Direkt zum Hauptinhalt

DeFAI-Architektur: Wie LLMs klickintensives DeFi durch einfaches Englisch ersetzen

· 12 Min. Lesezeit
Dora Noda
Dora Noda
Software Engineer

In einem Forschungslabor am MIT hat ein autonomer KI-Agent gerade ein DeFi-Portfolio im Wert von $ 2,4 Millionen über drei Blockchains hinweg neu gewichtet — ohne dass ein einziger Mensch bei MetaMask auf „Genehmigen“ (Approve) geklickt hat. Er analysierte eine Anweisung in natürlicher Sprache, zerlegte sie in siebzehn diskrete On-Chain-Operationen, konkurrierte mit rivalisierenden Solvern um den besten Ausführungspfad und wickelte alles in weniger als neun Sekunden ab. Die einzige Eingabe des Nutzers war ein einziger Satz: „Verschiebe meine Stablecoins zu den höchsten Renditen über Ethereum, Arbitrum und Solana.“

Willkommen bei DeFAI — der Architekturschicht, in der Large Language Models die unübersichtlichen Dashboards, mehrstufigen Genehmigungen und das Kopfzerbrechen beim Wechseln von Chains ersetzen, die dezentrale Finanzen bisher zu einem Spielplatz für Power-User gemacht haben. Mit 282 geförderten Krypto-KI-Projekten im Jahr 2025 und einer Marktkapitalisierung von DeFAI, die die Marke von $ 850 Millionen überschritten hat, ist dies nicht länger nur ein Narrativ aus einem Whitepaper. Es handelt sich um Produktionsinfrastruktur, und sie schreibt die Regeln dafür neu, wie Werte On-Chain bewegt werden.

Von imperativen Transaktionen zu deklarativen Intents​

Traditionelles DeFi zwingt Nutzer dazu, wie Maschinen zu denken. Der Tausch von Token auf Uniswap erfordert die Auswahl des exakten Paares, das Festlegen der Slippage-Toleranz, das Genehmigen eines Token-Contracts, das Bestätigen der Transaktion und das Überwachen auf Fehler — jeder Schritt ist eine potenzielle Fehlerquelle. Cross-Chain-Operationen vervielfachen diese Komplexität um eine Größenordnung: Bridge-Auswahl, Gas-Schätzung auf zwei Netzwerken, Analyse der Liquiditätstiefe und Management der MEV-Exposition.

Eine Intent-basierte Architektur stellt das Modell auf den Kopf. Anstatt festzulegen, wie eine Transaktion ausgeführt werden soll, erklären die Nutzer, was sie erreichen wollen. Ein Intent ist eine signierte Nachricht — eine deklarative Aussage über ein gewünschtes Ergebnis. Die Details der Ausführung werden an ein wettbewerbsorientiertes Netzwerk spezialisierter Akteure, sogenannte Solver, ausgelagert, die darum wetteifern, den Intent zum bestmöglichen Preis zu erfüllen.

Die Architektur arbeitet in drei Phasen:

  1. Ausdruck des Intents. Der Nutzer gibt sein Ziel an: „Tausche 1.000 USDC auf Ethereum gegen ETH auf Arbitrum zum bestmöglichen verfügbaren Preis innerhalb von 10 Minuten.“ Dies kann über eine strukturierte Benutzeroberfläche oder zunehmend über eine von einem LLM verarbeitete natürliche Sprache ausgedrückt werden.

  2. Solver-Wettbewerb. Der Intent wird an ein Netzwerk von Solvern übertragen, die die Marktbedingungen über DEXs, Bridges, Kreditmärkte und Liquiditätspools hinweg analysieren. Jeder Solver simuliert potenzielle Ausführungspfade und reicht sein bestes Angebot ein. Der gewinnende Solver bündelt die Transaktion und zahlt das Gas im Namen des Nutzers.

  3. Abrechnung (Settlement). Der Nutzer signiert einmal und erhält das Ergebnis — mit integriertem Slippage-Schutz, MEV-Resistenz und ohne fehlgeschlagene Transaktionen. Der Solver übernimmt das Ausführungsrisiko.

