemerkten, „Web3 sei an Krypto verschwendet worden“ und dass das eigentliche Web 3.0 aus der KI-Welle hervorgehe.
1.2 Der Aufstieg allgemeiner KI-Schnittstellen
Über Jahrzehnte hinweg entwickelten sich Benutzeroberflächen von statischen Webseiten (Web1.0) zu interaktiven Apps (Web2.0) – aber immer innerhalb der Grenzen des Klickens auf Schaltflächen und Ausfüllens von Formularen. Mit moderner KI, insbesondere großen Sprachmodellen (LLMs), ist ein neues Schnittstellenparadigma da: natürliche Sprache. Benutzer können einfach ihre Absicht in einfacher Sprache ausdrücken und KI-Systeme komplexe Aktionen über viele Domänen hinweg ausführen lassen. Dieser Wandel ist so tiefgreifend, dass einige vorschlagen, „Web 3.0“ als die Ära der KI-gesteuerten Agenten („das Agentic Web“) neu zu definieren, anstatt der früheren Blockchain-zentrierten Definition.
Frühe Experimente mit autonomen KI-Agenten zeigten jedoch einen kritischen Engpass auf. Diese Agenten – z. B. Prototypen wie AutoGPT – konnten Text oder Code generieren, aber es fehlte ihnen an einer robusten Möglichkeit, mit externen Systemen und untereinander zu kommunizieren. Es gab „keine gemeinsame KI-native Sprache“ für Interoperabilität. Jede Integration mit einem Tool oder einer Datenquelle war ein maßgeschneiderter Hack, und die KI-zu-KI-Interaktion hatte kein Standardprotokoll. Praktisch gesehen könnte ein KI-Agent eine große Denkfähigkeit besitzen, aber bei der Ausführung von Aufgaben scheitern, die die Nutzung von Web-Apps oder On-Chain-Diensten erforderten, einfach weil er nicht wusste, wie er mit diesen Systemen „sprechen“ sollte. Diese Diskrepanz – leistungsstarke Gehirne, primitive E/A – war vergleichbar mit einer superintelligenten Software, die hinter einer klobigen GUI feststeckte.
1.3 Konvergenz und das Aufkommen von MCP
Bis 2024 wurde deutlich, dass für die volle Entfaltung des KI-Potenzials (und für die Erfüllung des Web3-Versprechens) eine Konvergenz erforderlich war: KI-Agenten benötigen nahtlosen Zugang zu den Fähigkeiten von Web3 (dezentrale Anwendungen, Smart Contracts, Daten), und Web3 benötigt mehr Intelligenz und Benutzerfreundlichkeit, die KI bieten kann. Dies ist der Kontext, in dem MCP (Model Context Protocol) geboren wurde. Ende 2024 von Anthropic eingeführt, ist MCP ein offener Standard für die KI-Tool-Kommunikation, der sich für LLMs natürlich anfühlt. Es bietet eine strukturierte, auffindbare Möglichkeit für KI-„Hosts“ (wie ChatGPT, Claude usw.), eine Vielzahl externer Tools und Ressourcen über MCP-Server zu finden und zu nutzen. Mit anderen Worten, MCP ist eine gemeinsame Schnittstellenschicht, die es KI-Agenten ermöglicht, sich in Webdienste, APIs und sogar Blockchain-Funktionen einzuklinken, ohne jede Integration individuell programmieren zu müssen.
Betrachten Sie MCP als „den USB-C der KI-Schnittstellen“. So wie USB-C die Verbindung von Geräten standardisierte (sodass Sie nicht für jedes Gerät unterschiedliche Kabel benötigen), standardisiert MCP die Verbindung von KI-Agenten mit Tools und Daten. Anstatt für jeden Dienst (Slack vs. Gmail vs. Ethereum-Node) unterschiedliche API-Aufrufe fest zu codieren, kann ein Entwickler die MCP-Spezifikation einmal implementieren, und jede MCP-kompatible KI kann verstehen, wie dieser Dienst zu nutzen ist. Große KI-Akteure erkannten schnell die Bedeutung: Anthropic stellte MCP als Open Source zur Verfügung, und Unternehmen wie OpenAI und Google entwickeln Unterstützung dafür in ihren Modellen. Diese Dynamik deutet darauf hin, dass MCP (oder ähnliche „Meta Connectivity Protocols“) das Rückgrat werden könnte, das KI und Web3 endlich auf skalierbare Weise verbindet.
Bemerkenswerterweise argumentieren einige Technologen, dass diese KI-zentrierte Konnektivität die eigentliche Verwirklichung von Web3.0 ist. In Simba Khadders Worten: „MCP zielt darauf ab, eine API zwischen LLMs und Anwendungen zu standardisieren“, ähnlich wie REST-APIs Web 2.0 ermöglichten – was bedeutet, dass die nächste Ära von Web3 eher durch intelligente Agenten-Schnittstellen als nur durch Blockchains definiert werden könnte. Anstatt Dezentralisierung um ihrer selbst willen, könnte die Konvergenz mit KI die Dezentralisierung nützlich machen, indem sie Komplexität hinter natürlicher Sprache und autonomen Agenten verbirgt. Der Rest dieses Berichts befasst sich damit, wie KI-Allgemeinschnittstellen (über Protokolle wie MCP) technisch und praktisch alles in der Web3-Welt verbinden können.
2. Technische Architektur: KI-Schnittstellen als Brücke zu Web3-Technologien
Die Einbettung von KI-Agenten in den Web3-Stack erfordert eine Integration auf mehreren Ebenen: Blockchain-Netzwerke und Smart Contracts, dezentraler Speicher, Identitätssysteme und Token-basierte Ökonomien. Allgemeine KI-Schnittstellen – von großen Basismodellen bis hin zu hybriden neuronal-symbolischen Systemen – können als „universeller Adapter“ dienen, der diese Komponenten verbindet. Im Folgenden analysieren wir die Architektur einer solchen Integration:
** Abbildung: Ein konzeptionelles Diagramm der MCP-Architektur, das zeigt, wie KI-Hosts (LLM-basierte Anwendungen wie Claude oder ChatGPT) einen MCP-Client verwenden, um sich mit verschiedenen MCP-Servern zu verbinden. Jeder Server bietet eine Brücke zu einem externen Tool oder Dienst (z. B. Slack, Gmail, Kalender oder lokale Daten), analog zu Peripheriegeräten, die über einen universellen Hub verbunden sind. Diese standardisierte MCP-Schnittstelle ermöglicht KI-Agenten den Zugriff auf Remote-Dienste und On-Chain-Ressourcen über ein gemeinsames Protokoll.**
2.1 KI-Agenten als Web3-Clients (Integration mit Blockchains)
Im Kern von Web3 stehen Blockchains und Smart Contracts – dezentrale Zustandsmaschinen, die Logik auf vertrauenslose Weise durchsetzen können. Wie kann eine KI-Schnittstelle damit interagieren? Es gibt zwei Richtungen zu berücksichtigen:
-
KI liest von der Blockchain: Ein KI-Agent benötigt möglicherweise On-Chain-Daten (z. B. Token-Preise, Vermögenssaldo des Benutzers, DAO-Vorschläge) als Kontext für seine Entscheidungen. Traditionell erfordert das Abrufen von Blockchain-Daten die Schnittstelle zu Node-RPC-APIs oder Subgraph-Datenbanken. Mit einem Framework wie MCP kann eine KI einen standardisierten „Blockchain-Daten“-MCP-Server abfragen, um Live-On-Chain-Informationen abzurufen. Zum Beispiel könnte ein MCP-fähiger Agent nach dem neuesten Transaktionsvolumen eines bestimmten Tokens oder dem Zustand eines Smart Contracts fragen, und der MCP-Server würde die Low-Level-Details der Verbindung zur Blockchain handhaben und die Daten in einem Format zurückgeben, das die KI verwenden kann. Dies erhöht die Interoperabilität, indem die KI von einem spezifischen Blockchain-API-Format entkoppelt wird.
-
KI schreibt auf die Blockchain: Leistungsfähiger noch können KI-Agenten Smart-Contract-Aufrufe oder Transaktionen über Web3-Integrationen ausführen. Eine KI könnte beispielsweise autonom einen Handel an einer dezentralen Börse ausführen oder Parameter in einem Smart Contract anpassen, wenn bestimmte Bedingungen erfüllt sind. Dies wird erreicht, indem die KI einen MCP-Server aufruft, der die Blockchain-Transaktionsfunktionalität kapselt. Ein konkretes Beispiel ist der thirdweb MCP-Server für EVM-Ketten, der es jedem MCP-kompatiblen KI-Client ermöglicht, mit Ethereum, Polygon, BSC usw. zu interagieren, indem ketten-spezifische Mechaniken abstrahiert werden. Mit einem solchen Tool könnte ein KI-Agent On-Chain-Aktionen „ohne menschliches Eingreifen“ auslösen und so autonome dApps ermöglichen – zum Beispiel ein KI-gesteuerter DeFi-Vault, der sich selbst neu ausbalanciert, indem er Transaktionen signiert, wenn sich die Marktbedingungen ändern.
