AI-Agenten wickeln jetzt 19 % des DeFi-Volumens ab — und unterliegen Menschen beim Trading immer noch um das 5-Fache

KI-Agenten initiieren mittlerweile etwa ein Fünftel jeder DeFi-Transaktion. Sie unterliegen zudem menschlichen diskretionären Tradern um den Faktor fünf in jedem Wettbewerb, der tatsächliche Entscheidungen erfordert. Diese unangenehme Lücke – zwischen dem Anteil an der Infrastruktur, den Agenten bereits kontrollieren, und dem Alpha, das sie beständig nicht generieren – ist der wichtigste Datenpunkt in der Debatte um die „agentische Ökonomie“ im Kryptosektor. Dieser Punkt wurde diesen Monat durch einen Forschungsbericht von DWF Ventures verdeutlicht, der leise ein Jahr voller Marketing-Hype entzaubert.

Coinbase-CEO Brian Armstrong verbrachte das letzte Quartal damit, jedem, der zuhörte, zu erklären, dass die agentische Ökonomie die menschliche Ökonomie überholen wird. Sein Unternehmen veröffentlichte Agentic.market, einen App-Store für KI-Agenten, der bereits 165 Millionen Transaktionen und ein Volumen von 50 Mio. $ über 480.000 Agenten verarbeitet hat. Die These lautet, dass Maschinen über Stablecoins miteinander transagieren werden, da sie keine Bankkonten eröffnen können. Die Mathematik dahinter ist oberflächlich betrachtet unwiderstehlich.

Doch die Daten von DWF legen nahe, dass wir das bloße Volumen der Infrastruktur mit Leistung verwechseln – und diese Unterscheidung ist enorm wichtig für jeden, der entscheidet, wo er 2026 Ausgaben für Infrastruktur, Audits oder Kapital allokiert.

Die 19 %-Schlagzeile verbirgt drei verschiedene Geschäftsbereiche

Wenn die Decrypt-Schlagzeile besagt, dass „KI-Agenten bereits ein Fünftel von DeFi kontrollieren“, was beinhalten diese 19 % tatsächlich?

DWFs eigene Aufschlüsselung – untermauert durch die Berichterstattung von PANews über denselben Bericht – unterteilt die Aktivitäten der Agenten in drei sehr unterschiedliche Kategorien:

1. Eng gefasste extraktive Bots – MEV-Searcher, Sandwich-Attacker, Liquidations-Trigger, Arbitrageure über DEXes hinweg. Dies sind deterministische Programme mit bestenfalls etwas LLM-Logik, und die meisten von ihnen existieren schon Jahre vor dem Begriff „Agent“.
2. Strukturierte Optimierer – Stablecoin-Yield-Router wie ARMA von Giza, das autonom 32 Mio. $ an Nutzervermögen über 102.000 Transaktionen verwaltet hat, sowie Rebalancer, die Gelder zwischen Aave, Morpho und Pendle verschieben, wenn die Zinssätze divergieren. Diese nutzen tatsächlich LLM-Schlussfolgerungen, jedoch innerhalb extrem enger Leitplanken.
3. Offene Trading-Agenten – die Schlagzeilen machenden autonomen Trader, die Stimmungen lesen, Narrative bewerten und direktionale Wetten platzieren. Dies ist der kleinste Teil der 19 % und genau der Teil, der kläglich verliert.

Diese Vermischung ist wichtig, da jede Kategorie ein anderes Nachfrageprofil, einen anderen Fehlermodus und einen anderen Infrastruktur-Fußabdruck hat. Alle drei als „KI-Agenten“ zu zählen, ist in etwa so, als würde man Cron-Jobs, ETL-Pipelines und Senior-Portfolio-Manager gleichermaßen als „automatisierte Entscheidungsträger“ bezeichnen. Technisch korrekt. Operativ bedeutungslos.

Wo Agenten gewinnen: Ertragsoptimierung, mit großem Abstand

Die deutlichsten Siege für Agenten finden genau dort statt, wo das Problem gut definiert und der Optimierungsbereich begrenzt ist.

Der Bericht von DWF – wie von KuCoin zusammengefasst – stellt fest, dass Yield-Optimierungs-Agenten in einigen Kohorten annualisierte Renditen von über 9 % liefern, wobei Giza's ARMA bei USDC 15 % erreichte (teilweise durch Token-Incentives geboostet, aber dennoch). Warum? Weil die Aufgabe darauf reduziert werden kann: Scanne N Kreditmärkte, berechne den Netto-APY nach Gas und Slippage, rebalanciere, wenn das Delta einen Schwellenwert überschreitet. Es gibt kein Narrativ. Es gibt keinen Regimewechsel. Es gibt eine Zahl, und der Agent, der die Zahl optimiert, gewinnt.

Dieselbe Logik gilt für MEV-Erfassung, Stablecoin-Routing und Basis-Trades. Dies sind Probleme, die eine Reaktionslatenz im Subsekundenbereich, emotionslose Stops und eine 24/7-Ausführung belohnen – drei Dinge, in denen Menschen von Natur aus schlecht sind und für die Maschinen optimiert wurden. Der Volumenanteil von 19 % in diesen Nischen ist kein Artefakt des Hypes. Es ist ein realer Effizienzgewinn, den Menschen wahrscheinlich nicht zurückerobern werden.