Das ist nicht theoretisch. CoW Swap, UniswapX, Across Protocol und 1inch Fusion betreiben heute bereits praxiserprobte Solver-Auktionen. UniswapX und Across haben ERC-7683 vorgeschlagen, ein standardisiertes Format für Cross-Chain-Intents, um das Problem der Fragmentierung zu lösen, bei dem jedes Protokoll sein eigenes Intent-Format und seinen eigenen Workflow erfunden hatte.

Die LLM-Schicht: Natürliche Sprache als DeFi-Schnittstelle​

Das fehlende Puzzleteil, das die Intent-Architektur von einer UX-Verbesserung zu einem Paradigmenwechsel erhebt, ist das Large Language Model. LLMs übersetzen unbeschränkte menschliche Sprache in strukturierte, maschinell ausführbare Intents — und sie tun dies mit einem Kontextverständnis, mit dem kein Dropdown-Menü mithalten kann.

So sieht das in der Praxis aus. Ein Nutzer sagt einem KI-Agenten: „Gewichte mein Portfolio in hochverzinsliche Stablecoins über drei Chains hinweg neu.“ Das LLM zerlegt dies in:

  • Abfragen der aktuellen Portfolio-Positionen über verbundene Wallets
  • Abrufen von Echtzeit-APYs von Aave, Compound, Morpho und Kamino über Ethereum, Arbitrum und Solana hinweg
  • Berücksichtigung von Gas-Kosten, Bridge-Gebühren und dem Risiko eines unbeständigen Verlusts (Impermanent Loss)
  • Generierung eines Satzes von Intents, die bei Ausführung das optimale Rebalancing erreichen
  • Weiterleitung jedes Intents an das entsprechende Solver-Netzwerk

Die akademische Grundlage hierfür schreitet schnell voran. Forscher an der National University of Singapore haben das TIM-Framework (Transaction Intent Mining) entwickelt, ein Multi-Agenten-LLM-System, das einen Meta-Level-Planner nutzt, um Domain-Expert-Agenten zu koordinieren — jeder spezialisiert auf Finanzanalyse, Codeanalyse oder Risikobewertung. Eine Cognition-Evaluator-Schicht überwacht die Ergebnisse, um Halluzinationen abzumildern. In Benchmarks übertraf TIM sowohl Einzel-LLM-Ansätze als auch traditionelle Modelle des maschinellen Lernens bei der korrekten Interpretation von Transaktionsabsichten der Nutzer deutlich.

Die praktischen Implementierungen sind bereits live:

  • Hey Anon, erstellt von Daniele Sesta, nutzt natürliche Sprachverarbeitung, um On-Chain-Interaktionen zu vereinfachen. Nutzer führen Trades aus, staken Token und verwalten Portfolios über Chat-Befehle. Es erhielt 20MillionenanKI−Agenten−FinanzierungvonDWFLabs,undseinANON−TokenstiegvoneinerMarktkapitalisierungvon20 Millionen an KI-Agenten-Finanzierung von DWF Labs, und sein ANON-Token stieg von einer Marktkapitalisierung von 10 Millionen auf $ 130 Millionen.

  • Griffain, entwickelt vom Solana-Kernentwickler Tony Plasencia, ermöglicht es Nutzern, eigene KI-Agenten für die DeFi-Automatisierung zu erstellen und bereitzustellen. Die Plattform, die derzeit nur auf Einladung zugänglich ist, unterstützt Aufgaben wie Dollar-Cost-Averaging, Token-Launches und Portfoliomanagement. Die Marktkapitalisierung erreichte Anfang 2025 $ 390 Millionen.

  • NEUR, Solanas „smarter Co-Pilot“, ist eine quelloffene Full-Stack-Anwendung, die LLMs mit Blockchain-Funktionalität kombiniert und in Jupiter, Pump.fun und Magic Eden integriert ist.

  • Orbit unterstützt Cross-Chain-DeFi-Operationen über mehr als 100 Blockchains und rund 200 Protokolle hinweg und fungiert als KI-gestützter Begleiter für Swaps, Bridges, Staking und Yield Farming.

