Jeder autonome KI-Agent, der heute On-Chain läuft, hat dasselbe demütigende Geheimnis: Er vergisst fast alles. Ein Trading-Agent schichtet am Montag ein Treasury von 2 Mio. um,meistertamDienstageinekomplexeArbitrageundhatbisMittwochkeinekoha¨renteErinnerunganbeides–weildieInfrastrukturfu¨rdasErinnernnochnichtineinerFormexistiert,diezurArbeitsweisevonAgentenpasst.DieseLu¨ckeistnundaswichtigsteungelo¨steProbleminder450Mrd. schweren On-Chain-Agenten-Ökonomie, und im April 2026 hat sich ein ursprünglich für Dateien entwickeltes Speichernetzwerk als Lösung positioniert.
Walrus Protocol, das Sui-native dezentrale Speichernetzwerk von Mysten Labs, überschritt an seinem ersten Jahrestag 450 TB an gespeicherten Daten, übertraf damit die 385 TB von Arweave und entwickelte sich zum dominierenden Write-Heavy-Storage-Layer im Web3. Doch die interessantere Geschichte ist nicht die schiere Tonnage – es ist MemWal, das KI-Memory-SDK, das Walrus am 25. März 2026 veröffentlichte. Es definiert das gesamte Protokoll als Infrastruktur für Agenten statt für Dateien neu. Für Entwickler, die die nächste Welle autonomer Systeme bauen, zeichnet dies die Karte des dezentralen Speichers still und leise neu.
Der Speicher-Engpass, über den niemand sprechen wollte
LLM-basierte Agenten leben innerhalb einer grausamen Einschränkung: dem Kontextfenster. Jeder Denkschritt, jeder Tool-Aufruf, jede Beobachtung muss in ein paar hunderttausend Token passen, und alles, was nicht hineinpasst, hört aus der Sicht des Agenten einfach auf zu existieren. Menschliche Entwickler überbrücken dies mit Vektordatenbanken, Redis-Caches und Postgres-Tabellen – zentrale Infrastruktur, die gut funktioniert, bis man möchte, dass der Agent seine eigenen Keys hält, seine eigenen Transaktionen signiert und ohne ein vertrauenswürdiges Backend operiert.
Die On-Chain-Agenten-Bewegung hat dieses Problem verschärft. Bis zum ersten Quartal 2026 verfolgte allein das Virtuals Protocol über 479 Mio. $ an von Agenten generierten Wirtschaftsaktivitäten und mehr als 17.000 On-Chain-Agenten, die Guthaben halten. Diese Agenten benötigen einen Status zwischen den Sitzungen. Sie müssen sich merken, welche Gegenparteien zahlungsunfähig wurden, welche Strategien Geld verloren haben und welche Nutzer ihnen Berechtigungen erteilt haben. Und sie können das nicht einfach in AWS schreiben – der ganze Witz an der autonomen On-Chain-Arbeitsweise ist, dass es kein „Sie“ gibt, dem man ein Datenbankpasswort anvertrauen könnte.
Die bestehenden dezentralen Speicheroptionen stießen alle an verschiedene Grenzen des Problems:
- IPFS ist inhaltsadressiert und Peer-to-Peer, hat aber keinen nativen wirtschaftlichen Anreiz für jemanden, Ihre Daten weiterhin zu „pinnen“. Dateien verschwinden, wenn der letzte Node das Interesse verliert.
- Filecoin löst Anreize mit Storage Deals, aber seine Abruflatenz – oft zig Sekunden für Cold Data – ist unvereinbar mit einem Agenten, der ein Speicherfragment mitten in einer Reasoning-Schleife abrufen muss.
- Arweave bietet echte Permanenz mit einem Pay-Once-Store-Forever-Modell, aber seine Ökonomie ist für die Archivierung optimiert: günstiger Langzeitspeicher, teure und umständliche Schreibvorgänge für kleine Objekte, keine native Integration mit dem Compute-Layer, auf dem die Agenten tatsächlich leben.
