302 Beiträge getaggt mit „KI“

Die dezentrale KI hat fünf Jahre lang damit verbracht, die falsche Frage zu beantworten. Der gesamte Stack — Bittensors Subnetze, Gensyns Trainings-Marktplatz, Ambients Inferenz-Netzwerk, jedes ZKML-Beweissystem — war davon besessen, zu beweisen, dass die Berechnung stattgefunden hat. Ein Miner führte die Inferenz aus. Ein Node trainierte N Stunden lang auf dem richtigen Datensatz. Eine GPU produzierte die behaupteten Logits. Kryptografisch, elegant und teuer verifiziert.

Nichts davon beantwortet die Frage, die ein Einkaufsleiter eines Unternehmens tatsächlich stellt: Taugt das Modell etwas?

Der Launch von Judge durch Gensyn Ende April 2026 ist der erste ernsthafte Versuch, diese Lücke zu schließen. Es ist kein weiterer Konsensmechanismus. Es ist kein weiteres Proof-of-Something. Es ist eine verifizierbare Evaluierungsebene, die „Training hat stattgefunden“ von „Training wurde korrekt durchgeführt“ entkoppelt — und diese Unterscheidung könnte das wichtigste Primitiv sein, das DeAI in diesem Zyklus hervorgebracht hat.

Am 15. Januar 2026 verlor die am stärksten gehypte Kategorie im Kryptosektor über Nacht ihr Ankerprodukt. Kaito – die InfoFi-Referenzimplementierung, mit einem FDV-Spitzenwert von rund 1,2 Mrd. $, die Plattform, die "Yapping" auf X in eine messbare, bezahlbare Aktivität verwandelte – gab die Einstellung von Yaps und der incentivierten Yapper-Bestenlisten bekannt. Der Grund war weder ein Sicherheitsvorfall, noch ein regulatorisches Schreiben oder ein token-ökonomisches Versagen. Es war eine einzige Aktualisierung der Produktrichtlinien von X.

Der Token fiel nach der Nachricht um etwa 17 %. Die offizielle Kaito-Yapper-Community auf X, mit rund 157.000 Mitgliedern, wurde innerhalb weniger Tage gesperrt. Bis April 2026 wird KAITO bei etwa 0,41 $gehandelt, mit einer zirkulierenden Marktkapitalisierung von unter 100 Mio.$ – weit entfernt vom Höchststand. Und dennoch schrumpfte Kaito nicht. Es vollzog einen Pivot. Konsequent. In vier Produkte gleichzeitig: Kaito Pro, Kaito Studio, Capital Launchpad und ein mit Polymarket gepartnertes Attention-Markets-Produkt, das Mindshare als etwas neu definiert, auf das man wettet, anstatt dafür zu posten.

Die Geschichte lautet nicht mehr "Ist Yap-to-Earn cool?". Sie ist etwas interessanteres und unbequemeres: Was passiert, wenn die gesamte Prämisse einer Kategorie – dass Aufmerksamkeit tokenisiert werden kann – davon abhängt, ob eine einzelne zentralisierte Plattform bereit ist, dies messen zu lassen?

Der Auslöser: Eine API-Richtlinie, eine ganze Kategorie unterbrochen​

Die unmittelbare Ursache war eindeutig. Nikita Bier, Produktleiter bei X, kündigte an, dass die Plattform keine Apps mehr zulassen werde, die Nutzer für das Posten belohnen, und führte einen Anstieg von KI-generiertem Spam sowie das an, was er als "InfoFi"-Antwort-Spam bezeichnete. Die Richtlinienänderung wurde eher durch den Entzug des API-Zugriffs als durch eine öffentliche Sperrliste umgesetzt – geräuschloser in der Einführung, schwieriger anzufechten.

Kaitos Reaktion war ebenso klar. Gründer Yu Hu – ein ehemaliger Citadel-Quant, der Kaito als die systematische, für Privatnutzer zugängliche Version von "Talk-to-Earn" entwickelte – gab die Einstellung innerhalb weniger Stunden nach der Richtlinienänderung bekannt. Die Yapper-Bestenliste, die zwei Jahre lang zum dominanten sozialen Ritual von Krypto-Twitter geworden war, war Geschichte.

Zwei Aspekte sind entscheidend dafür, wie sich dies entwickelte:

1. Kaito wurde nicht unvorbereitet getroffen. Der Pivot wurde mit bereits bereitstehenden Ersatzprodukten angekündigt, was darauf hindeutet, dass die interne Notfallplanung bereits seit Monaten aktiv war.
2. Die Liste der Opfer in dieser Kategorie war länger als nur Kaito. Cookie3, GiveRep, Wallchain, Ethos, Mirra – jedes Projekt, dessen Datenschicht von X-Engagement-Signalen abhing, erlitt den gleichen Schock. Kaitos Pivot ist die öffentliche Abrechnung; der Rest findet im Hintergrund statt.

Dies ist der Teil, den das ursprüngliche "InfoFi-Narrativ" nie eingepreist hat. Die These ging davon aus, dass soziale Plattformen neutrale Kanäle zur Messung von Aufmerksamkeit bleiben würden. Das sind sie nicht. Es sind Herausgeber mit Richtlinienabteilungen, und Richtlinienabteilungen betrachten wirtschaftliche Anreize von Drittanbietern, die auf ihre Inhalte aufgesetzt werden, als Konkurrenz zur plattformeigenen Monetarisierung. Die Haltung von X – die im Laufe der Jahre 2024 und 2025 zunehmend restriktiver wurde – wurde Anfang 2026 schließlich absolut.

Was Yaps ersetzte: Vier Produkte, eine Absicherung​

Das Auffälligste an Kaitos Reaktion ist, wie sie den Wirkungsbereich des Unternehmens neu definierte. Yaps war ein einzelnes Produkt mit einem einzigen Vertriebskanal. Das neue Kaito ist ein Portfolio, das explizit so konzipiert wurde, dass keine einzelne Plattformentscheidung das wiederholen kann, was X gerade getan hat.