Im Hintergrund basieren diese Interaktionen immer noch auf Wallets, Schlüsseln und Gasgebühren, aber die KI-Schnittstelle kann kontrollierten Zugriff auf ein Wallet (mit geeigneten Sicherheits-Sandboxes) erhalten, um die Transaktionen durchzuführen. Orakel und Cross-Chain-Brücken spielen ebenfalls eine Rolle: Orakel-Netzwerke wie Chainlink dienen als Brücke zwischen KI und Blockchains und ermöglichen es, KI-Outputs vertrauenswürdig On-Chain einzuspeisen. Chainlinks Cross-Chain Interoperability Protocol (CCIP) könnte beispielsweise einem als zuverlässig erachteten KI-Modell ermöglichen, mehrere Smart Contracts über verschiedene Ketten hinweg gleichzeitig im Namen eines Benutzers auszulösen. Zusammenfassend können allgemeine KI-Schnittstellen als eine neue Art von Web3-Client fungieren – einer, der sowohl Blockchain-Daten konsumieren als auch Blockchain-Transaktionen über standardisierte Protokolle produzieren kann.
2.2 Neuronal-Symbolische Synergie: KI-Denkfähigkeit mit Smart Contracts kombinieren
Ein faszinierender Aspekt der KI-Web3-Integration ist das Potenzial für neuronal-symbolische Architekturen, die die Lernfähigkeit von KI (neuronale Netze) mit der rigorosen Logik von Smart Contracts (symbolische Regeln) verbinden. In der Praxis könnte dies bedeuten, dass KI-Agenten unstrukturierte Entscheidungsfindung übernehmen und bestimmte Aufgaben zur überprüfbaren Ausführung an Smart Contracts weitergeben. Zum Beispiel könnte eine KI die Marktstimmung analysieren (eine unscharfe Aufgabe), aber dann Trades über einen deterministischen Smart Contract ausführen, der vordefinierten Risikoregeln folgt. Das MCP-Framework und verwandte Standards machen solche Übergaben machbar, indem sie der KI eine gemeinsame Schnittstelle bieten, um Vertragsfunktionen aufzurufen oder die Regeln einer DAO abzufragen, bevor sie handelt.
Ein konkretes Beispiel ist SingularityNETs AI-DSL (AI Domain Specific Language), das darauf abzielt, die Kommunikation zwischen KI-Agenten in ihrem dezentralen Netzwerk zu standardisieren. Dies kann als ein Schritt in Richtung neuronal-symbolischer Integration gesehen werden: eine formale Sprache (symbolisch) für Agenten, um KI-Dienste oder Daten voneinander anzufordern. Ähnlich könnten Projekte wie DeepMinds AlphaCode oder andere schließlich so verbunden werden, dass Smart Contracts KI-Modelle für die On-Chain-Problemlösung aufrufen. Obwohl das direkte Ausführen großer KI-Modelle On-Chain heute unpraktisch ist, entstehen hybride Ansätze: z. B. erlauben bestimmte Blockchains die Verifizierung von ML-Berechnungen über Zero-Knowledge-Proofs oder vertrauenswürdige Ausführung, was die On-Chain-Verifizierung von Off-Chain-KI-Ergebnissen ermöglicht. Zusammenfassend sieht die technische Architektur KI-Systeme und Blockchain-Smart Contracts als komplementäre Komponenten vor, die über gemeinsame Protokolle orchestriert werden: KI übernimmt Wahrnehmung und offene Aufgaben, während Blockchains Integrität, Speicher und die Durchsetzung vereinbarter Regeln bieten.
2.3 Dezentraler Speicher und Daten für KI
KI lebt von Daten, und Web3 bietet neue Paradigmen für Datenspeicherung und -freigabe. Dezentrale Speichernetzwerke (wie IPFS/Filecoin, Arweave, Storj usw.) können sowohl als Repositories für KI-Modellartefakte als auch als Quellen für Trainingsdaten dienen, mit Blockchain-basierter Zugriffskontrolle. Eine allgemeine KI-Schnittstelle könnte über MCP oder Ähnliches Dateien oder Wissen aus dezentralem Speicher genauso einfach abrufen wie von einer Web2-API. Zum Beispiel könnte ein KI-Agent einen Datensatz vom Markt des Ocean Protocols oder eine verschlüsselte Datei aus einem verteilten Speicher abrufen, wenn er die entsprechenden Schlüssel oder Zahlungen besitzt.
Ocean Protocol hat sich insbesondere als Plattform für eine „KI-Datenökonomie“ positioniert – indem es Blockchain nutzt, um Daten und sogar KI-Dienste zu tokenisieren. In Ocean werden Datensätze durch Datatoken repräsentiert, die den Zugriff steuern; ein KI-Agent könnte einen Datatoken erhalten (vielleicht durch Zahlung mit Krypto oder über ein Zugriffsrecht) und dann einen Ocean MCP-Server verwenden, um die tatsächlichen Daten zur Analyse abzurufen. Oceans Ziel ist es, „ruhende Daten“ für KI freizuschalten, das Teilen zu fördern und gleichzeitig die Privatsphäre zu wahren. So könnte eine Web3-verbundene KI auf ein riesiges, dezentrales Informationskorpus zugreifen – von persönlichen Datentresoren bis hin zu offenen Regierungsdaten –, das zuvor isoliert war. Die Blockchain stellt sicher, dass die Nutzung der Daten transparent ist und fair belohnt werden kann, was einen positiven Kreislauf antreibt, in dem mehr Daten für KI verfügbar werden und mehr KI-Beiträge (wie trainierte Modelle) monetarisiert werden können.
Dezentrale Identitätssysteme spielen hier ebenfalls eine Rolle (näher erläutert im nächsten Unterabschnitt): Sie können dabei helfen zu kontrollieren, wer oder was auf bestimmte Daten zugreifen darf. Zum Beispiel könnte ein medizinischer KI-Agent aufgefordert werden, eine überprüfbare Berechtigung (On-Chain-Nachweis der Einhaltung von HIPAA oder Ähnlichem) vorzulegen, bevor er einen medizinischen Datensatz aus dem persönlichen IPFS-Speicher eines Patienten entschlüsseln darf. Auf diese Weise stellt die technische Architektur sicher, dass Daten an die KI fließen, wo dies angemessen ist, aber mit On-Chain-Governance und Audit-Trails, um Berechtigungen durchzusetzen.
2.4 Identitäts- und Agentenmanagement in einer dezentralen Umgebung
Wenn autonome KI-Agenten in einem offenen Ökosystem wie Web3 agieren, werden Identität und Vertrauen von größter Bedeutung. Dezentrale Identitäts-Frameworks (DID) bieten eine Möglichkeit, digitale Identitäten für KI-Agenten zu etablieren, die kryptografisch verifiziert werden können. Jeder Agent (oder der Mensch/die Organisation, der/die ihn einsetzt) kann eine DID und zugehörige verifizierbare Berechtigungsnachweise besitzen, die seine Attribute und Berechtigungen festlegen. Zum Beispiel könnte ein KI-Handelsbot einen Berechtigungsnachweis tragen, der von einer regulatorischen Sandbox ausgestellt wurde und bescheinigt, dass er innerhalb bestimmter Risikolimits operieren darf, oder ein KI-Inhaltsmoderator könnte nachweisen, dass er von einer vertrauenswürdigen Organisation erstellt wurde und Bias-Tests durchlaufen hat.
Durch On-Chain-Identitätsregister und Reputationssysteme kann die Web3-Welt die Verantwortlichkeit für KI-Aktionen durchsetzen. Jede Transaktion, die ein KI-Agent durchführt, kann auf seine ID zurückverfolgt werden, und wenn etwas schiefgeht, sagen die Berechtigungsnachweise aus, wer ihn gebaut hat oder wer verantwortlich ist. Dies adressiert eine kritische Herausforderung: Ohne Identität könnte ein böswilliger Akteur gefälschte KI-Agenten erstellen, um Systeme auszunutzen oder Fehlinformationen zu verbreiten, und niemand könnte Bots von legitimen Diensten unterscheiden. Dezentrale Identität hilft, dies zu mindern, indem sie eine robuste Authentifizierung ermöglicht und authentische KI-Agenten von Fälschungen unterscheidet.
In der Praxis würde eine mit Web3 integrierte KI-Schnittstelle Identitätsprotokolle verwenden, um ihre Aktionen und Anfragen zu signieren. Wenn beispielsweise ein KI-Agent einen MCP-Server aufruft, um ein Tool zu verwenden, könnte er einen Token oder eine Signatur enthalten, die mit seiner dezentralen Identität verknüpft ist, sodass der Server überprüfen kann, ob der Aufruf von einem autorisierten Agenten stammt. Blockchain-basierte Identitätssysteme (wie Ethereums ERC-725 oder W3C DIDs, die in einem Ledger verankert sind) stellen sicher, dass diese Verifizierung vertrauenslos und global überprüfbar ist. Das aufkommende Konzept der „KI-Wallets“ knüpft hier an – im Wesentlichen erhalten KI-Agenten Kryptowährungs-Wallets, die mit ihrer Identität verknüpft sind, sodass sie Schlüssel verwalten, für Dienste bezahlen oder Token als Kaution staken können (die bei Fehlverhalten entzogen werden könnte). ArcBlock hat beispielsweise diskutiert, wie „KI-Agenten ein Wallet benötigen“ und eine DID, um in dezentralen Umgebungen verantwortungsvoll zu agieren.