Keine dieser Lösungen wurde für einen Anwendungsfall entwickelt, bei dem eine Million autonomer Programme alle paar Sekunden kleine, strukturierte Status-Blobs schreiben und diese mit einer Latenz von unter einer Sekunde zurücklesen möchten, während sie gleichzeitig das Eigentum an einem Wallet-gesteuerten Objekt auf einer Smart-Contract-Chain verankern. Walrus hingegen schon.
Was Walrus eigentlich ist
Walrus ist ein dezentrales Speicher- und Datenverfügbarkeitsprotokoll, das von Mysten Labs auf Sui aufgebaut wurde. Es startete sein Mainnet im Jahr 2025 und erreichte seinen Meilenstein von einem Jahr Anfang 2026 mit beeindruckenden Vitalwerten: 100 Storage Nodes in 19 Ländern, 4,12 PB Gesamtsystemkapazität (wobei derzeit etwa 39 % genutzt werden) und eine wachsende Pipeline von Protokollintegrationen. Die Top-Validatoren nach Stake konzentrieren sich auf die USA, Finnland, die Niederlande, Deutschland und Litauen – eine geografische Verteilung, die sowohl für die Latenz als auch für die regulatorische Resilienz wichtig ist.
Unter der Haube ist der Zaubertrick ein Erasure-Coding-Schema namens Red Stuff. Anstatt jeden Blob in vielen vollständigen Kopien zu replizieren (der klassische Filecoin/S3-Ansatz), unterteilt Red Stuff jeden Blob in Slivers und verteilt sie auf über 100 Nodes mit nur einem 4,5-fachen Replikationsfaktor. Das bedeutet, dass Walrus weitaus weniger für die Dauerhaftigkeit bezahlt als eine naive Replikation, während es dennoch den Ausfall einer Supermehrheit von Nodes toleriert. Ebenso wichtig ist, dass das Schema selbstheilend ist: Wenn ein Node offline geht, kostet die Wiederherstellung seines Datenanteils nur Bandbreite proportional zu den verlorenen Daten und nicht zum gesamten Blob – so wird das Netzwerk schrittweise abgebaut und repariert, anstatt abrupt auszufallen.
Die wirtschaftliche Ebene ist der WAL-Token. Blob-Publisher zahlen pro Epoche Aufbewahrungsgebühren in WAL; Staker stellen Speicherbandbreite zur Verfügung und verdienen diese Gebühren; Sui-Objekte verankern das Eigentum und die Zugriffskontrolle für jeden Blob. Ab Mitte April 2026 wird WAL bei etwa 0,098 gehandelt,miteinerMarktkapitalisierungvonetwa225Mio., was einem Anstieg von 45 % innerhalb von 24 Stunden nach dem MemWal-Ankündigungszyklus entspricht. Das sind immer noch etwa 87 % weniger als das Allzeithoch von 0,76 $ im Mai 2025, was zeigt, dass der Großteil der Wertsteigerung noch vor dem Protokoll liegt, falls die KI-Agenten-These aufgeht.
Entscheidend ist – und das ist der Teil, den die Konkurrenz immer wieder übersieht –, dass Schreibvorgänge auf Walrus billig und schnell sind. Man kann Gigabytes auf einmal hochladen, da der Blob das Netzwerk nur einmal durchläuft und Storage Nodes Slivers verarbeiten, die nur einen Bruchteil der ursprünglichen Größe haben. Das macht kleine, häufige Schreibvorgänge wirtschaftlich rentabel, was enorm wichtig ist, wenn der schreibende Akteur ein Agent ist, der seinen Status alle paar Tool-Aufrufe sichern möchte.