Kaito Studio: Von erlaubnisfrei zu kuratiert​

Kaito Studio ersetzte die Bestenliste durch einen stufenbasierten, selektiven Creator-Marken-Marktplatz. Es startete im Februar 2026 in der Beta-Phase mit 16 Markenpartnern und erstreckt sich nun über X, YouTube und TikTok in den Bereichen Krypto, Finanzen und KI.

Die strukturelle Verschiebung ist der entscheidende Punkt:

• Yaps war erlaubnisfrei (permissionless). Jeder mit einem X-Konto konnte posten und verdienen.
• Studio ist zugangsbeschränkt (gated). Marken ("Teilnehmende Marken") schalten Kampagnen mit definierten Zielen, Umfang, Zeitplänen, Belohnungsstrukturen und Inhaltsrichtlinien. Creator bewerben sich auf der Plattform – die Eignung wird von Kaito basierend auf Followerzahl, sozialer Reichweite und Impressionen bestimmt – und reichen dann Preisangebote für spezifische Kampagnen ein.

Die InfoFi-Hardliner werden dies als Rückzug vom ursprünglichen Ethos interpretieren. Das ist nicht falsch, aber es geht am Kern der Sache vorbei. Erlaubnisfreie Aufmerksamkeitsmärkte können nicht auf Plattformen existieren, deren Bedingungen sie verbieten. Kaito Studio tauscht das offene Ethos gegen Überlebensfähigkeit ein: Ein kuratierter Marktplatz sieht einem traditionellen Influencer-Marktplatz ähnlich genug, um nicht den API-Richtlinien-Reflex auszulösen, der Yaps getötet hat.

Capital Launchpad: Das stille Arbeitstier​

Capital Launchpad ist der am meisten unterschätzte Teil des neuen Kaito. Es ist eine leistungsorientierte Token-Verkaufsplattform – explizit positioniert gegen die FCFS-Zuteilung (First-Come-First-Served), das Modell, das jeden größeren Launchpad-Verkauf in einen von Bots dominierten Rausch verwandelt hat.

Die Zuteilung erfolgt nach fünf Kriterien: soziale Reputation innerhalb der Krypto-Community, On-Chain-Bestände (nicht auf KAITO beschränkt), historische Übereinstimmung mit dem Projekt oder Sektor, regionale Verteilung und Überzeugungsgrad. Mechanisch gesehen: Das Projekt legt die Bedingungen fest, Teilnehmer leisten eine Anzahlung, das Projekt prüft die Zusagen anhand der Kriterien, und jeder nicht zugewiesene Betrag wird für FCFS geöffnet. Die Teilnahme erfordert KYC und USDC auf Base.

Warum das wichtig ist: Capital Launchpad hängt nicht von X. Es hängt von On-Chain-Daten und Kaitos eigenem Reputationsgraphen ab – beides Dinge, die Kaito kontrolliert. Wenn Yaps der Motor für das Nutzerwachstum war, dann ist Capital Launchpad das Produkt für institutionelle Einnahmen und bemerkenswerterweise der einzige Teil von Kaitos Stack, der jedes Szenario auf sozialen Plattformen unverändert überlebt.

Attention Markets mit Polymarket: Vom Posten zum Wetten​

Die im Februar 2026 angekündigte Partnerschaft mit Polymarket ist der strategisch interessanteste Schachzug. Kaito + Polymarket starteten sogenannte „Attention Markets“ (Aufmerksamkeitsmärkte) – Prognosemärkte, auf denen Nutzer auf die Marktpräsenz (Mindshare) und das Sentiment von Marken, Trends und Personen des öffentlichen Lebens wetten können, wobei die Daten von Kaito Signale über X, TikTok, Instagram und YouTube hinweg aggregieren.

Bis zum 11. Februar 2026 gingen zwei Märkte live. Bis zum 31. März verzeichnete Polymarkets eigener Mindshare-Pilotmarkt ein Handelsvolumen von über 1,3 Mio. $. Der Plan: Dutzende von Attention Markets Anfang März, „Hunderte bis zum Jahresende“, zuerst KI-Themen, dann Unterhaltung und Weltereignisse.

Die Logik hinter dem Pivot ist elegant, wenn man sie erst einmal versteht:

• Yaps erforderte von X, dass Kaito Posts incentivieren darf. X sagte nein.
• Attention Markets erfordern von Kaito nur, Posts zu messen. Messung ist eine weitaus geringere Anforderung – sie übersteht die meisten Plattform-Richtlinien, da keine Incentive-Ebene an das Nutzerverhalten auf der Plattform selbst gekoppelt ist.
• Die ökonomische Aktivität verlagert sich zu Polymarket, wo das Wetten das gesamte Geschäftsmodell der Plattform darstellt und keine tolerierte Externalität ist.

Dies ist Plattform-Risiko-Arbitrage in Produktform. Kaito behielt die Datenschicht (Mindshare-Messung) und lagerte die Spekulationsschicht (Prognosemärkte) an einen Ort aus, der Spekulation ausdrücklich wünscht. Brillant – vorausgesetzt, es gibt einen großen Vorbehalt bezüglich der Datenintegrität, auf den wir noch zu sprechen kommen.

Kaito Pro und Kaito Markets: Der Long Tail​

Kaito Pro, der KI-Forschungsassistent für Krypto-Trader und Analysten, wird als B2B-Produkt im SaaS-Stil fortgeführt. Kaito Markets wurde angekündigt, ist aber noch nicht gestartet. Zusammen erweitern sie das Unternehmen hin zu einem Stack, der eher nach einem „Bloomberg für Krypto“ aussieht als nach dem Consumer-Attention-Game, als das es begann.