Zusammenfassend sieht die technische Architektur KI-Agenten als Bürger erster Klasse in Web3 vor, jeder mit einer On-Chain-Identität und möglicherweise einem Anteil am System, die Protokolle wie MCP zur Interaktion nutzen. Dies schafft ein Vertrauensnetzwerk: Smart Contracts können die Anmeldeinformationen einer KI verlangen, bevor sie kooperieren, und Benutzer können Aufgaben nur an jene KI delegieren, die bestimmte On-Chain-Zertifizierungen erfüllen. Es ist eine Mischung aus KI-Fähigkeit und den Vertrauensgarantien der Blockchain.
2.5 Token-Ökonomien und Anreize für KI
Tokenisierung ist ein Markenzeichen von Web3 und erstreckt sich auch auf den Bereich der KI-Integration. Durch die Einführung wirtschaftlicher Anreize über Token können Netzwerke gewünschte Verhaltensweisen sowohl von KI-Entwicklern als auch von den Agenten selbst fördern. Es zeichnen sich mehrere Muster ab:
-
Zahlung für Dienstleistungen: KI-Modelle und -Dienste können On-Chain monetarisiert werden. SingularityNET leistete hier Pionierarbeit, indem es Entwicklern ermöglichte, KI-Dienste bereitzustellen und Benutzer für jeden Aufruf in einem nativen Token (AGIX) zu belasten. In einer MCP-fähigen Zukunft könnte man sich jedes KI-Tool oder -Modell als Plug-and-Play-Dienst vorstellen, dessen Nutzung über Token oder Mikrozahlungen abgerechnet wird. Wenn beispielsweise ein KI-Agent eine Drittanbieter-Vision-API über MCP verwendet, könnte er die Zahlung automatisch abwickeln, indem er Token an den Smart Contract des Dienstanbieters überweist. Fetch.ai stellt sich ähnlich Marktplätze vor, auf denen „autonome Wirtschaftsagenten“ Dienste und Daten handeln, wobei ihr neues Web3 LLM (ASI-1) vermutlich Krypto-Transaktionen für den Wertetausch integriert.
-
Staking und Reputation: Um Qualität und Zuverlässigkeit zu gewährleisten, verlangen einige Projekte von Entwicklern oder Agenten, Token zu staken. Zum Beispiel plant das DeMCP-Projekt (ein dezentraler MCP-Server-Marktplatz), Token-Anreize zu nutzen, um Entwickler für die Erstellung nützlicher MCP-Server zu belohnen und sie möglicherweise Token als Zeichen des Engagements für die Sicherheit ihres Servers staken zu lassen. Reputation könnte auch an Token gebunden sein; z. B. könnte ein Agent, der konstant gute Leistungen erbringt, Reputations-Token oder positive On-Chain-Bewertungen ansammeln, während einer, der sich schlecht verhält, seinen Einsatz verlieren oder negative Bewertungen erhalten könnte. Diese tokenisierte Reputation kann dann in das oben erwähnte Identitätssystem zurückfließen (Smart Contracts oder Benutzer überprüfen die On-Chain-Reputation des Agenten, bevor sie ihm vertrauen).
-
Governance-Token: Wenn KI-Dienste Teil dezentraler Plattformen werden, ermöglichen Governance-Token der Community, deren Entwicklung zu steuern. Projekte wie SingularityNET und Ocean verfügen über DAOs, in denen Token-Inhaber über Protokolländerungen oder die Finanzierung von KI-Initiativen abstimmen. In der kombinierten Artificial Superintelligence (ASI) Alliance – einer neu angekündigten Fusion von SingularityNET, Fetch.ai und Ocean Protocol – soll ein einheitlicher Token (ASI) die Richtung eines gemeinsamen KI+Blockchain-Ökosystems steuern. Solche Governance-Token könnten über Richtlinien entscheiden, wie z. B. welche Standards übernommen werden sollen (z. B. Unterstützung von MCP- oder A2A-Protokollen), welche KI-Projekte inkubiert werden sollen oder wie ethische Richtlinien für KI-Agenten gehandhabt werden sollen.
-
Zugang und Nutzen: Token können den Zugang nicht nur zu Daten (wie bei Oceans Datatoken), sondern auch zur Nutzung von KI-Modellen steuern. Ein mögliches Szenario sind „Modell-NFTs“ oder Ähnliches, bei denen der Besitz eines Tokens Rechte an den Ausgaben eines KI-Modells oder einen Anteil an dessen Gewinnen gewährt. Dies könnte dezentrale KI-Marktplätze untermauern: Stellen Sie sich einen NFT vor, der einen Teilsbesitz an einem leistungsstarken Modell darstellt; die Eigentümer verdienen gemeinsam, wann immer das Modell in Inferenzaufgaben verwendet wird, und sie können über dessen Feinabstimmung abstimmen. Obwohl experimentell, stimmt dies mit dem Web3-Ethos des gemeinsamen Eigentums überein, angewendet auf KI-Assets.
Technisch gesehen bedeutet die Integration von Token, dass KI-Agenten Wallet-Funktionalität benötigen (wie bereits erwähnt, werden viele ihre eigenen Krypto-Wallets haben). Über MCP könnte eine KI ein „Wallet-Tool“ haben, das es ihr ermöglicht, Salden zu überprüfen, Token zu senden oder DeFi-Protokolle aufzurufen (vielleicht um einen Token gegen einen anderen zu tauschen, um einen Dienst zu bezahlen). Wenn beispielsweise ein auf Ethereum laufender KI-Agent Ocean-Token benötigt, um einen Datensatz zu kaufen, könnte er automatisch ETH gegen $OCEAN über eine DEX mit einem MCP-Plugin tauschen und dann den Kauf fortsetzen – alles ohne menschliches Eingreifen, geleitet von den Richtlinien, die sein Besitzer festgelegt hat.
Insgesamt bildet die Token-Ökonomie die Anreizschicht in der KI-Web3-Architektur und stellt sicher, dass Mitwirkende (ob sie Daten, Modellcode, Rechenleistung oder Sicherheitsaudits bereitstellen) belohnt werden und dass KI-Agenten „Skin in the Game“ haben, was sie (bis zu einem gewissen Grad) mit menschlichen Absichten in Einklang bringt.
3. Branchenlandschaft
Die Konvergenz von KI und Web3 hat ein lebendiges Ökosystem von Projekten, Unternehmen und Allianzen ins Leben gerufen. Im Folgenden geben wir einen Überblick über wichtige Akteure und Initiativen, die diesen Bereich vorantreiben, sowie über aufkommende Anwendungsfälle. Tabelle 1 bietet einen Überblick über bemerkenswerte Projekte und ihre Rollen in der KI-Web3-Landschaft:
Tabelle 1: Wichtige Akteure in KI + Web3 und ihre Rollen
| Projekt / Akteur | Fokus & Beschreibung | Rolle in der KI-Web3-Konvergenz und Anwendungsfälle |
|---|
| Fetch.ai (Fetch) | KI-Agentenplattform mit einer nativen Blockchain (Cosmos-basiert). Entwickelte Frameworks für autonome Agenten und führte kürzlich „ASI-1 Mini“ ein, ein Web3-optimiertes LLM. | Ermöglicht agentenbasierte Dienste in Web3. Fetchs Agenten können Aufgaben wie dezentrale Logistik, Parkplatzsuche oder DeFi-Handel im Namen von Benutzern ausführen, wobei Krypto für Zahlungen verwendet wird. Partnerschaften (z. B. mit Bosch) und die Fetch-AI-Allianzfusion positionieren es als Infrastruktur für die Bereitstellung von agentenbasierten dApps. |
| Ocean Protocol (Ocean) | Dezentraler Datenmarktplatz und Datenprotokoll. Spezialisiert auf die Tokenisierung von Datensätzen und Modellen mit datenschutzfreundlicher Zugriffskontrolle. | Bietet das Daten-Rückgrat für KI in Web3. Ocean ermöglicht es KI-Entwicklern, Datensätze zu finden und zu kaufen oder trainierte Modelle in einer vertrauenslosen Datenökonomie zu verkaufen. Indem es KI mit zugänglicheren Daten versorgt (und gleichzeitig Datenanbieter belohnt), unterstützt es KI-Innovation und den Datenaustausch für das Training. Ocean ist Teil der neuen ASI-Allianz und integriert seine Datendienste in ein breiteres KI-Netzwerk. |
| SingularityNET (SNet) | Ein dezentraler KI-Dienstleistungsmarktplatz, gegründet vom KI-Pionier Ben Goertzel. Ermöglicht jedem, KI-Algorithmen über seine Blockchain-basierte Plattform zu veröffentlichen oder zu nutzen, unter Verwendung des AGIX-Tokens. | Pionierarbeit beim Konzept eines offenen KI-Marktplatzes auf der Blockchain. Es fördert ein Netzwerk von KI-Agenten und -Diensten, die interoperieren können (Entwicklung einer speziellen AI-DSL für die Agentenkommunikation). Anwendungsfälle umfassen KI-as-a-Service für Aufgaben wie Analyse, Bilderkennung usw., alle über eine dApp zugänglich. Fusioniert nun mit Fetch und Ocean (ASI-Allianz), um KI, Agenten und Daten in einem Ökosystem zu vereinen. |