Willkommen bei MemWal: Speicherung neu definiert als Kognition
Am 25. März 2026 stellte das Walrus-Team MemWal vor, ein Entwickler-SDK und eine Runtime für den Bau von Agenten mit persistentem Gedächtnis. Es befindet sich derzeit in der Beta-Phase, hat aber bereits die Art und Weise verändert, wie Entwickler über das Protokoll sprechen: Walrus ist nicht mehr nur „die günstige dezentrale Speicherschicht“, sondern „der Ort, an dem sich Ihre Agenten an Dinge erinnern“.
Die Kernabstraktion, die MemWal einführt, ist der Speicherraum (Memory Space) — ein strukturierter, zweckgebundener Container, der die unstrukturierten Logdateien ersetzt, in die Agenten früher ihren Status geladen haben. Ein Trading-Agent könnte beispielsweise über drei Speicherräume verfügen: einen Kurzzeit-Arbeitsgedächtnis-Raum mit den Beobachtungen der letzten Minuten, einen mittelfristigen Portfolio-Status-Raum mit Positionen und nicht realisierten Gewinnen und Verlusten (G&V) sowie einen langfristigen Kontrahenten-Reputations-Raum, der über Wochen oder Monate der Interaktionshistorie hinweg bestehen bleibt. Jeder Raum hat seine eigenen Aufbewahrungsrichtlinien, Zugriffsberechtigungen und Aktualisierungszyklen.
Unter der Haube kommuniziert ein Agent, der das MemWal-SDK nutzt, mit einem Backend-Relayer, der das Batching, die Kodierung und die Sui-Interaktion für Blob-Commits übernimmt. Der Relayer überträgt die Daten zur Speicherung an Walrus und aktualisiert gleichzeitig Sui-Objekte, die das Eigentum und die Zugriffskontrolle für jeden Speicherraum beschreiben. Das bedeutet, dass das Gedächtnis eines Agenten nicht nur gespeichert wird — es befindet sich im Eigentum eines Sui-Objekts. Dadurch kann es übertragen, delegiert, widerrufen oder mit anderen On-Chain-Primitiven kombiniert werden, genau wie jeder andere Vermögenswert.
Drei konkrete Anwendungsfälle treiben bereits erste Integrationen voran:
-
Sitzungsübergreifende Persistenz ohne ein Always-on-Backend. Ein Agent kann gestartet werden, seine relevanten Speicherräume über das SDK von Walrus laden, für eine Weile logische Schlüsse ziehen, Aktualisierungen committen und wieder herunterfahren — ohne dass ein zentralisierter Server involviert ist. Wenn er das nächste Mal aufwacht, sei es im selben Prozess oder auf einer anderen Maschine, rekonstruiert er seinen eigenen Status direkt aus der Chain.
-
Gemeinsamer Kontext für Multi-Agenten mit kryptografischen Berechtigungen. Da das Objektmodell von Sui eine feingliedrige Delegierung von Funktionen ermöglicht, kann ein Agent einem anderen Lesezugriff auf einen bestimmten Speicherraum gewähren, ohne den Rest seines Status offenzulegen. Dies ist das Primitiv, nach dem „Agenten-Schwärme“ (wie sie auf ElizaOS entstehen) verlangt haben — ein Weg, um einem Sentiment-Analyse-Agenten das Lesen der Ausgaben des Scraping-Agenten zu ermöglichen, ohne dass beide einer gemeinsamen Datenbank vertrauen müssen.
-
Prüfbare Entscheidungspfade für regulierte Agenten. Finanzagenten, die Trades ausführen, Kredite genehmigen oder Compliance-Workflows verwalten, müssen Aufzeichnungen erstellen, die von Regulierungsbehörden, Prüfern und Kontrahenten verifiziert werden können. Ein Speicherraum, der an ein Sui-Objekt mit einem unveränderlichen Commit-Log gekoppelt ist, ist genau das, was „verifizierbare Compliance“ in einem agenten-nativen System bedeutet.