Die wahre Lektion: InfoFi ist ein Hosted Sector​

Die schmerzhafte Wahrheit, die Kaitos Pivot für die gesamte InfoFi-Kategorie offenlegt, ist struktureller Natur.

Das Versprechen lautete: Aufmerksamkeit hat einen wirtschaftlichen Wert, Blockchains können diese messen und belohnen, daher kann Aufmerksamkeit als Primitiv tokenisiert werden. Dieser Ansatz setzte stillschweigend voraus, dass die Plattformen, auf denen Aufmerksamkeit stattfindet, neutrale Messsubstrate bleiben würden.

Das sind sie nicht. Sie sind wettbewerbsorientierte Produkte mit eigenen Monetarisierungs-Stacks. Ein realistisches Denkmodell ist, dass InfoFi-Plattformen nicht auf sozialen Netzwerken aufbauen, sondern innerhalb dieser – nach dem Ermessen des Gastgebers. Das ändert das Risikoprofil des gesamten Sektors:

• Cookie3 baute auf der Cookie DAO-Dateninfrastruktur und modularen Analysen für die Agent-Economy auf – dieselbe Abhängigkeit von Scraping durch Drittanbieter.
• Grass umgeht das API-Problem, indem es Nutzer für private Bandbreite bezahlt, die KI-Scraper antreibt ($ GRASS belohnt das Teilen von Bandbreite, derzeit ein Token im Wert von mehreren hundert Millionen Dollar). Es ist eine echte Absicherung, aber auch ein viel kleinerer Teil der gesamten Angriffsfläche.
• Vana entzieht sich dem Problem durch nutzereigene Daten-DAOs – aber die Daten müssen per Opt-in bereitgestellt werden, was die Zielgruppe viel kleiner macht als den organischen Graphen von X.
• Wayfinder (PROMPT), Ethos, Wallchain, GiveRep, Mirra – alle hängen in irgendeiner Form von Signalen von X oder vergleichbaren Plattformen ab.

Jedes dieser Projekte hat ein unterschiedliches Fragilitätsprofil, aber das gemeinsame Muster ist: Je geringer die Abhängigkeit von einer einzelnen geschlossenen API, desto kleiner ist tendenziell die adressierbare Zielgruppe. Es gibt einen harten Kompromiss zwischen der Skalierbarkeit messbarer Aufmerksamkeit und der Widerstandsfähigkeit gegenüber Plattform-Entscheidungen – und die beiden Enden dieses Kompromisses sind nicht dasselbe Geschäft.

Wurde der $ KAITO Token fair bestraft?​

Der Markt hat dies schnell eingepreist. Von einem FDV-Spitzenwert von fast 1,2 Mrd. $auf dem Höhepunkt des Yaps-Hypes schrumpfte KAITO bis Anfang Februar 2026 auf eine Marktkapitalisierung von etwa 74 Mio.$. Bis April 2026 hat er sich auf eine Marktkapitalisierung von ca. 98 Mio. $(407 Mio.$ FDV) erholt, bei einem umlaufenden Angebot von 241 Mio. von maximal 1 Mrd. Token. Das ist keine InfoFi-Erholung – das ist ein Reset.

Einige bemerkenswerte Punkte:

• Der Token-Nutzen hat sich verschoben, ist aber nicht verschwunden. Yaps koppelte KAITO an Leaderboard-Belohnungen. Die neue Utility umfasst Governance über Capital Launchpad-Allokationen, einen Anteil am Kaito Studio-Gebührenfluss und die Integration in die Datenlizenzierung von Attention Markets. Nichts davon ist so viral wie „Posten und Verdienen“, aber es ist auch weitaus weniger plattformabhängig.
• Die Cashflows des Capital Launchpad sind real. Eine leistungsbasierte Allokation, die KYC und USDC-Zusagen erfordert, generiert jedes Mal Einnahmen, wenn ein Projekt gelistet wird. Wenn Kaito 1 bis 2 Launches pro Monat mit signifikantem TVL aufrechterhält, ist das ein wiederkehrender Einnahmestrom, der im alten Yaps-Modell nicht existierte.
• Polymarket wird durch Polymarket limitiert. Die Einnahmen aus Attention Markets hängen von der Bereitschaft von Polymarket ab, das Format zu skalieren. Kaito erhält einen Partneranteil, ist aber nicht der Betreiber.

Die unbeantwortete Frage ist, ob die Aufmerksamkeitsmessung, verkauft als B2B-Datenprodukt an Marken und Trader, ein Geschäft mit einer Marktkapitalisierung von 100 Mio. $oder über 1 Mrd.$ ist. Die aktuelle Antwort des Marktes lautet: „Wir wissen es noch nicht, irgendwo dazwischen.“

Das Datenintegritäts-Problem, das niemand lösen will​

Die Partnerschaft mit Polymarket weist eine große Schwachstelle auf, die mehr Aufmerksamkeit verdient, als sie bekommt: Wenn Auszahlungen von Social-Media-Metriken abhängen, ist künstliches Engagement ein Auszahlungsvektor.

Der Kauf von Bot-Traffic ist günstig. Die Koordinierung von Influencer-Kampagnen ist normal. Das Manipulieren algorithmusgesteuerter Trending-Feeds ist ein bekanntes Handwerk. Attention Markets zahlen auf Basis von Zahlen aus, die – nach Kaitos eigenem Eingeständnis – von externen Plattformen aggregiert werden, deren Anti-Spam-Systeme an guten Tagen unvollkommen sind.

Kaito und Polymarket haben bisher nicht öffentlich dargelegt, wie sie Streitigkeiten beilegen wollen, wenn ein Markt auf Basis eines manipulierten Mindshare-Signals schließt. Die naheliegenden Antworten sind eine Kombination aus: KI-gesteuerter Anomalieerkennung, Oracle-Redundanz, manuellen Eingriffen durch die UMA-ähnliche Dispute-Schicht von Polymarket und wahrscheinlich das spätere Entstehen einer „Verified Mindshare“-Stufe, deren Bereitstellung mehr kostet.