Die Vier-Schicht-Architektur von DeFAI​

Moderne DeFAI-Systeme sind in vier verschiedene Schichten unterteilt, von denen jede einen anderen Teil des Autonomieproblems löst:

Schicht 1: Die KI-Modell-Schicht​

Dies ist das computergestützte Gehirn — es beherbergt Machine-Learning-Modelle, die Marktdaten untersuchen, Trends identifizieren, Ereignisse prognostizieren und umsetzbare Erkenntnisse generieren. Die Modelle reichen von Transformer-basierten LLMs für das Verständnis natürlicher Sprache bis hin zu spezialisierten quantitativen Modellen für Preisvorhersagen, Liquiditätsanalysen und Risikobewertungen.

DGrid, das im Januar 2026 als erste dezentrale Web3-Gateway-Aggregation für KI-Inferenz gestartet wurde, stellt einen entscheidenden Teil dieser Schicht dar. DGrid leitet Inferenzanfragen basierend auf Staking- und Leistungsmetriken an optimale Rechenknoten weiter. Sein Proof of Quality (PoQ)-Mechanismus nutzt kryptografische Verifizierung in Kombination mit Spieltheorie: Verifizierungsknoten führen Stichproben durch und verifizieren Inferenzaufgaben erneut, wobei gestakte $ DGAI-Token von Knoten eingezogen (slashing) werden, die fehlerhafte Ergebnisse liefern. Dies stellt sicher, dass jede KI-Inferenz im DeFAI-Stack transparent, rückverfolgbar und prüfbar ist.

Schicht 2: Die Agenten-Schicht​

KI-Agenten fungieren als Vermittler zwischen Benutzern und Protokollen. Sie interpretieren Anweisungen, zerlegen komplexe Ziele in atomare Operationen und interagieren direkt mit Smart Contracts. Die Ethereum Foundation hat die Bedeutung dieser Schicht erkannt, indem sie im September 2025 ihr dAI-Team gründete, um speziell agentenbasierte Zahlungs- und Identitätssysteme zu unterstützen.

Die Standardisierungsbemühungen konzentrieren sich auf ERC-8004, das im August 2025 finalisiert wurde und Identitäts-, Reputations- und Validierungsregister für autonome Agenten festlegt. Dies verleiht KI-Agenten verifizierbare On-Chain-Referenzen — eine Grundvoraussetzung für jedes System, in dem nicht-menschliche Akteure bedeutende Werte verwalten.

Schicht 3: Die Blockchain- und Sicherheitsschicht​

Dies ist das Rückgrat der Abwicklung. Agenten führen Aktionen On-Chain aus und wickeln diese ab, wobei die Blockchain Transaktionen verifiziert, Vermögenswerte verwaltet und die Cross-Chain-Interoperabilität handhabt. Layer-2-Lösungen — Optimism, Arbitrum, zkSync — komprimieren Transaktionsstapel, um den Durchsatz zu erreichen, den das agentengesteuerte DeFi erfordert.

Laut dem a16z Crypto State of Crypto Report 2025 wurde Ethereum mit Layer-2s zur ersten Wahl für neue Entwickler, die an der Schnittstelle von Krypto und KI arbeiten. Die Durchsatzverbesserungen sind von direkter Bedeutung: Agentengesteuerte Strategien, die in Echtzeit über mehrere Protokolle hinweg neu gewichten, können keine 12-sekündigen Blockbestätigungen und Gasgebühren von 5 $ tolerieren.

Schicht 4: Die Feedback- und Überwachungsschicht​

Diese Schicht verfolgt kontinuierlich die Leistung der Agenten, validiert Ergebnisse im Vergleich zu den Benutzerabsichten und leitet Daten zur Verbesserung zurück in die Modellschicht. Es ist der Qualitätssicherungsmechanismus, der produktive DeFAI-Systeme von Experimenten unterscheidet — er stellt sicher, dass Agenten tatsächlich das liefern, was die Benutzer angefordert haben, und sich im Laufe der Zeit verbessern.