Das hierarchische Design — Kurzzeit-Arbeitsgedächtnis getrennt von langfristigem persistentem Speicher, ergänzt durch kryptografische Integritätsprüfungen — spiegelt die Architektur wider, zu der die kognitionswissenschaftliche Forschung KI-Entwickler seit Jahren drängt. Der Unterschied besteht darin, dass MemWal dies zu einem Protokoll-Primitiv macht und nicht zu einem individuellen Anwendungsfall.
Warum die etablierten Akteure hier nicht einfach umschwenken können
Es ist verlockend anzunehmen, dass Filecoin oder Arweave einfach ein „Agent Memory“-SDK hinzufügen und konkurrieren könnten. Das Problem ist jedoch architektonischer Natur, nicht marketingbedingt.
Filecoins F3 Fast-Finality-Upgrade im Jahr 2025 hat zwar die Latenz verbessert und die Marktkapitalisierung des Netzwerks auf über 5 Mrd. $ getrieben, aber das deal-basierte Speichermodell setzt grundlegend voraus, dass Schreibvorgänge groß, selten und im Voraus ausgehandelt sind. Der Datenabruf wird zwar besser, wird aber bei kalten Daten immer noch in Sekunden gemessen, was außerhalb des Budgets eines Agenten-Logikzyklus liegt. Man könnte Agenten zwingen, dies mit aggressivem Caching zu umgehen, aber an diesem Punkt hätte man lediglich ein Off-Chain-Backend nachgebaut.
Arweaves Permaweb folgt einer anderen Philosophie — es ist für Daten konzipiert, die den Ersteller überdauern sollen. Das ist wunderbar für Journalismus, Herkunftsnachweise und historische Archive, aber ungeeignet für sich schnell aktualisierende Agenten-Status. Das Modell „einmal zahlen, für immer speichern“ passt zudem nicht zur ökonomischen Realität von Agenten-Gedächtnissen, bei denen die meisten Daten nur für einige Tage oder Wochen relevant sind und dann aussortiert werden können. Die AO-Computing-Layer von Arweave ist interessant und beobachtenswert, stellt aber eine andere Wette dar: paralleles Computing auf dem Permaweb statt einer Speicherschicht für Agenten, die andernorts laufen.
IPFS bleibt das, was einer Lingua Franca für die Web3-Datei-Adressierung am nächsten kommt, aber ohne Persistenzgarantien wird kein ernsthafter Agenten-Entwickler geschäftskritische Status dort ablegen. Das Ökosystem der Pinning-Dienste, das um IPFS herum entstanden ist, ist ein pragmatischer Patch, aber keine architektonische Lösung.
Der Vorteil von Walrus liegt nicht darin, dass es ein neues Primitiv erfunden hat — Erasure Coding gibt es schon seit Jahrzehnten. Es liegt daran, dass das Wirtschaftsmodell (Miete pro Epoche statt dauerhafter Ausstattung), das Latenzprofil (Sub-Sekunden-Lesevorgänge bei kleinen Blobs) und die Smart-Contract-Integration (Sui-Objekte als Eigentumsanker) genau darauf abgestimmt sind, wie autonome Agenten agieren müssen. Der Rest des Stacks muss diese Eigenschaften mühsam in bestehende Architekturen pressen, die für völlig andere Zwecke entworfen wurden.
Es gibt eine nützliche Vergleichstabelle des Four Pillars Research-Teams, die einen weiteren, nicht offensichtlichen Vorteil aufzeigt: die Kosten. Das Erasure Coding von Walrus und der niedrige Replikationsfaktor machen es pro MB dauerhaftem Speicher etwa 100-mal günstiger als Filecoin oder Arweave. Für Agenten, die täglich hunderte kleiner Status-Updates schreiben könnten, summiert sich das bei entsprechender Skalierung zu erheblichen Beträgen.
Was dies für Infrastruktur-Entwickler bedeutet
Die Entstehung von Walrus als Agent-Memory-Layer ist Teil eines größeren Musters, das jeder, der im Jahr 2026 Web3-Infrastruktur aufbaut, verinnerlichen muss. Die Agenten-Ökonomie zersplittert in spezialisierte Substrate, von denen jedes ein spezifisches Problem löst:
- Coinbase's Agentic Wallet löst das Thema Custody: wo die Keys liegen.