Bis dahin sind Attention Markets ein legitimes Ziel für dieselben Strategien aus koordiniertem Handel und koordiniertem Engagement, die es bereits in Krypto-Einflusskampagnen gibt. Der erste Attention Market mit einem Volumen von 1 Mio. $, der auf Basis einer manipulierten Metrik schließt, wird ein kategorieprägendes Ereignis sein – im Guten wie im Schlechten.

Was das für Entwickler bedeutet​

Drei Erkenntnisse aus dem Pivot von Kaito, die sich über den InfoFi-Sektor hinaus verallgemeinern lassen:

1. Wenn Ihr Produkt von einer geschlossenen API abhängt, betrachten Sie es als ein Mietverhältnis, nicht als eine Integration. Mieter werden vor die Tür gesetzt. Planen Sie das ein.
2. Pivots, die in Tagen vollzogen werden, deuten auf Pivots hin, die über Monate geplant wurden. Kaitos Geschwindigkeit bei der Einführung des Ersatzprodukts ist ein klares Zeichen – der Notfallplan war bereits aktiv, bevor der Auslöser eintrat.
3. Der am besten verteidigungsfähige Teil jedes Aufmerksamkeitsgeschäfts sind die Daten, nicht der Vertrieb. Yaps war der Vertrieb; Capital Launchpad und Attention Markets sind die Datenschichten, die auf andere Weise monetarisiert werden. Die Daten haben überlebt. Der Vertrieb nicht.

Für Entwickler, die in angrenzenden Bereichen bauen – Agentenplattformen, Reputationssysteme, On-Chain-Identität –, besteht die Lektion darin, Ihren dauerhaften Wert an Daten und Infrastruktur zu verankern, die Sie kontrollieren, und jeden externen Social Graph als Feature und nicht als Fundament zu betrachten. BlockEden.xyz bietet eine zuverlässige API-Infrastruktur für über ein Dutzend Chains, sodass die Teile Ihres Stacks, die On-Chain-Daten berühren, kein zusätzliches Plattform-Abhängigkeitsrisiko zu den unvermeidbaren Risiken hinzufügen.

Hat die Aufmerksamkeitsökonomie überlebt?​

Die ehrliche Antwort: Ja, aber kleiner und zu anderen Bedingungen.

Die maximalistische Version von InfoFi – erlaubnisfrei, Ranglisten-gesteuert, jeder Tweet eine Werteinheit – ist in ihrer Form von 2024–2025 tot. Kaitos Pivot ist die Beerdigung. Was an ihre Stelle tritt, ist langweiliger und wahrscheinlich langlebiger: kuratierte Creator-Marktplätze, Prognosemärkte für soziale Signale, leistungsorientierte Kapitalallokation und B2B-Analyseprodukte. Weniger erzählerisches Drehmoment, mehr wiederkehrende Einnahmen.

Die Kategorie wandelte sich von „wir tokenisieren die Aufmerksamkeit selbst“ zu „wir verkaufen Tools, die mit Aufmerksamkeitsdaten arbeiten“. Das ist eine Reduktion. Es ist aber auch näher an einem echten Geschäft.

Für die nächste Welle von Entwicklern, die tokenisierte soziale Primitive verfolgen, sollte die Ankündigung von Kaito vom 15. Januar Pflichtlektüre sein. Die These, dass Aufmerksamkeit einen wirtschaftlichen Wert hat, war richtig. Sie war falsch in der Frage, wer diesen Wert abschöpfen darf. Jeder, der auf dem Social Graph eines anderen aufbaut, baut am Ende innerhalb eines Mietverhältnisses ohne Mietvertrag.

Das InfoFi-Narrativ ist nicht am Ende. Aber sein Schwerpunkt hat sich vom Tweet zum Trade verschoben – vom Posten zum Wetten, vom „Yapping“ zur Allokation. Das bietet der X-Richtlinie viel weniger Angriffsfläche für die nächste Störung. Und genau das ist letztlich der Sinn des gesamten Pivots.

In zwei Jahren könnte der menschliche Nutzer auf Solana zu einem Rundungsfehler werden.

Das ist keine Metapher. Das ist die explizite Prognose von Vibhu Norby, Chief Product Officer bei der Solana Foundation, der dem Branchenpublikum im März 2026 erklärte, dass „99,99 % aller On-Chain-Transaktionen in 2 Jahren von Agenten, Bots sowie LLM-basierten Wallets und Handelsprodukten gesteuert werden“. In einem separaten Interview weitete er die Spanne leicht auf „95 bis 99 % aller Transaktionen“ aus, die von großen Sprachmodellen (LLMs) stammen, die im Namen eines Nutzers handeln. So oder so bleibt die Botschaft dieselbe: Die Ära, in der Menschen in einem Wallet-Pop-up auf „Transaktion signieren“ klicken, geht zu Ende, und Solana baut für die Ära, die danach kommt.

Dies ist die aggressivste Vision eines agentischen Internets, die jemals ein führendes Layer-1-Protokoll offiziell geäußert hat. Die Reaktion von Ethereum bestand darin, Standards zu liefern – ERC-8004 für die Identität von Agenten, ERC-8183 für vertrauenslosen Agenten-Handel. Solanas Antwort war es, Durchsatz zu liefern und eine skill.txt im Stammverzeichnis seiner Website zu hinterlegen, damit KI-Agenten sie lesen und herausfinden können, wie sie selbstständig ein Wallet erstellen. Die beiden Ansätze offenbaren mehr als nur eine Marketing-Rivalität. Sie zeigen eine tiefgreifende philosophische Spaltung darüber auf, worauf eine „agentische“ Blockchain optimiert sein sollte.