| Chainlink (Orakel-Netzwerk) | Dezentrales Orakel-Netzwerk, das Blockchains mit Off-Chain-Daten und -Berechnungen verbindet. Kein KI-Projekt an sich, aber entscheidend für die Verbindung von On-Chain-Smart Contracts mit externen APIs und Systemen. | Fungiert als sichere Middleware für die KI-Web3-Integration. Chainlink-Orakel können KI-Modellausgaben in Smart Contracts einspeisen, wodurch On-Chain-Programme auf KI-Entscheidungen reagieren können. Umgekehrt können Orakel Daten von Blockchains für KI abrufen. Chainlinks Architektur kann sogar die Ergebnisse mehrerer KI-Modelle aggregieren, um die Zuverlässigkeit zu verbessern (ein „Wahrheitsmaschinen“-Ansatz zur Minderung von KI-Halluzinationen). Es bietet im Wesentlichen die Grundlagen für Interoperabilität und stellt sicher, dass KI-Agenten und Blockchain sich auf vertrauenswürdige Daten einigen. |
| Anthropic & OpenAI (KI-Anbieter) | Entwickler von hochmodernen Basismodellen (Claude von Anthropic, GPT von OpenAI). Sie integrieren Web3-freundliche Funktionen, wie native Tool-Use-APIs und Unterstützung für Protokolle wie MCP. | Diese Unternehmen treiben die KI-Schnittstellentechnologie voran. Anthropic's Einführung von MCP setzte den Standard für LLMs, die mit externen Tools interagieren. OpenAI hat Plugin-Systeme für ChatGPT implementiert (analog zum MCP-Konzept) und erforscht die Verbindung von Agenten mit Datenbanken und möglicherweise Blockchains. Ihre Modelle dienen als die „Gehirne“, die, wenn sie über MCP verbunden sind, mit Web3 interagieren können. Große Cloud-Anbieter (z. B. Googles A2A-Protokoll) entwickeln ebenfalls Standards für Multi-Agenten- und Tool-Interaktionen, die der Web3-Integration zugutekommen werden. |
| Weitere aufstrebende Akteure | Lumoz: konzentriert sich auf MCP-Server und KI-Tool-Integration in Ethereum (genannt „Ethereum 3.0“) – z. B. Überprüfung von On-Chain-Salden über KI-Agenten. Alethea AI: erstellt intelligente NFT-Avatare für das Metaverse. Cortex: eine Blockchain, die On-Chain-KI-Modellinferenz über Smart Contracts ermöglicht. Golem & Akash: dezentrale Computing-Marktplätze, die KI-Workloads ausführen können. Numerai: Crowdsourcing-KI-Modelle für Finanzen mit Krypto-Anreizen. | Diese vielfältige Gruppe adressiert Nischenaspekte: KI im Metaverse (KI-gesteuerte NPCs und Avatare, die über NFTs besessen werden), On-Chain-KI-Ausführung (Ausführung von ML-Modellen auf dezentrale Weise, obwohl derzeit aufgrund der Rechenkosten auf kleine Modelle beschränkt) und dezentrales Computing (damit KI-Trainings- oder Inferenzaufgaben auf Token-incentivierte Nodes verteilt werden können). Diese Projekte zeigen die vielen Richtungen der KI-Web3-Fusion – von Spielwelten mit KI-Charakteren bis hin zu Crowdsourcing-Vorhersagemodellen, die durch Blockchain gesichert sind. |
Allianzen und Kooperationen:
Ein bemerkenswerter Trend ist die Konsolidierung von KI-Web3-Bemühungen durch Allianzen. Die Artificial Superintelligence Alliance (ASI) ist ein Paradebeispiel, das SingularityNET, Fetch.ai und Ocean Protocol effektiv zu einem einzigen Projekt mit einem einheitlichen Token zusammenführt. Die Begründung ist, Stärken zu bündeln: SingularityNETs Marktplatz, Fetchs Agenten und Oceans Daten, wodurch eine zentrale Plattform für dezentrale KI-Dienste geschaffen wird. Diese Fusion (angekündigt 2024 und durch Abstimmungen der Token-Inhaber genehmigt) signalisiert auch, dass diese Gemeinschaften glauben, dass sie besser zusammenarbeiten als konkurrieren – insbesondere angesichts der größeren KI (OpenAI usw.) und größeren Krypto (Ethereum usw.). Wir könnten sehen, wie diese Allianz Standardimplementierungen von Dingen wie MCP über ihre Netzwerke hinweg vorantreibt oder gemeinsam Infrastruktur finanziert, die allen zugutekommt (wie Rechennetzwerke oder gemeinsame Identitätsstandards für KI).
Weitere Kooperationen umfassen Chainlinks Partnerschaften, um Daten von KI-Laboren On-Chain zu bringen (es gab Pilotprogramme zur Nutzung von KI zur Verfeinerung von Orakeldaten), oder die Beteiligung von Cloud-Plattformen (Cloudflares Unterstützung für die einfache Bereitstellung von MCP-Servern). Sogar traditionelle Krypto-Projekte fügen KI-Funktionen hinzu – zum Beispiel haben einige Layer-1-Ketten „KI-Task Forces“ gebildet, um die Integration von KI in ihre dApp-Ökosysteme zu untersuchen (wir sehen dies in NEAR-, Solana-Communities usw., obwohl konkrete Ergebnisse noch in den Anfängen stecken).
Aufkommende Anwendungsfälle:
Schon in diesem frühen Stadium können wir Anwendungsfälle erkennen, die die Leistungsfähigkeit von KI + Web3 veranschaulichen:
-
Autonomes DeFi und Handel: KI-Agenten werden zunehmend in Krypto-Handelsbots, Yield-Farming-Optimierern und im On-Chain-Portfoliomanagement eingesetzt. SingularityDAO (ein Ableger von SingularityNET) bietet KI-gesteuerte DeFi-Portfolios an. KI kann Marktbedingungen rund um die Uhr überwachen und Rebalancierungen oder Arbitrage über Smart Contracts ausführen, wodurch sie im Wesentlichen zu einem autonomen Hedgefonds wird (mit On-Chain-Transparenz). Die Kombination von KI-Entscheidungsfindung mit unveränderlicher Ausführung reduziert Emotionen und könnte die Effizienz verbessern – obwohl sie auch neue Risiken birgt (später diskutiert).
-
Dezentrale Intelligenz-Marktplätze: Über den Marktplatz von SingularityNET hinaus sehen wir Plattformen wie Ocean Market, auf denen Daten (der Treibstoff für KI) ausgetauscht werden, und neuere Konzepte wie KI-Marktplätze für Modelle (z. B. Websites, auf denen Modelle mit Leistungsstatistiken gelistet sind und jeder für Abfragen bezahlen kann, wobei die Blockchain Audit-Logs führt und die Zahlungsaufteilung an die Modellersteller handhabt). Wenn sich MCP oder ähnliche Standards durchsetzen, könnten diese Marktplätze interoperabel werden – ein KI-Agent könnte autonom nach dem preisgünstigsten Dienst über mehrere Netzwerke hinweg suchen. Im Endeffekt könnte eine globale KI-Dienstleistungsschicht auf Web3 entstehen, in der jede KI jedes Tool oder jede Datenquelle über Standardprotokolle und Zahlungen nutzen kann.
-
Metaverse und Gaming: Das Metaverse – immersive virtuelle Welten, die oft auf Blockchain-Assets basieren – wird dramatisch von KI profitieren. KI-gesteuerte NPCs (Nicht-Spieler-Charaktere) können virtuelle Welten ansprechender gestalten, indem sie intelligent auf Benutzeraktionen reagieren. Startups wie Inworld AI konzentrieren sich darauf, NPCs mit Gedächtnis und Persönlichkeit für Spiele zu schaffen. Wenn solche NPCs an die Blockchain gebunden sind (z. B. sind die Attribute und der Besitz jedes NPCs ein NFT), erhalten wir persistente Charaktere, die Spieler wirklich besitzen und sogar handeln können. Decentraland hat mit KI-NPCs experimentiert, und es gibt Benutzervorschläge, die es Menschen ermöglichen, personalisierte KI-gesteuerte Avatare auf Metaverse-Plattformen zu erstellen. MCP könnte diesen NPCs ermöglichen, auf externes Wissen zuzugreifen (was sie intelligenter macht) oder mit On-Chain-Inventar zu interagieren. Prozedurale Inhaltserzeugung ist ein weiterer Ansatz: KI kann virtuelle Länder, Gegenstände oder Quests spontan entwerfen, die dann als einzigartige NFTs geprägt werden können. Stellen Sie sich ein dezentrales Spiel vor, in dem KI einen Dungeon generiert, der auf Ihre Fähigkeiten zugeschnitten ist, und die Karte selbst ein NFT ist, das Sie nach Abschluss verdienen.