Die Daten von Coinbase's Agentic.market bestätigen dasselbe Muster: Von den 165 Mio. Transaktionen, die über x402 verarbeitet wurden, sind die dominierenden Kategorien Inferenz, Datenzugriff und Infrastrukturaufrufe – begrenzte, wiederholbare, maschinenfreundliche Aufgaben. Die Agenten sind gut darin, Maschinen zu sein.

Wo Agenten verlieren: Alles, was Urteilsvermögen erfordert

Die 5-zu-1-Lücke zeigt sich in dem Moment, in dem die Aufgabe komplexer wird.

DWF zitiert einen tradexyz-Aktienhandelswettbewerb, bei dem der beste menschliche diskretionäre Trader den besten autonomen Agenten bei der risikobereinigten Rendite um mehr als das Fünffache schlug. Die Autoren des Berichts sagen ganz klar, warum: „Wo sie versagen, ist der offene Handel, der kontextbezogenes Denken, Bewusstsein für Narrative und das Abwägen unstrukturierter Informationen erfordert.“

Analysiert man die Unterlegenheit, treten drei Muster hervor:

• Übermäßiges Trading in Slippage hinein. Agenten fehlt die Geduld, die Menschen natürlicherweise haben, wenn sie auf Setups warten. Sie gehen marginale Trades ein, die sich zu einer Belastung durch Transaktionskosten summieren.
• Regime-Blindheit. Wenn sich die makroökonomische Geschichte ändert – Fed-Pivot, Folgen eines Exploits, regulatorische Schlagzeilen –, positionieren sich Menschen basierend auf einem Tweet innerhalb von Sekunden neu. Agenten, die auf Daten früherer Regimes trainiert wurden, führen weiterhin die Strategie von gestern aus.
• Adversative Anfälligkeit. Vorhersehbare Agenten werden „gesandwicht“. Die Berichterstattung von Cryptollia über die MEV-Landschaft 2026 beschreibt einen „KI-gegen-KI“-Dunklen-Wald, in dem extraktive Agenten gezielt die Muster von Optimierer-Agenten jagen. Die Vorhersehbarkeit des Optimierers wird zum Vorteil des Jägers.

Derselbe DWF-Bericht kommt zu dem Schluss, dass „ein realistischer Zeitrahmen fünf bis sieben Jahre beträgt, bevor das agentische Volumen das menschliche Volumen in einem großen Finanzsektor nennenswert herausfordert.“ Das ist eine bemerkenswerte Prognose von einem Fonds, dessen gesamte Portfolio-These vom Erfolg der Agenten-Adoption abhängt. Wenn die Befürworter von fünf bis sieben Jahren sprechen, lautet die ehrliche Interpretation: „Nicht 2026 und möglicherweise nicht einmal 2028.“

Die Infrastrukturrechnung wird so oder so fällig

Hier ist der Punkt, den die meisten Kommentare zur Agentic Economy übersehen: Die Performance-Lücke ist für die Infrastrukturlast irrelevant.

Selbst wenn jeder autonome Trading-Agent Geld verliert, erzeugen die Agenten, die gewinnen – Yield-Optimierer, MEV-Searcher, Stablecoin-Router – Abfragevolumina, die den RPC-Verbrauch von Menschen in den Schatten stellen. Ein einzelner Agent im ARMA-Stil, der ein Rebalancing über fünf Lending-Protokolle hinweg durchführt, fragt die Chain hunderte Male pro Tag und Nutzer ab. Multipliziert man dies mit den über 17.000 Agenten, die DWF seit 2025 zählt, und dann noch einmal mit den 480.000 Agenten, die jetzt auf x402 von Coinbase transaktieren, ist die Schlussfolgerung klar: Das Abfragevolumen der Agenten kann 10-mal schneller wachsen als ihr verwaltetes Vermögen (AUM).

Dies ist die stille Verschiebung innerhalb des „Agentic“-Narrativs. Die interessanten ökonomischen Kennzahlen hängen nicht davon ab, ob der Agent Alpha generiert – sondern davon, ob der Read-Write-Footprint des Agenten linear mit den Nutzern oder quadratisch mit der Komplexität der Strategie skaliert. Jeder, der die Infrastruktur für diese Systeme betreibt, sieht die Antwort bereits, und sie lautet: „quadratisch“.

Das hat Konsequenzen für das RPC-Pricing, die Indexer-Last, die Kosten für die Mempool-Überwachung und die Gas-Märkte. Selbst eine Zukunft, in der Agenten kollektiv schlechter abschneiden als Menschen beim Trading, ist eine Zukunft, in der Agenten den Read-Traffic, Signing-Requests und Intent-Router-Hops dominieren.

Brian Armstrongs Wette, neu kalibriert

Armstrongs These der Machine-to-Machine-Ökonomie ist nicht falsch. Sie operiert lediglich auf einer anderen Zeitskala, als seine Quartalsprioritäten vermuten lassen.