KI-Agenten wickeln mittlerweile etwa 19 % aller On-Chain-DeFi-Aktivitäten ab. Allein die BNB Chain beherbergt mehr als 150.000 bereitgestellte Agenten – ein Anstieg von weniger als 400 zu Jahresbeginn, was einem Zuwachs von 43.750 % in weniger als vier Monaten entspricht. Bots generieren über 76 % des Transfervolumens von Stablecoins, und Gartner erwartet, dass bis Ende 2026 etwa 40 % der Unternehmensanwendungen aufgabenspezifische KI-Agenten einbetten werden.

Es gibt nur ein Problem: Niemand weiß, wer diese Agenten sind. KYC wurde entwickelt, um Menschen zu verifizieren. Die Compliance-Frameworks des nächsten Jahrzehnts müssen autonome Software verifizieren – und der Standard, der diesen Kampf gewinnt, wird stillschweigend eines der größten regulatorischen Vertikale im Finanzdienstleistungssektor besetzen. a16z nennt es KYA: Know Your Agent.

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.

Zum ersten Mal in der kurzen Geschichte der KI hat ein Hyperscaler die Schlüssel zu seinem Flaggschiff unter den großen Sprachmodellen an eine Blockchain übergeben. Am 21. April 2026 gaben die 0G Foundation und Alibaba Cloud eine Partnerschaft bekannt, die Qwen – die weltweit am häufigsten heruntergeladene Open-Source-LLM-Familie – für autonome Agenten direkt on-chain aufrufbar macht. Dabei wird die Inferenz in Token anstatt über API-Keys abgerechnet.

Lies das noch einmal. Keine Registrierung. Keine Kreditkarte. Kein Formular für Rate-Limits. Ein Agent mit einer Wallet kann einfach Qwen3.6 aufrufen und pro Million Token in $0G bezahlen, genau wie ein Smart Contract einen Uniswap-Pool aufruft. Diese einzige architektonische Änderung – die Behandlung der Inferenz von Basismodellen als programmierbare Ressource statt als SaaS-Produkt – könnte die folgenreichste Krypto-KI-Geschichte des Jahres sein.

In denselben drei Wochen, in denen der Bittensor-Mitbegründer Const vorschlug, die Stimmrechte des Netzwerks neu zu schreiben, und Covenant AI sich von seinen drei Flaggschiff-Subnetzen zurückzog, hat ein leiseres Ereignis die Zukunft des Protokolls noch tiefgreifender verändert: Am 2. April 2026 übertrug die Opentensor Foundation das Eigentum an neun Kern-GitHub-Repositories — einschließlich des Bittensor Python SDK und des btcli-Befehlszeilentools — an eine neue Einheit namens Latent 11.

Die Übergabe wurde als Dezentralisierung dargestellt. In der Praxis konzentriert sie die Kontrolle über die einzige Client-Implementierung von Bittensor in einer einzigen neuen Organisation, genau in dem Moment, in dem die Governance des Netzwerks auseinanderfällt. Es ist die seltene Krypto-Geschichte, in der jede plausible Lesart — bullisch, bärisch und existenziell — davon abhängt, was in den nächsten sechs Monaten passiert.

Im März 2026 trainierten ein paar Dutzend anonyme Miner über private Internetverbindungen ein Sprachmodell mit 72 Milliarden Parametern, das in puncto Leistungsfähigkeit fast an Metas Llama 2 70B heranreichte. Sechs Wochen später warf das Team, das diese Bemühungen leitete, das Handtuch, stieß TAO im Wert von 10 Millionen $ ab und bezeichnete die Dezentralisierung von Bittensor als „Theater“. Nun will die verbliebene Community es noch einmal wissen – im vierzehnfachen Maßstab, in etwa vier Wochen, wobei die gesamte These der dezentralen KI vom Ergebnis abhängt.

Dies ist die Geschichte, wie Bittensors Subnet 3 – nach dem Ausstieg von Covenant AI kürzlich in Teutonic umbenannt – sich selbst von einem Trainingslauf mit 1 Billion Parametern überzeugte, der zeitlich genau in das Zeitfenster der SEC-Prüfung für den TAO ETF von Grayscale fällt. Es ist eine Wette darauf, dass die Incentive-Ebene des Protokolls wichtiger ist als die Menschen, die es entwickelt haben, und dass dasselbe Netzwerk, das eine Governance-Krise überlebt hat, den „DeepSeek-Moment“ für dezentrale KI liefern kann, bevor die Regulierungsbehörden entscheiden, ob sie die Wall Street einsteigen lassen.

Wie ein 72B-Modell zum Maßstab für erlaubnisfreie KI wurde​

Die Geschichte beginnt am 10. März 2026, als Subnet 3 – das damals unter dem Namen Templar firmierte – Covenant-72B ankündigte, ein Modell mit 72 Milliarden Parametern, das auf etwa 1,1 Billionen Token von mehr als 70 unabhängigen Minern trainiert wurde, die sich über das öffentliche Internet koordinierten. Es war mit großem Abstand der größte dezentrale LLM-Pre-Training-Lauf, der jemals abgeschlossen wurde.

Der entscheidende Benchmark: ein MMLU-Score von 67,1, womit Covenant-72B in der gleichen Liga spielt wie Metas Llama 2 70B – ein Modell, das von einem der bestfinanzierten KI-Labore des Planeten entwickelt wurde. NVIDIA-CEO Jensen Huang verglich das Projekt öffentlich mit einem „modernen folding@home für KI“. Der Subnet-Token von Templar schoss in die Höhe und erreichte in der Spitze eine Marktbewertung von über 1,5 Milliarden $.