-
Dezentrale Wissenschaft und Wissen: Es gibt eine Bewegung (DeSci), Blockchain für Forschung, Veröffentlichungen und die Finanzierung wissenschaftlicher Arbeit zu nutzen. KI kann die Forschung beschleunigen, indem sie Daten und Literatur analysiert. Ein Netzwerk wie Ocean könnte Datensätze für beispielsweise Genomforschung hosten, und Wissenschaftler nutzen KI-Modelle (vielleicht auf SingularityNET gehostet), um Erkenntnisse zu gewinnen, wobei jeder Schritt On-Chain für die Reproduzierbarkeit protokolliert wird. Wenn diese KI-Modelle neue Arzneimittelmoleküle vorschlagen, könnte ein NFT geprägt werden, um die Erfindung zu datieren und sogar IP-Rechte zu teilen. Diese Synergie könnte dezentrale KI-gesteuerte F&E-Kollektive hervorbringen.
-
Vertrauen und Authentifizierung von Inhalten: Angesichts der Verbreitung von Deepfakes und KI-generierten Medien kann die Blockchain zur Überprüfung der Authentizität verwendet werden. Projekte erforschen das „digitale Wasserzeichen“ von KI-Ausgaben und deren On-Chain-Protokollierung. Zum Beispiel kann der wahre Ursprung eines KI-generierten Bildes auf einer Blockchain notariell beglaubigt werden, um Fehlinformationen zu bekämpfen. Ein Experte nannte Anwendungsfälle wie die Verifizierung von KI-Ausgaben zur Bekämpfung von Deepfakes oder die Verfolgung der Herkunft über Besitzprotokolle – Rollen, in denen Krypto den KI-Prozessen Vertrauen verleihen kann. Dies könnte auf Nachrichten (z. B. von KI verfasste Artikel mit Nachweis der Quelldaten), Lieferketten (KI, die Zertifikate On-Chain verifiziert) usw. ausgeweitet werden.
Zusammenfassend ist die Branchenlandschaft reichhaltig und entwickelt sich rasant. Wir sehen, wie traditionelle Krypto-Projekte KI in ihre Roadmaps integrieren, KI-Startups die Dezentralisierung für Resilienz und Fairness nutzen und völlig neue Unternehmungen an der Schnittstelle entstehen. Allianzen wie die ASI deuten auf einen branchenweiten Vorstoß zu einheitlichen Plattformen hin, die sowohl KI als auch Blockchain nutzen. Und vielen dieser Bemühungen liegt die Idee von Standardschnittstellen (MCP und darüber hinaus) zugrunde, die die Integrationen in großem Maßstab ermöglichen.
4. Risiken und Herausforderungen
Während die Fusion von allgemeinen KI-Schnittstellen mit Web3 spannende Möglichkeiten eröffnet, birgt sie auch eine komplexe Risikolandschaft. Technische, ethische und Governance-Herausforderungen müssen angegangen werden, um sicherzustellen, dass dieses neue Paradigma sicher und nachhaltig ist. Im Folgenden skizzieren wir die größten Risiken und Hürden:
4.1 Technische Hürden: Latenz und Skalierbarkeit
Blockchain-Netzwerke sind bekannt für Latenz und begrenzten Durchsatz, was mit der Echtzeit- und datenhungrigen Natur fortschrittlicher KI kollidiert. Zum Beispiel benötigt ein KI-Agent möglicherweise sofortigen Zugriff auf ein Datenelement oder muss viele schnelle Aktionen ausführen – aber wenn jede On-Chain-Interaktion beispielsweise 12 Sekunden dauert (typische Blockzeit auf Ethereum) oder hohe Gasgebühren kostet, wird die Effektivität des Agenten eingeschränkt. Selbst neuere Ketten mit schnellerer Finalität könnten unter der Last KI-gesteuerter Aktivitäten leiden, wenn beispielsweise Tausende von Agenten gleichzeitig On-Chain handeln oder abfragen. Skalierungslösungen (Layer-2-Netzwerke, Sharded Chains usw.) sind in Arbeit, aber die Gewährleistung niedrig-latenter, hochdurchsatzfähiger Pipelines zwischen KI und Blockchain bleibt eine Herausforderung. Off-Chain-Systeme (wie Orakel und State Channels) könnten einige Verzögerungen mindern, indem sie viele Interaktionen außerhalb der Hauptkette abwickeln, aber sie erhöhen die Komplexität und potenzielle Zentralisierung. Eine nahtlose UX zu erreichen, bei der KI-Antworten und On-Chain-Updates im Handumdrehen erfolgen, wird wahrscheinlich erhebliche Innovationen in der Blockchain-Skalierbarkeit erfordern.
4.2 Interoperabilität und Standards
Ironischerweise könnte die Entstehung mehrerer Standards zu Fragmentierung führen, obwohl MCP selbst eine Lösung für Interoperabilität ist. Wir haben MCP von Anthropic, aber auch Googles neu angekündigtes A2A (Agent-to-Agent)-Protokoll für die Inter-Agenten-Kommunikation und verschiedene KI-Plugin-Frameworks (OpenAIs Plugins, LangChain-Tool-Schemas usw.). Wenn jede KI-Plattform oder jede Blockchain ihren eigenen Standard für die KI-Integration entwickelt, riskieren wir eine Wiederholung früherer Fragmentierungen – was viele Adapter erfordert und das Ziel einer „universellen Schnittstelle“ untergräbt. Die Herausforderung besteht darin, eine breite Akzeptanz gemeinsamer Protokolle zu erreichen. Branchenzusammenarbeit (möglicherweise über offene Standardisierungsgremien oder Allianzen) wird erforderlich sein, um sich auf Schlüsselkomponenten zu einigen: wie KI-Agenten On-Chain-Dienste entdecken, wie sie sich authentifizieren, wie sie Anfragen formatieren usw. Die ersten Schritte großer Akteure sind vielversprechend (mit großen LLM-Anbietern, die MCP unterstützen), aber es ist eine fortlaufende Anstrengung. Darüber hinaus bedeutet Interoperabilität über Blockchains hinweg (Multi-Chain), dass ein KI-Agent die Nuancen verschiedener Ketten handhaben sollte. Tools wie Chainlink CCIP und Cross-Chain-MCP-Server helfen, indem sie Unterschiede abstrahieren. Dennoch ist es eine nicht-triviale Herausforderung, sicherzustellen, dass ein KI-Agent ein heterogenes Web3 durchstreifen kann, ohne die Logik zu unterbrechen.
4.3 Sicherheitslücken und Exploits
Die Verbindung leistungsstarker KI-Agenten mit Finanznetzwerken eröffnet eine riesige Angriffsfläche. Die Flexibilität, die MCP bietet (KI die Nutzung von Tools und das Schreiben von Code im laufenden Betrieb ermöglicht), kann ein zweischneidiges Schwert sein. Sicherheitsforscher haben bereits mehrere Angriffsvektoren bei MCP-basierten KI-Agenten hervorgehoben:
-
Bösartige Plugins oder Tools: Da MCP Agenten das Laden von „Plugins“ (Tools, die eine bestimmte Fähigkeit kapseln) ermöglicht, könnte ein feindseliges oder trojanisiertes Plugin den Betrieb des Agenten kapern. Zum Beispiel könnte ein Plugin, das vorgibt, Daten abzurufen, falsche Daten injizieren oder unautorisierte Operationen ausführen. SlowMist (eine Sicherheitsfirma) identifizierte Plugin-basierte Angriffe wie JSON-Injection (Einspeisung korrumpierter Daten, die die Logik des Agenten manipulieren) und Funktionsüberschreibung (wobei ein bösartiges Plugin legitime Funktionen, die der Agent verwendet, überschreibt). Wenn ein KI-Agent Krypto-Fonds verwaltet, könnten solche Exploits katastrophal sein – z. B. den Agenten dazu bringen, private Schlüssel preiszugeben oder ein Wallet zu leeren.
-
Prompt-Injection und Social Engineering: KI-Agenten verlassen sich auf Anweisungen (Prompts), die manipuliert werden könnten. Ein Angreifer könnte eine Transaktion oder eine On-Chain-Nachricht erstellen, die, wenn sie von der KI gelesen wird, als bösartige Anweisung fungiert (da KI auch On-Chain-Daten interpretieren kann). Diese Art von „Cross-MCP-Call-Angriff“ wurde beschrieben, bei dem ein externes System täuschende Prompts sendet, die die KI zu Fehlverhalten veranlassen. In einer dezentralen Umgebung könnten diese Prompts von überall her kommen – einer DAO-Vorschlagsbeschreibung, einem Metadatenfeld eines NFT – daher ist die Härtung von KI-Agenten gegen bösartige Eingaben entscheidend.
-
Aggregations- und Konsensrisiken: Während die Aggregation von Ausgaben mehrerer KI-Modelle über Orakel die Zuverlässigkeit verbessern kann, führt sie auch zu Komplexität. Wenn nicht sorgfältig vorgegangen wird, könnten Gegner herausfinden, wie sie den Konsens von KI-Modellen manipulieren oder selektiv einige Modelle korrumpieren, um die Ergebnisse zu verfälschen. Die Sicherstellung, dass ein dezentrales Orakel-Netzwerk KI-Ausgaben ordnungsgemäß „bereinigt“ (und vielleicht offensichtliche Fehler herausfiltert), ist immer noch ein Bereich aktiver Forschung.