Coinbases eigene Formulierung – „damit die Agentic Economy die menschliche Wirtschaft überholen kann, benötigen Agenten eine Möglichkeit, Dienste zu entdecken“ – ist ehrlich in Bezug auf die Lücke. Discovery (Entdeckung) ist ein Problem für 2026. Reasoning (logisches Schlussfolgern) ist ein Problem für 2030. Die mittlere Schicht, die von den DWF-Daten erfasst wird, ist der Bereich, in dem heute das echte Geld verdient wird: strukturierte Optimierer in engen Fachbereichen, bezahlt von Nutzern, die ihre Yield-Strategie nicht selbst verwalten wollen.

Die ehrliche Segmentierung für 2026 sieht so aus:

• Produktionsreife, profitable Agenten-Nischen: Stablecoin-Yield-Routing, Cross-Chain-Rebalancing, MEV-resistente Intent-Ausführung, Treasury-Management-Bots für DAOs.
• Mittlere Reife, gemischte Ergebnisse: Social-Sentiment-Trading-Agenten, Prediction-Market-Agenten (wo KI in einigen Studien eine um 27 % bessere Genauigkeit als Menschen erreicht), Narrative-Rotation-Strategien.
• Hype, aber noch kein Alpha: Vollautonome diskretionäre Trader, Multi-Step-Reasoning-Agenten, die direktionale Portfolios verwalten, Orchestrierungsschichten für „Agent-of-Agents“.

Ein Unternehmen, das im Jahr 2026 Kapital in Kategorie eins investiert, kauft ein echtes Produkt. Ein Unternehmen, das Kapital in Kategorie drei investiert, kauft ein Forschungsprojekt, das bis 2030 Renditen abwerfen kann oder auch nicht.

Was das für Builder bedeutet

Für Entwickler und Infrastrukturbetreiber schafft die 19-%-Zahl zwei klare Chancen und eine Falle.

Die Chancen: Bauen Sie für Agenten in begrenzten Domänen, die bereits funktionieren (Stablecoin-Router, Yield-Optimierer, MEV-bewusste Ausführung), und Sie bedienen einen wachsenden Markt mit nachgewiesener Zahlungsbereitschaft. Bauen Sie für den leseintensiven Footprint von Agenten, und Sie bedienen eine Lastkurve, die schneller ansteigt, als es jedes Budget vorgesehen hat.

Die Falle: Das Erstellen von autonomen Trading-Frameworks für den Einsatz im Jahr 2026, wenn die zugrunde liegende Fähigkeitslücke noch fünf bis sieben Jahre vom Schließen entfernt ist. Die Agenten, die heute versprechen, „menschliche diskretionäre Trader zu übertreffen“, verpacken größtenteils dieselben MEV-Strategien neu, die seit 2020 existieren, lediglich mit einem LLM vor dem Gas-Estimator.

Für den Rest des Marktes – Kapitalallokatoren, Treasury-Manager, Retail-Nutzer, die sich fragen, ob sie ihr Portfolio einem Chatbot anvertrauen sollen – ist die Antwort für 2026 die langweilige: Nutzen Sie Agenten dort, wo sie nachweislich gewinnen (Yield, Routing, Ausführung), und nicht dort, wo das Marketing es verspricht.

Die Zahl, auf die es wirklich ankommt

Rechnet man die Optimierungs-Bots, die MEV-Searcher und die Stablecoin-Router heraus, liegt der Anteil des DeFi-Volumens von wirklich autonom denkenden Agenten wahrscheinlich eher bei 2–3 % als bei 19 %. Das ist die Zahl, die es in den nächsten 24 Monaten zu beobachten gilt.

Wenn sie bis Mitte 2027 von 2 % auf 10 % steigt, ist Armstrongs These auf Kurs. Bleibt sie flach, während die breitere 19-%-Zahl weiter steigt – was bedeutet, dass spezialisierte Bots effizienter werden, Reasoning-Agenten aber nicht klüger –, dann ist die Agentic Economy zwar real, aber sie ist eine Geschichte der Backend-Infrastruktur, keine Revolution des Portfoliomanagements.

So oder so haben die Daten das Marketing bereits von der Mathematik getrennt. Die 19-%-Schlagzeile ist wahr. Die 5-zu-1-Lücke ist ebenfalls wahr. Jeder, der auf die Agent-Economy setzt, ohne beide Zahlen im Kopf zu behalten, setzt auf eine Geschichte, der die Verfasser der Forschung bereits widersprechen.

BlockEden.xyz betreibt die Indexer, RPC-Endpunkte und die Intent-Routing-Infrastruktur, auf der agentengesteuertes DeFi läuft – über Sui, Aptos, Ethereum, Solana und mehr als 27 weitere Chains. Erkunden Sie unseren API-Marktplatz, um Agenten auf einer Infrastruktur aufzubauen, die für leseintensive und signaturstarke Workloads ausgelegt ist, wie sie die nächste Welle des autonomen DeFi erfordern wird.