Der technische Durchbruch war nicht die Modellarchitektur. Es war die Koordinationsschicht. Zwei Komponenten leisteten die Hauptarbeit:

• SparseLoCo, ein kommunikationseffizienter Trainingsalgorithmus, der die Bandbreitenanforderungen zwischen den Knoten durch Sparsification, 2-Bit-Quantisierung und Error Feedback um das 146-fache reduzierte. Ohne ihn wäre ein Trainingslauf dieser Größenordnung über privates Internet physisch unmöglich – allein der Gradientenabgleich würde die Verbindung jedes Miners auslasten.
• Gauntlet, Bittensors Blockchain-validiertes Anreizsystem, das den Beitrag jedes Miners über Loss-Evaluierung und OpenSkill-Rankings bewertet, TAO an die qualitativ hochwertigen Knoten auszahlt und den Rest kürzt (Slashing).

Zusammen ergaben sie etwas völlig Neues: ein erlaubnisfreies Netzwerk aus anonymen Mitwirkenden, die sich ausschließlich über kryptografische Anreize koordinieren und ein Modell trainieren, das mit den Ergebnissen von Milliarden-Dollar-Laboren konkurrenzfähig ist.

Dann brach es zusammen.

Der Covenant-Abgang: 900 Millionen $ in zwölf Stunden vernichtet​

Am 10. April 2026 gab Sam Dare – Gründer von Covenant AI, dem Team hinter drei der wertvollsten Subnets von Bittensor (SN3 Templar, SN39 Basilica und SN81 Grail) – seinen Rücktritt bekannt. Innerhalb weniger Stunden liquidierte er etwa 37.000 TAO, rund 10,2 Millionen $, und veröffentlichte eine Abschiedsanklage: Mitbegründer Jacob Steeves („Const“) übe eine zentralisierte Kontrolle über das Protokoll aus, und die Dezentralisierung von Bittensor sei Performance, keine Architektur.

Die Marktreaktion erfolgte prompt. TAO stürzte je nach Messzeitraum um 20–28 % ab, wodurch innerhalb von 12 Stunden rund 650–900 Millionen $an Marktkapitalisierung vernichtet wurden. Die Alpha-Token der Subnets traf es noch härter – Grail (SN81) lag am Tiefpunkt **67$ wurden liquidiert.

Zwei Fakten dämpften die Panik:

1. Die Subnets starben nicht. Community-Miner starteten SN3, SN39 und SN81 basierend auf Open-Source-Code ohne zentralen Betreiber neu. Die von Covenant errichtete Infrastruktur war tatsächlich aus den öffentlichen Artefakten wiederherstellbar – was wohl die Dezentralisierungsthese beweist, die Dare bestritten hatte.
2. 70 % des TAO-Bestands blieben während der Turbulenzen gestakt. Langfristige Inhaber folgten Dare nicht zum Ausgang.

Aber das Netzwerk hatte ein Glaubwürdigkeitsproblem. Wenn Covenant – das Team, das den wichtigsten technischen Erfolg von Bittensor geliefert hat – auf dem Höhepunkt aussteigen und den Token zum Absturz bringen konnte, was hindert den nächsten Subnet-Betreiber daran, dasselbe zu tun?

Der Conviction-Mechanismus: Bindung derer, die gehen können​

Die Antwort von Const erfolgte am 20. April 2026, zehn Tage nach Dares Abgang. BIT-0011, bezeichnet als Conviction-Mechanismus, schlägt ein Locked-Stake-Regime vor, das Subnet-Eigentümer dazu zwingt, TAO für Monate oder Jahre festzuschreiben, im Austausch für einen „Conviction Score“, der mit Stimmrechten und Subnet-Eigentum verknüpft ist.

Die Mechanik:

• Der Conviction Score beginnt bei 100 % und nimmt in 30-Tage-Intervallen ab, wenn die Token nicht wieder in den Lock-up eingezahlt werden.
• Stimmkraft und Eigentumsrechte sinken im Gleichschritt mit dem Verfall, was eine plötzliche Kapitalflucht wirtschaftlich kostspielig macht, statt nur peinlich zu sein.
• Das System zielt zuerst auf die gereiften Subnets ab – SN3, SN39 und SN81 – genau die drei, die Covenant betrieb.

Der bittere Scherz: BIT-0011 wurde Berichten zufolge von Sam Dare selbst vor seinem Abgang entworfen. Der scheidende Gründer schrieb die Regeln, die verhindern sollen, dass Gründer gehen.

Der Vorschlag adressiert eine reale strukturelle Schwäche – Subnet-Betreiber konnten zuvor Positionen ohne Governance-Strafe abstoßen –, konzentriert aber auch die Macht in den Händen der langfristigen Anleger, was eine eigene Form der Zentralisierung darstellt. Ob dies der richtige Kompromiss ist, hängt davon ab, was man für das Hauptrisiko von Bittensor hält: das Abwandern von Gründern oder eine oligarchische Übernahme.

Teutonic und der Billionen-Parameter-Moonshot​

Vor diesem Hintergrund hat sich das umbenannte Teutonic-Subnetz (SN3, ehemals Templar) öffentlich zu einem dezentralen Trainingslauf mit 1 Billion Parametern für Mitte bis Ende Mai 2026 verpflichtet. Das entspricht etwa dem 14-fachen Umfang von Covenant-72B auf derselben grundlegenden Architektur, jedoch mit einem von der Community wiederhergestellten Team anstelle der ursprünglichen Covenant-Ingenieure.

Das strategische Timing ist unübersehbar. Grayscale reichte am 2. April 2026 bei der NYSE Arca den S-1-Änderungsantrag für den Spot-Bittensor Trust ETF (vorgeschlagenes Tickersymbol GTAO) ein. Das Entscheidungsfenster der SEC wird derzeit für August 2026 erwartet. Ein erfolgreicher Trainingslauf mit 1 Billion Parametern im Mai würde genau auf den Höhepunkt der Beratungen der Aufsichtsbehörden fallen — exakt zu dem Zeitpunkt, an dem die Frage „Handelt es sich um eine echte Technologie oder ein Meme?“ zur entscheidenden Belastungsprobe wird. Grayscale hat die Gewichtung von TAO innerhalb seines breiteren KI-Fonds bereits am 7. April auf 43,06 % erhöht, was die größte Umschichtung in einen einzelnen Vermögenswert darstellt, die dieser Fonds jemals vorgenommen hat.