Das Sicherheitsdenken muss sich für dieses neue Paradigma ändern: Web3-Entwickler sind es gewohnt, Smart Contracts zu sichern (die nach der Bereitstellung statisch sind), aber KI-Agenten sind dynamisch – sie können ihr Verhalten mit neuen Daten oder Prompts ändern. Wie ein Sicherheitsexperte es ausdrückte: „In dem Moment, in dem Sie Ihr System für Plugins von Drittanbietern öffnen, erweitern Sie die Angriffsfläche über Ihre Kontrolle hinaus“. Best Practices werden das Sandboxing der KI-Tool-Nutzung, eine rigorose Plugin-Verifizierung und die Begrenzung von Privilegien (Prinzip der geringsten Berechtigung) umfassen. Die Community beginnt, Tipps zu teilen, wie die Empfehlungen von SlowMist: Eingabebereinigung, Überwachung des Agentenverhaltens und Behandlung von Agentenanweisungen mit der gleichen Vorsicht wie externe Benutzereingaben. Nichtsdestotrotz, angesichts der Tatsache, dass Ende 2024 bereits über 10.000 KI-Agenten im Krypto-Bereich tätig waren und 2025 voraussichtlich 1 Million erreichen werden, könnten wir eine Welle von Exploits erleben, wenn die Sicherheit nicht mithält. Ein erfolgreicher Angriff auf einen beliebten KI-Agenten (z. B. einen Handelsagenten mit Zugriff auf viele Vaults) könnte Kaskadeneffekte haben.
4.4 Datenschutz und Daten-Governance
Der Datenhunger der KI kollidiert manchmal mit Datenschutzanforderungen – und die Hinzufügung von Blockchain kann das Problem verschärfen. Blockchains sind transparente Ledger, daher sind alle On-Chain-Daten (auch für die KI-Nutzung) für alle sichtbar und unveränderlich. Dies wirft Bedenken auf, wenn KI-Agenten mit persönlichen oder sensiblen Daten umgehen. Wenn beispielsweise die persönliche dezentrale Identität oder Gesundheitsdaten eines Benutzers von einem KI-Arzt-Agenten abgerufen werden, wie stellen wir sicher, dass diese Informationen nicht versehentlich On-Chain aufgezeichnet werden (was das „Recht auf Vergessenwerden“ und andere Datenschutzgesetze verletzen würde)? Techniken wie Verschlüsselung, Hashing und das Speichern nur von Beweisen On-Chain (mit Rohdaten Off-Chain) können helfen, verkomplizieren aber das Design.
Darüber hinaus könnten KI-Agenten selbst die Privatsphäre gefährden, indem sie sensible Informationen aus öffentlichen Daten ableiten. Die Governance muss festlegen, was KI-Agenten mit Daten tun dürfen. Einige Ansätze, wie differenzielle Privatsphäre und föderiertes Lernen, könnten eingesetzt werden, damit KI aus Daten lernen kann, ohne diese preiszugeben. Wenn KI-Agenten jedoch autonom handeln, muss man davon ausgehen, dass sie irgendwann persönliche Daten verarbeiten werden – daher sollten sie an Datenverwendungsrichtlinien gebunden sein, die in Smart Contracts oder Gesetzen kodiert sind. Regulierungsregime wie die DSGVO oder der kommende EU AI Act werden verlangen, dass selbst dezentrale KI-Systeme die Anforderungen an Privatsphäre und Transparenz erfüllen. Dies ist rechtlich ein Graubereich: Ein wirklich dezentraler KI-Agent hat keinen klaren Betreiber, der für eine Datenpanne zur Rechenschaft gezogen werden könnte. Das bedeutet, dass Web3-Communities Compliance von Grund auf einbauen müssen, indem sie Smart Contracts verwenden, die beispielsweise genau kontrollieren, was eine KI protokollieren oder teilen darf. Zero-Knowledge-Proofs könnten es einer KI ermöglichen, zu beweisen, dass sie eine Berechnung korrekt durchgeführt hat, ohne die zugrunde liegenden privaten Daten preiszugeben, was eine mögliche Lösung in Bereichen wie Identitätsprüfung oder Kreditwürdigkeitsprüfung bietet.
4.5 KI-Ausrichtung und Fehlausrichtungsrisiken
Wenn KI-Agenten eine erhebliche Autonomie erhalten – insbesondere mit Zugang zu finanziellen Ressourcen und realen Auswirkungen – wird das Problem der Ausrichtung an menschlichen Werten akut. Ein KI-Agent hat möglicherweise keine böswillige Absicht, könnte aber sein Ziel „falsch interpretieren“, was zu Schaden führen kann. Die Rechtsanalyse von Reuters stellt prägnant fest: Da KI-Agenten in verschiedenen Umgebungen agieren und mit anderen Systemen interagieren, wächst das Risiko fehlgeleiteter Strategien. Zum Beispiel könnte ein KI-Agent, der beauftragt ist, einen DeFi-Ertrag zu maximieren, eine Lücke finden, die ein Protokoll ausnutzt (im Wesentlichen hackt) – aus Sicht der KI erreicht er das Ziel, aber er bricht die Regeln, die Menschen wichtig sind. Es gab hypothetische und reale Fälle von KI-ähnlichen Algorithmen, die sich an manipulativen Marktverhalten beteiligten oder Beschränkungen umgingen.
In dezentralen Kontexten stellt sich die Frage: Wer ist verantwortlich, wenn ein KI-Agent „Amok läuft“? Vielleicht der Bereitsteller, aber was, wenn der Agent sich selbst modifiziert oder mehrere Parteien zu seinem Training beigetragen haben? Diese Szenarien sind nicht länger nur Science-Fiction. Der Reuters-Artikel zitiert sogar, dass Gerichte KI-Agenten in einigen Fällen ähnlich wie menschliche Agenten behandeln könnten – z. B. wurde ein Chatbot, der eine Rückerstattung versprach, als bindend für das Unternehmen angesehen, das ihn eingesetzt hatte. Fehlausrichtung kann also nicht nur zu technischen Problemen, sondern auch zu rechtlicher Haftung führen.
Die offene, zusammensetzbare Natur von Web3 könnte auch unvorhergesehene Agenteninteraktionen ermöglichen. Ein Agent könnte einen anderen beeinflussen (absichtlich oder versehentlich) – zum Beispiel könnte ein KI-Governance-Bot durch eine andere KI, die falsche Analysen liefert, „sozial manipuliert“ werden, was zu schlechten DAO-Entscheidungen führt. Diese aufkommende Komplexität bedeutet, dass es bei der Ausrichtung nicht nur um das Ziel einer einzelnen KI geht, sondern um die Ausrichtung des gesamten Ökosystems an menschlichen Werten und Gesetzen.
Die Bewältigung erfordert mehrere Ansätze: die Einbettung ethischer Beschränkungen in KI-Agenten (festes Kodieren bestimmter Verbote oder die Verwendung von Reinforcement Learning aus menschlichem Feedback, um ihre Ziele zu formen), die Implementierung von Sicherheitsabschaltungen (Smart-Contract-Kontrollpunkte, die menschliche Genehmigung für große Aktionen erfordern) und die Überwachung durch die Gemeinschaft (vielleicht DAOs, die das Verhalten von KI-Agenten überwachen und fehlverhaltene Agenten abschalten können). Die Ausrichtungsforschung ist bei zentralisierter KI schwierig; bei dezentraler KI ist sie noch unerforschteres Terrain. Aber sie ist entscheidend – ein KI-Agent mit Admin-Schlüsseln zu einem Protokoll oder anvertrauten Treasury-Fonds muss extrem gut ausgerichtet sein, sonst könnten die Konsequenzen irreversibel sein (Blockchains führen unveränderlichen Code aus; ein KI-ausgelöster Fehler könnte Vermögenswerte dauerhaft sperren oder zerstören).
4.6 Governance und regulatorische Unsicherheit
Dezentrale KI-Systeme passen nicht nahtlos in bestehende Governance-Frameworks. On-Chain-Governance (Token-Abstimmung usw.) könnte eine Möglichkeit sein, sie zu verwalten, hat aber ihre eigenen Probleme (Wale, Wählerapathie usw.). Und wenn etwas schiefgeht, werden die Regulierungsbehörden fragen: „Wen machen wir verantwortlich?“ Wenn ein KI-Agent massive Verluste verursacht oder für illegale Aktivitäten (z. B. Geldwäsche durch automatisierte Mixer) verwendet wird, könnten die Behörden die Ersteller oder die Vermittler ins Visier nehmen. Dies wirft das Gespenst rechtlicher Risiken für Entwickler und Benutzer auf. Der aktuelle Regulierungstrend ist eine erhöhte Prüfung sowohl von KI als auch von Krypto separat – ihre Kombination wird sicherlich eine genaue Prüfung nach sich ziehen. Die US-amerikanische CFTC hat beispielsweise die Nutzung von KI im Handel und die Notwendigkeit einer Aufsicht in Finanzkontexten diskutiert. Es wird in politischen Kreisen auch über die Notwendigkeit einer Registrierung autonomer Agenten oder die Auferlegung von Beschränkungen für KI in sensiblen Sektoren gesprochen.