Die Solver-Ökonomie: Wo Wettbewerb die Ausführungsqualität vorantreibt​

Das Solver-Modell führt einen wettbewerbsorientierten Marktplatz ein, der Anreize auf eine Weise ausrichtet, die herkömmliches DeFi-Routing nicht leisten kann. Wenn ein Benutzer einen Intent (eine Absicht) einreicht, konkurrieren mehrere Solver um deren Erfüllung. Dieser Wettbewerb senkt die Kosten, verbessert die Ausführungsgeschwindigkeit und bietet einen integrierten MEV-Schutz — da Solver das MEV-Risiko absorbieren, anstatt es an die Benutzer weiterzugeben.

Drei Kräfte machen 2026 zum Durchbruchsjahr für Intent-basierte Systeme:

Solver-Netzwerke sind gereift. CoW Swap, UniswapX, Anoma, SUAVE und Across führen mittlerweile professionelle Auktionen mit Hunderten von Solvern durch, die in Echtzeit konkurrieren und nahezu perfekte Erfüllungsraten liefern.

Chain-Abstraktion wird zum Mainstream. Projekte wie NEAR, Agoric und Particle Network eliminieren sichtbare Brücken (Bridges) und lassen Benutzer Cross-Chain-Ziele deklarieren, während Solver die Multi-Chain-Ausführung im Hintergrund übernehmen.

LLMs machen die Formulierung von Intents zugänglich. Die IntentsGPT-Schnittstelle von Aperture Finance übersetzt natürliche Sprache in eine domänenspezifische Sprache (DSL), die Solver parsen können. Das LLM spiegelt den Intent des Benutzers in einer gut lesbaren Form zur Bestätigung wider, bevor er an das Solver-Netzwerk übertragen wird.

Die Solver-Ökonomie steht jedoch vor einem Zentralisierungsrisiko. Echte erlaubnisfreie Solver — bei denen jeder einen betreiben und konkurrieren kann — sind nach wie vor selten. Hohe Leistungsbarrieren begünstigen gut finanzierte Teams mit anspruchsvoller Infrastruktur. Ohne robusten dezentralen Orderflow und glaubwürdige Neutralitätsmechanismen könnten Solver-Netzwerke zu Oligopolen werden, die insgeheim schlechter sind als der heutige öffentliche Mempool.

Sicherheitsarchitektur: Vertrauen ohne Vertrauen​

Das Sicherheitsmodell von DeFAI muss eine neuartige Bedrohungsfläche adressieren: autonome Agenten, die reale Werte verwalten. Der Ansatz ist mehrschichtig:

Verhaltensbaselines. Agenten erstellen normale Betriebsmuster für Smart Contracts und Portfoliopositionen. Abweichungen lösen automatisch Schutzmaßnahmen aus — bevor Exploits Gelder abziehen können.

Kryptografische Verifizierung. Der Proof of Quality-Mechanismus von DGrid stellt sicher, dass KI-Inferenzergebnisse korrekt sind. Verifizierungsknoten führen Aufgaben zufällig erneut aus und bestrafen unehrliche Rechenanbieter durch Slashing.

On-Chain-Referenzen. ERC-8004-Register bieten verifizierbare Identität und Reputation für Agenten. Ein Kreditprotokoll kann die On-Chain-Erfolgsbilanz eines Agenten überprüfen, bevor es Kredit gewährt, so wie eine Bank die Kreditwürdigkeit eines Kreditnehmers prüft.

Leitplanken und Schutzschalter. Die meisten produktiven DeFAI-Systeme erfordern immer noch vom Benutzer definierte Grenzwerte — maximale Positionsgrößen, genehmigte Protokolle, Risikotoleranzen. Volle Autonomie bleibt eher ein Bestreben als eine eingesetzte Realität, und das aus gutem Grund: Die Folgen von halluzinationsgesteuerten Transaktionen werden in echtem Geld gemessen.

Das Ausmaß dessen, was bevorsteht​

Die Zahlen verdeutlichen die Chance. CoinGecko führt über 550 KI-Agenten-Kryptoprojekte mit einer kombinierten Marktkapitalisierung von etwa 4,34 Mrd. auf.DieForschungvonMessariprognostiziert,dassDeFAIbisEnde2025einVolumenvon25–50Mrd.auf. Die Forschung von Messari prognostiziert, dass DeFAI bis Ende 2025 ein Volumen von 25–50 Mrd. erreichen könnte. KI-Agenten machen bereits geschätzte 15–20 Prozent des Volumens im Bereich Decentralized Finance (DeFi) aus.