Das Bull-Case-Szenario schreibt sich von selbst: Veröffentliche ein glaubwürdiges dezentrales Modell mit 1 Billion Parametern, werde zum „DeepSeek-Moment“, den die ETF-Zulassung benötigt, um institutionelle Zuflüsse zu rechtfertigen, und bewerte die gesamte Kategorie der dezentralen KI innerhalb eines Quartals neu.

Der Bear-Case liegt im Engineering, nicht im Marketing.

Warum die Skalierung von dezentralem Training schwierig ist (auf eine Weise, mit der Frontier-Labs nicht konfrontiert sind)​

Zentralisierte 1T+ Modelle — GPT-5, Claude 4.7 Opus, Gemini 2.5 Ultra — werden in Einrichtungen trainiert, in denen jede GPU mit jeder anderen GPU über speziell entwickelte Fabrics wie NVLink und InfiniBand verbunden ist, mit Latenzen im Sub-Mikrosekundenbereich und Bandbreiten im Terabit-pro-Sekunde-Bereich. Selbst unter diesen Bedingungen ist die Gradientensynchronisation der Engpass. Veröffentlichte Forschungsergebnisse zeigen konsistent, dass über 90 % der LLM-Trainingszeit für die Kommunikation anstatt für die Berechnung aufgewendet werden können, wenn die Skalierung naiv erfolgt.

Die Miner von Teutonic koordinieren sich über WAN-Latenzen von ~ 100 ms über herkömmliche Internetanschlüsse. Der einzige Grund, warum Covenant-72B überhaupt möglich war, ist die 146-fache Kompression des Kommunikationsvolumens durch SparseLoCo. Der Vorstoß auf 1 Billion Parameter verändert die Kalkulation auf drei unangenehme Arten:

1. Die Gradientengröße skaliert annähernd linear mit der Anzahl der Parameter. Ein 14-mal größeres Modell bedeutet 14-mal so viele Daten, die pro Schritt synchronisiert werden müssen, noch bevor der Optimizer-Status berücksichtigt wird.
2. Der Koordinationsaufwand zwischen den Knoten skaliert historisch gesehen superlinear zur Anzahl der Worker. Wenn Teutonic seinen Node-Pool von ~ 70 auf ~ 256 verdoppelt, verdoppeln sich die All-Reduce-Kommunikationskosten nicht nur — sie können je nach Topologie um das 4- bis 10-fache ansteigen.
3. Ausfallmodi potenzieren sich. Wenn ein Knoten mitten im Schritt in einem Netzwerk mit 70 Knoten ausfällt, ist dies ein kleines Slashing-Ereignis. In einem Netzwerk mit 256 Knoten, das 14-mal größere Gradienten verarbeitet, kann derselbe Ausfall die gesamte Trainingsrunde zum Stillstand bringen.

Nichts davon ist unlösbar. Es gibt eine Reihe von Forschungsarbeiten zum dezentralen Training — heterogenes Pre-Training mit geringer Bandbreite, FusionLLM, Überlappung von Kommunikation und Berechnung, verzögerte Gradientenkompensation —, die genau auf dieses Szenario abzielen. Aber fast alle davon wurden bisher nur im Bereich von 7B bis 70B Parametern validiert. Ein Trainingslauf mit 1 Billion Parametern auf geografisch verteilter Standardhardware wäre an sich schon ein Forschungsbeitrag und nicht nur ein Produktlaunch.

Die ehrliche Einschätzung: Teutonic nimmt eine technische Herausforderung auf Forschungsniveau mit einer Deadline auf Marketingniveau an. Entweder es funktioniert und wird zum Glaubwürdigkeitsereignis, das das gesamte dTAO-Ökosystem benötigt, oder es scheitert öffentlich während des aufmerksamsten Prüfungsfensters der SEC.

Die Landschaft des dezentralen KI-Trainings, in der Teutonic bestehen muss​

Teutonic ist nicht das einzige Projekt, das versucht, den Meilenstein der „glaubwürdigen dezentralen 1 Billion Parameter“ im Jahr 2026 zu erreichen. Die Wettbewerbslandschaft füllt sich schnell:

• Gensyn startete sein Mainnet am 22. April 2026 — am selben Tag, an dem dieser Artikel erscheint — und kombinierte den Start mit Delphi Markets, einer KI-gesteuerten Matching-Ebene für Rechenaufträge. Bis zum Ende des Tages meldete Gensyn eine Hashrate, die mehr als 5.000 NVIDIA H100s entspricht. Während Bittensor auf erlaubnisfreie Koordination plus ein Token-Incentive-Schwungrad setzt, positioniert sich Gensyn als verifizierbarer KI-Rechenmarktplatz mit kryptografischen Nachweisen für die korrekte Ausführung.
• Ritual ist den umgekehrten Weg gegangen und konzentriert sich eher auf Inferenz statt auf Training. Die Infernet-Technologie ermöglicht es jedem Smart Contract, eine KI-Ausgabe anzufordern und einen kryptografischen Nachweis zu erhalten, dass das spezifizierte Modell unverändert verwendet wurde. Das ist die These der „verifizierbaren KI in DeFi“ und nicht die der „Frontier-Modelle von Grund auf trainieren“.
• Ambient und Origins Network setzen auf angrenzende Bereiche — unterschiedliche Incentive-Designs, unterschiedliche Verifizierungsstrategien, aber das gleiche langfristige Ziel, das Monopol der zentralisierten Labs auf das Training von Frontier-Modellen zu brechen.