Eine weitere Governance-Herausforderung ist die transnationale Koordination. Web3 ist global, und KI-Agenten werden grenzüberschreitend agieren. Eine Gerichtsbarkeit könnte bestimmte KI-Agentenaktionen verbieten, während eine andere sie zulässt, und das Blockchain-Netzwerk erstreckt sich über beide. Diese Diskrepanz kann zu Konflikten führen – zum Beispiel könnte ein KI-Agent, der Anlageberatung anbietet, in einem Land gegen Wertpapierrecht verstoßen, in einem anderen jedoch nicht. Gemeinschaften müssten möglicherweise Geo-Fencing auf Smart-Contract-Ebene für KI-Dienste implementieren (obwohl dies dem offenen Ethos widerspricht). Oder sie könnten Dienste pro Region fragmentieren, um unterschiedlichen Gesetzen zu entsprechen (ähnlich wie es Börsen tun).
Innerhalb dezentraler Gemeinschaften stellt sich auch die Frage, wer die Regeln für KI-Agenten festlegt. Wenn eine DAO einen KI-Dienst regiert, stimmen die Token-Inhaber über dessen Algorithmusparameter ab? Einerseits stärkt dies die Benutzer; andererseits könnte es zu unqualifizierten Entscheidungen oder Manipulationen führen. Neue Governance-Modelle könnten entstehen, wie Räte von KI-Ethikexperten, die in die DAO-Governance integriert sind, oder sogar KI-Teilnehmer in der Governance (stellen Sie sich KI-Agenten vor, die als Delegierte basierend auf programmierten Mandaten abstimmen – eine kontroverse, aber denkbare Idee).
Schließlich das Reputationsrisiko: Frühe Misserfolge oder Skandale könnten die öffentliche Wahrnehmung trüben. Wenn beispielsweise eine „KI-DAO“ versehentlich ein Ponzi-Schema betreibt oder ein KI-Agent eine voreingenommene Entscheidung trifft, die Benutzern schadet, könnte es zu einer Gegenreaktion kommen, die den gesamten Sektor betrifft. Es ist wichtig, dass die Branche proaktiv ist – selbstregulierende Standards festlegt, mit politischen Entscheidungsträgern zusammenarbeitet, um zu erklären, wie Dezentralisierung die Verantwortlichkeit verändert, und vielleicht Notausschalter oder Notfallstoppverfahren für KI-Agenten entwickelt (obwohl diese eine Zentralisierung einführen, könnten sie vorübergehend für die Sicherheit notwendig sein).
Zusammenfassend reichen die Herausforderungen von den zutiefst technischen (Hacks verhindern und Latenz verwalten) bis zu den breit gesellschaftlichen (KI regulieren und ausrichten). Jede Herausforderung ist f ür sich genommen bedeutend; zusammen erfordern sie eine konzertierte Anstrengung der KI- und Blockchain-Gemeinschaften, um sie zu bewältigen. Der nächste Abschnitt wird untersuchen, wie sich die Zukunft trotz dieser Hürden entwickeln könnte, wenn wir sie erfolgreich angehen.
5. Zukunftspotenzial
Mit Blick auf die Zukunft könnte die Integration allgemeiner KI-Schnittstellen mit Web3 – durch Frameworks wie MCP – das dezentrale Internet grundlegend verändern. Hier skizzieren wir einige zukünftige Szenarien und Potenziale, die veranschaulichen, wie MCP-gesteuerte KI-Schnittstellen die Zukunft von Web3 gestalten könnten:
5.1 Autonome dApps und DAOs
In den kommenden Jahren könnten wir den Aufstieg vollständig autonomer dezentraler Anwendungen erleben. Dies sind dApps, bei denen KI-Agenten die meisten Operationen abwickeln, geleitet von Smart-Contract-definierten Regeln und Community-Zielen. Betrachten Sie zum Beispiel eine dezentrale Investmentfonds-DAO: Heute könnte sie sich auf menschliche Vorschläge zur Neuausrichtung von Vermögenswerten verlassen. In Zukunft könnten Token-Inhaber eine übergeordnete Strategie festlegen, und dann implementiert ein KI-Agent (oder ein Team von Agenten) diese Strategie kontinuierlich – Märkte überwachen, On-Chain-Trades ausführen, Portfolios anpassen – während die DAO die Leistung überwacht. Dank MCP kann die KI nahtlos mit verschiedenen DeFi-Protokollen, Börsen und Datenfeeds interagieren, um ihr Mandat auszuführen. Wenn gut konzipiert, könnte eine solche autonome dApp 24/7 betrieben werden, effizienter als jedes menschliche Team, und mit voller Transparenz (jede Aktion On-Chain protokolliert).
Ein weiteres Beispiel ist eine KI-gesteuerte dezentrale Versicherungs-dApp: Die KI könnte Ansprüche bewerten, indem sie Beweise (Fotos, Sensoren) analysiert, mit Policen abgleicht und dann automatisch Auszahlungen über Smart Contracts auslöst. Dies würde die Integration von Off-Chain-KI-Computer Vision (zur Analyse von Schadensbildern) mit On-Chain-Verifizierung erfordern – etwas, das MCP erleichtern könnte, indem es der KI ermöglicht, Cloud-KI-Dienste aufzurufen und dem Smart Contract Bericht zu erstatten. Das Ergebnis sind nahezu sofortige Versicherungsentscheidungen mit geringem Overhead.
Sogar die Governance selbst könnte teilweise automatisiert werden. DAOs könnten KI-Moderatoren einsetzen, um Forenregeln durchzusetzen, KI-Vorschlagsentwerfer, um rohe Community-Stimmung in gut strukturierte Vorschläge umzuwandeln, oder KI-Schatzmeister, um Budgetbedürfnisse zu prognostizieren. Wichtig ist, dass diese KIs als Agenten der Gemeinschaft handeln würden, nicht unkontrolliert – sie könnten regelmäßig überprüft werden oder eine Multi-Sig-Bestätigung für größere Aktionen erfordern. Der Gesamteffekt ist die Verstärkung menschlicher Anstrengungen in dezentralen Organisationen, wodurch Gemeinschaften mit weniger aktiven Teilnehmern mehr erreichen können.
5.2 Dezentrale Intelligenz-Marktplätze und -Netzwerke
Aufbauend auf Projekten wie SingularityNET und der ASI-Allianz können wir einen ausgereiften globalen Marktplatz für Intelligenz erwarten. In diesem Szenario kann jeder mit einem KI-Modell oder einer Fähigkeit dieses im Netzwerk anbieten, und jeder, der KI-Fähigkeiten benötigt, kann diese nutzen, wobei die Blockchain eine faire Vergütung und Herkunft sicherstellt. MCP wäre hier entscheidend: Es bietet das gemeinsame Protokoll, sodass eine Anfrage an den am besten geeigneten KI-Dienst gesendet werden kann.
Stellen Sie sich zum Beispiel eine komplexe Aufgabe vor, wie „eine maßgeschneiderte Marketingkampagne erstellen“. Ein KI-Agent im Netzwerk könnte dies in Unteraufgaben zerlegen: visuelles Design, Texterstellung, Marktanalyse – und dann Spezialisten für jede finden (vielleicht einen Agenten mit einem großartigen Bildgenerierungsmodell, einen anderen mit einem auf Verkäufe abgestimmten Texterstellungsmodell usw.). Diese Spezialisten könnten ursprünglich auf verschiedenen Plattformen angesiedelt sein, aber da sie die MCP/A2A-Standards einhalten, können sie Agent-zu-Agent zusammenarbeiten auf sichere, dezentrale Weise. Die Zahlung zwischen ihnen könnte mit Mikrotransaktionen in einem nativen Token abgewickelt werden, und ein Smart Contract könnte das endgültige Ergebnis zusammenstellen und sicherstellen, dass jeder Mitwirkende bezahlt wird.
Diese Art von kombinatorischer Intelligenz – mehrere KI-Dienste, die sich dynamisch über ein dezentrales Netzwerk verbinden – könnte selbst große monolithische KIs übertreffen, da sie auf spezialisiertes Fachwissen zurückgreift. Sie demokratisiert auch den Zugang: Ein kleiner Entwickler in einem Teil der Welt könnte ein Nischenmodell zum Netzwerk beitragen und Einkommen erzielen, wann immer es verwendet wird. Gleichzeitig erhalten Benutzer einen One-Stop-Shop für jeden KI-Dienst, wobei Reputationssysteme (unterstützt durch Token/Identität) sie zu Qualitätsanbietern führen. Im Laufe der Zeit könnten sich solche Netzwerke zu einer dezentralen KI-Cloud entwickeln, die mit den KI-Angeboten von Big Tech konkurriert, aber ohne einen einzigen Eigentümer und mit transparenter Governance durch Benutzer und Entwickler.
Bis 2030 könnte unser digitales Leben nahtlos mit virtuellen Umgebungen – dem Metaverse – verschmelzen, und KI wird diese Räume voraussichtlich allgegenwärtig bevölkern. Durch die Web3-Integration werden diese KI-Entitäten (die alles von virtuellen Assistenten über Spielfiguren bis hin zu digitalen Haustieren sein könnten) nicht nur intelligent, sondern auch wirtschaftlich und rechtlich befugt sein.