NVIDIA hat prognostiziert, dass die breitere Agenten-Ökonomie eine Billion Dollar überschreiten könnte. Selbst wenn die Schnittstelle zwischen Krypto und KI nur einen einstelligen Prozentsatz dieses Wertes erfasst, sind die Auswirkungen auf die On-Chain-Infrastruktur enorm.

Bis Mitte 2026 könnten Agenten Billionen an Total Value Locked (TVL) verwalten und als „algorithmische Wale“ fungieren, die Liquidität bereitstellen, DAOs steuern und Kredite auf der Grundlage von On-Chain-Kredit-Scores vergeben. Die erfolgreichsten DeFi-Teilnehmer werden möglicherweise nicht Menschen sein, die Dashboards überwachen, sondern diejenigen, die Flotten intelligenter Agenten mit sorgfältig kalibrierten Risikoparametern einsetzen.

Die Herausforderungen, über die niemand sprechen möchte​

Drei strukturelle Risiken bedrohen die Entwicklung von DeFAI:

Vertrauensdefizit. Nutzer könnten zögern, finanzielle Befugnisse an autonome Systeme zu delegieren. Jede medienwirksame Fehlfunktion eines Agenten – und es wird Fehlfunktionen geben – untergräbt das Vertrauen in die gesamte Kategorie.

Regulatorische Unsicherheit. Die rechtlichen Rahmenbedingungen für agentengesteuerte Aktionen sind fast völlig unterentwickelt. Wenn ein autonomer Agent einen Handel ausführt, der gegen das Wertpapierrecht verstößt, wer haftet dann – der Nutzer, der Entwickler des Agenten oder der Solver?

Systemisches Risiko. Wenn Hunderttausende von Agenten ähnliche Modelle und ähnliche Daten verwenden, werden sie zu ähnlichen Strategien konvergieren. In Zeiten von Marktstress könnte dieses Herdenverhalten Abstürze in einer Weise verstärken, wie es menschliche Händler mit ihrer eigenwilligen Entscheidungsfindung nicht tun. DeFAI benötigt eigene Schutzschalter (Circuit Breaker) – und die Branche hat sie bisher noch nicht gebaut.

Das Fazit​

DeFAI ist kein Rebranding bestehender KI-Krypto-Narrative. Es handelt sich um eine spezifische architektonische These: Große Sprachmodelle (LLMs) als Schnittstellenebene, Intent-basierte Ausführung als Transaktionsmodell, wettbewerbsfähige Solver als Optimierungs-Engine und verifizierte autonome Agenten als operatives Rückgrat. Jede Ebene löst ein reales Problem – Zugänglichkeit, Ausführungsqualität, Kosteneffizienz und trustless Koordination.

Die Infrastruktur steht. Die Standards werden ratifiziert. Das Kapital fließt. Was bleibt, ist die harte Arbeit, diese Systeme so zuverlässig zu machen, dass die Nutzer ihnen echtes Kapital anvertrauen, und so widerstandsfähig, dass sie nicht zum nächsten systemischen Risikovektor für Decentralized Finance werden.

Für Entwickler, die an dieser Schnittstelle arbeiten, ist die Wahl der Infrastruktur entscheidend. Der DeFAI-Stack erfordert Blockchain-Zugang mit geringer Latenz, zuverlässige Cross-Chain-Daten und eine Node-Infrastruktur mit hohem Durchsatz, die mit dem agentengesteuerten Transaktionsvolumen Schritt halten kann.

BlockEden.xyz bietet Blockchain-API-Zugang auf Unternehmensebene und Node-Infrastruktur für Ethereum, Solana, Sui, Aptos und über 20 weitere Netzwerke – die Basisschicht, die DeFAI-Agenten für eine zuverlässige On-Chain-Ausführung mit hohem Durchsatz benötigen. Erkunden Sie unseren API-Marktplatz, um eine autonome DeFi-Infrastruktur aufzubauen, die für die Ära der Agenten konzipiert ist.

Quellen:

Share on Twitter