Diese Projekte konkurrieren nicht direkt um denselben Meilenstein, aber sie alle konkurrieren um denselben begrenzten Pool an Aufmerksamkeit und Kapital. Wenn das Mainnet von Gensyn durch kommerzielle Workloads das Narrativ „dezentrale KI ist hier“ besetzt, wird der Trainingslauf von Teutonic im Mai zu einem Referendum darüber, ob der spezifische Ansatz von Bittensor — Subnetz-Wettbewerb plus Token-gewichtete Anreize — die richtige Architektur ist oder die erste Iteration, die überholt wird.

Warum dies über TAO hinaus wichtig ist​

Drei Dinge werden in den nächsten vier bis sechs Wochen gleichzeitig getestet:

Ob dezentrales Training skaliert. Wenn Teutonic erfolgreich ist, bleibt die These vom „Bitcoin des dezentralen KI-Computings“ bestehen. Sollte es scheitern, wird der Ausstieg von Covenant als der Moment gedeutet, in dem das Subnetz-basierte Training seinen Höhepunkt erreichte – eine 72B-Obergrenze anstelle eines 72B-Fundaments.

Ob der Conviction-Mechanismus die richtige Governance-Lösung ist. Das Binden von Subnetz-Betreibern verhindert einen weiteren Dump im Stil von Covenant, schafft jedoch einen neuen Fehlermodus, in dem sich langfristig Sperrende festsetzen können. Das Modell der verteilten Maintainer von Bitcoin Core, die kontinuierliche zentralisierte Kernentwicklung von Solana Labs und die Konzentration von Mysten Labs bei Sui sind drei verschiedene Antworten auf dieselbe Frage – ob Protokollkomplexität einen starken zentralen Maintainer erfordert, dem die Community vertrauen muss. Bittensor führt nun seine eigene Version dieses Experiments in Echtzeit durch.

Ob das ETF-Fenster dezentrale KI dazu zwingt, nach dem Zeitplan von TradFi zu liefern. Das Entscheidungsfenster der SEC im August ist eine harte Deadline für ein Narrativ, das eher ein „DeepSeek-Moment“ als ein „interessantes Forschungsprojekt“ sein möchte. Dies ist entweder eine gesunde Triebfeder oder ein Rezept für überhöhte Versprechungen – je nachdem, was geliefert wird.

Für Entwickler, die das Geschehen von der Infrastrukturseite aus beobachten, ist das zugrunde liegende Signal einfacher: KI-Agenten und dezentrale Trainingsnetzwerke stehen kurz davor, eine neue Stufe der On-Chain-Abfragelast zu erzeugen – Modellregister-Abfragen, Attestierungsnachweise, Gradient-Checkpoint-Hashes, Subnetz-Leistungsdaten –, die nicht nahtlos in das auf menschliche Nutzer ausgerichtete dApp-Muster passen, für das die bestehende RPC-Infrastruktur entwickelt wurde.

BlockEden.xyz bietet RPC- und Indexierungs-Infrastruktur auf Enterprise-Niveau für über 27 Chains für Teams, die den AI-meets-Crypto-Stack aufbauen. Entdecken Sie unseren API-Marktplatz, um auf Infrastrukturen zu entwickeln, die sowohl für menschlichen als auch für maschinellen Datenverkehr ausgelegt sind.

Quellen​

• Bittensors SN3 schließt den historisch größten dezentralen LLM-Pretraining-Lauf ab — AInvest
• Bittensors Templar-Subnetz schließt das erste dezentrale LLM-Training auf Frontier-Niveau ab — 800.works
• Bittensor Covenant-72B erklärt — Phemex
• TAOs DeepSeek-Moment: Der Aufstieg von Templar (SN3) — PANews
• Covenant AIs Ausstieg bei Bittensor löst 23 % TAO-Preissturz aus — Crypto Times
• Grayscale beantragt Spot-TAO-ETF, während sich das Bittensor-Netzwerk vom Covenant AI-Ausstieg und einem Rückgang von 38 % erholt — Blockonomi
• Bittensor TAO schlägt Locked-Stake-Governance-Fix nach Covenant AI-Ausstieg vor — AInvest
• Bittensor TAO Governance-Krise erklärt: Covenant AI-Ausstieg und BIT-0011-Vorschlag — AInvest
• Gensyn startet sein Mainnet — Startup Fortune
• Jenseits eines einzelnen KI-Clusters: Eine Übersicht über dezentrales LLM-Training

Im März 2026 handelten Prognosemärkte in einem einzigen Monat 25,7 Milliarden US-Dollar. Das ist ein höheres Nominalvolumen als bei den meisten Mid-Cap-Aktienindizes. Es ist keine Blase und es ist kein Meme. Es ist das bisher deutlichste Signal dafür, dass eine neue Anlageklasse — die Information selbst — endlich einen Preis gefunden hat.

Willkommen bei InfoFi.

Jahrelang hat Krypto versucht, alles zu finanzialisieren: Kredite, Kunst, Katzenbilder, Liquiditätspositionen, sogar Kohlenstoff. Aber das eine, womit Märkte schon immer Schwierigkeiten hatten, einen Preis zu finden — die Qualität einer Vorhersage, das Vertrauen in eine Person, der Wert eines Datensatzes — blieb hartnäckig analog. Das änderte sich im Jahr 2026. Drei zuvor getrennte Experimente (Prognosemärkte, On-Chain-Reputation und KI-Datenmarktplätze) verschmolzen zu einem einzigen Sektor mit einer einzigen These: Bringen Sie „Skin in the Game“ hinter Informationen, und die Informationen werden besser.

Die Wall Street hat einen Namen für diese These. Sie nennt es Information Finance. Und nach derzeitigem Verlauf wird InfoFi noch vor Ende dieses Jahres die Marke von 10 Milliarden US-Dollar Sektorwert überschreiten.