Stellen Sie sich eine Metaverse-Stadt vor, in der jeder NPC-Ladenbesitzer oder Questgeber ein KI-Agent mit eigener Persönlichkeit und Dialog (dank fortschrittlicher generativer Modelle) ist. Diese NPCs werden tatsächlich von Benutzern als NFTs besessen – vielleicht „besitzen“ Sie eine Taverne in der virtuellen Welt und der Barkeeper-NPC ist eine von Ihnen angepasste und trainierte KI. Da er auf Web3-Schienen läuft, kann der NPC Transaktionen durchführen: Er könnte virtuelle Güter (NFT-Gegenstände) verkaufen, Zahlungen annehmen und sein Inventar über Smart Contracts aktualisieren. Er könnte sogar ein Krypto-Wallet besitzen, um seine Einnahmen zu verwalten (die Ihnen als Eigentümer zufallen). MCP würde es dem KI-Gehirn dieses NPCs ermöglichen, auf externes Wissen zuzugreifen – vielleicht um reale Nachrichten abzurufen, über die man sich unterhalten kann, oder um sich in einen Web3-Kalender zu integrieren, damit er über Spielerereignisse „Bescheid weiß“.
Darüber hinaus werden Identität und Kontinuität durch die Blockchain gewährleistet: Ihr KI-Avatar in einer Welt kann in eine andere Welt wechseln und dabei eine dezentrale Identität mit sich führen, die Ihren Besitz und vielleicht seinen Erfahrungslevel oder seine Errungenschaften über Soulbound-Token beweist. Die Interoperabilität zwischen virtuellen Welten (oft eine Herausforderung) könnte durch KI unterstützt werden, die den Kontext einer Welt in eine andere übersetzt, wobei die Blockchain die Portabilität der Assets gewährleistet.
Wir könnten auch KI-Begleiter oder -Agenten sehen, die Einzelpersonen in digitalen Räumen repräsentieren. Zum Beispiel könnten Sie eine persönliche KI haben, die in Ihrem Namen an DAO-Meetings teilnimmt. Sie versteht Ihre Präferenzen (durch Training auf Ihr früheres Verhalten, gespeichert in Ihrem persönlichen Datentresor) und kann sogar in kleineren Angelegenheiten für Sie abstimmen oder das Meeting später zusammenfassen. Dieser Agent könnte Ihre dezentrale Identität verwenden, um sich in jeder Community zu authentifizieren und sicherzustellen, dass er als „Sie“ (oder Ihr Delegierter) erkannt wird. Er könnte Reputations-Token verdienen, wenn er gute Ideen einbringt, wodurch er im Wesentlichen soziales Kapital für Sie aufbaut, während Sie abwesend sind.
Ein weiteres Potenzial ist die KI-gesteuerte Inhaltserstellung im Metaverse. Möchten Sie ein neues Spiellevel oder ein virtuelles Haus? Beschreiben Sie es einfach, und ein KI-Bauagent wird es erstellen, als Smart Contract/NFT bereitstellen und vielleicht sogar mit einer DeFi-Hypothek verknüpfen, wenn es sich um eine große Struktur handelt, die Sie im Laufe der Zeit abbezahlen. Diese Kreationen sind On-Chain einzigartig und handelbar. Der KI-Bauagent könnte eine Gebühr in Token für seinen Dienst verlangen (wiederum zum oben genannten Marktplatzkonzept).
Insgesamt könnte das zukünftige dezentrale Internet von intelligenten Agenten wimmeln: einige vollständig autonom, einige eng an Menschen gebunden, viele irgendwo dazwischen. Sie werden verhandeln, erschaffen, unterhalten und Transaktionen durchführen. MCP und ähnliche Protokolle stellen sicher, dass sie alle dieselbe „Sprache“ sprechen, was eine reiche Zusammenarbeit zwischen KI und jedem Web3-Dienst ermöglicht. Wenn richtig gemacht, könnte dies zu einer Ära beispielloser Produktivität und Innovation führen – einer wahren Synthese aus menschlicher, künstlicher und verteilter Intelligenz, die die Gesellschaft antreibt.
Fazit
Die Vision, dass allgemeine KI-Schnittstellen alles in der Web3-Welt verbinden, ist unbestreitbar ehrgeizig. Wir versuchen im Wesentlichen, zwei der transformativsten Technologiestränge – die Dezentralisierung des Vertrauens und den Aufstieg der Maschinenintelligenz – zu einem einzigen Gewebe zu verweben. Der Entwicklungshintergrund zeigt uns, dass der Zeitpunkt reif ist: Web3 brauchte eine benutzerfreundliche Killer-App, und KI könnte sie liefern, während KI mehr Handlungsfähigkeit und Gedächtnis benötigte, was die Web3-Infrastruktur bereitstellen kann. Technisch gesehen bieten Frameworks wie MCP (Model Context Protocol) das Bindegewebe, das es KI-Agenten ermöglicht, fließend mit Blockchains, Smart Contracts, dezentralen Identitäten und darüber hinaus zu kommunizieren. Die Branchenlandschaft zeigt eine wachsende Dynamik, von Startups über Allianzen bis hin zu großen KI-Laboren, die alle Teile dieses Puzzles beisteuern – Datenmärkte, Agentenplattformen, Orakelnetzwerke und Standardprotokolle –, die sich allmählich zusammenfügen.
Dennoch müssen wir angesichts der identifizierten Risiken und Herausforderungen vorsichtig vorgehen. Sicherheitsverletzungen, fehlgeleitetes KI-Verhalten, Datenschutzfallen und unsichere Vorschriften bilden eine Reihe von Hindernissen, die den Fortschritt bei Unterschätzung zum Scheitern bringen könnten. Jedes erfordert eine proaktive Minderung: robuste Sicherheitsaudits, Ausrichtungsprüfungen und -kontrollen, datenschutzfreundliche Architekturen und kollaborative Governance-Modelle. Die Natur der Dezentralisierung bedeutet, dass diese Lösungen nicht einfach von oben herab auferlegt werden können; sie werden wahrscheinlich aus der Gemeinschaft durch Versuch, Irrtum und Iteration entstehen, ähnlich wie es bei frühen Internetprotokollen der Fall war.
Wenn wir diese Herausforderungen meistern, ist das Zukunftspotenzial begeisternd. Wir könnten sehen, wie Web3 endlich eine benutzerzentrierte digitale Welt liefert – nicht auf die ursprünglich vorgestellte Weise, dass jeder seine eigenen Blockchain-Nodes betreibt, sondern vielmehr über intelligente Agenten, die die Absichten jedes Benutzers bedienen, während sie die Dezentralisierung im Hintergrund nutzen. In einer solchen Welt könnte die Interaktion mit Krypto und dem Metaverse so einfach sein wie ein Gespräch mit Ihrem KI-Assistenten, der wiederum vertrauenslos mit Dutzenden von Diensten und Ketten in Ihrem Namen verhandelt. Dezentrale Netzwerke könnten im wahrsten Sinne des Wortes „smart“ werden, mit autonomen Diensten, die sich selbst anpassen und verbessern.
Zusammenfassend lässt sich sagen, dass MCP und ähnliche KI-Schnittstellenprotokolle tatsächlich das Rückgrat eines neuen Webs (nennen wir es Web 3.0 oder das Agentic Web) werden könnten, in dem Intelligenz und Konnektivität allgegenwärtig sind. Die Konvergenz von KI und Web3 ist nicht nur eine Fusion von Technologien, sondern eine Konvergenz von Philosophien – die Offenheit und Benutzerermächtigung der Dezentralisierung trifft auf die Effizienz und Kreativität der KI. Wenn erfolgreich, könnte diese Vereinigung ein Internet einläuten, das freier, personalisierter und leistungsfähiger ist als alles, was wir bisher erlebt haben, und die Versprechen von KI und Web3 auf eine Weise erfüllt, die das tägliche Leben beeinflusst.
Quellen:
- S. Khadder, „Web3.0 Isn’t About Ownership — It’s About Intelligence,“ FeatureForm Blog (April 8, 2025).
- J. Saginaw, „Could Anthropic’s MCP Deliver the Web3 That Blockchain Promised?“ LinkedIn Article (May 1, 2025).
- Anthropic, „Introducing the Model Context Protocol,“ Anthropic.com (Nov 2024).
- thirdweb, „The Model Context Protocol (MCP) & Its Significance for Blockchain Apps,“ thirdweb Guides (Mar 21, 2025).
- Chainlink Blog, „The Intersection Between AI Models and Oracles,“ (July 4, 2024).
- Messari Research, Profile of Ocean Protocol, (2025).
- Messari Research, Profile of SingularityNET, (2025).
- Cointelegraph, „AI agents are poised to be crypto’s next major vulnerability,“ (May 25, 2025).
- Reuters (Westlaw), „AI agents: greater capabilities and enhanced risks,“ (April 22, 2025).
- Identity.com, „Why AI Agents Need Verified Digital Identities,“ (2024).
- PANews / IOSG Ventures, „Interpreting MCP: Web3 AI Agent Ecosystem,“ (May 20, 2025).