- Mind Network's x402z kümmert sich um vertrauliche Zahlungen: wie Agenten transagieren, ohne ihre Strategie offenzulegen.
- Nava Labs widmet sich der Intent-Verifizierung: entsprach die ausgeführte Aktion dem, was der Nutzer angefordert hat.
- ERC-8004 definiert die Identität: wer der Agent on-chain ist.
- Warden baut den kryptoeconomic Settlement-Layer auf: wie Agenten Sicherheiten hinterlegen und bei Fehlverhalten geslasht werden.
- Walrus + MemWal besitzen nun den Memory-Layer: was der Agent weiß und woran er sich erinnert.
Keines dieser Projekte ist für sich genommen ein Winner-Take-All-Markt, aber zusammen bilden sie den neuen Agentic Stack — und die Projekte, die gewinnen werden, sind diejenigen, die sich nahtlos über alle Layer hinweg integrieren. Ein Entwickler, der im Jahr 2026 einen neuen On-Chain-Trading-Agenten startet, sollte erwarten, ein Sui-Wallet, einen Walrus-Memory-Layer, einen Identity-Credential, einen Verifizierungsnachweis und eine Payment-Rail zu kombinieren. Kein einzelnes Protokoll beherrscht alle fünf Bereiche gut, und diejenigen, die es versuchen, beherrschen meist keinen davon wirklich gut.
Die DePIN-Prognose des World Economic Forum — von 50 Mrd. imJahr2025auf3,5Bio. bis 2028 — ist der makroökonomische Rückenwind für all dies. Storage und Compute sind die größten Komponenten dieser Prognose, und im Bereich Storage setzt Walrus am aggressivsten seine Flagge. Die Allium-Partnerschaft, die Anfang des Jahres 65 TB an verifizierbaren Blockchain-Daten in institutioneller Qualität (historische Aufzeichnungen von Bitcoin, Ethereum, Sui) auf die Walrus-Plattform brachte, ist die institutionelle Validierung, die das Protokoll benötigte: Es ist nicht nur ein Spielzeug für Sui-native NFT-Projekte, sondern ein lebensfähiges Substrat für ernsthafte Daten-Workloads.
Offene Fragen
Nichts davon ist garantiert. Drei Dinge könnten diese These noch zu Fall bringen:
Sui-Konzentrationsrisiko. Walrus ist ökonomisch durch die WAL-Tokenomics und technisch durch die Integration des Object-Models an Sui gebunden. Wenn Sui als Smart-Contract-Plattform an Bedeutung verliert — zugunsten von Aptos, Solana oder einer L2-Renaissance — muss die Agent-Memory-Story von Walrus auf einer schwächeren Basis neu aufgebaut werden. Bisher sieht die Traktion der Entwickler auf Sui gesund aus, aber "bisher" ist die Art und Weise, wie man jede Krypto-Plattform vor ihrem Wendepunkt in die eine oder andere Richtung beschreibt.
MemWal-Adoptionskurve. Das SDK befindet sich noch in der Beta-Phase. Der wahre Test ist, ob große Agent-Frameworks — ElizaOS, AutoGPT-ähnliche Systeme, die aufkommenden MCP / A2A-Agenten-Protokolle — MemWal zu einer First-Class-Integration oder nur zu einer von mehreren Optionen machen. Ohne eine enge Framework-Unterstützung wird MemWal zu einem Nischen-Tool für Entwickler, die sich explizit für die Nutzung von Sui entscheiden.
Kommerzieller Zentralisierungsdruck. Wenn OpenAI oder Anthropic ein First-Party-"Agent-Memory"-Produkt mit enger LLM-Integration auf den Markt bringen, werden viele Entwickler die bequeme Option der dezentralen vorziehen. Die Antwort von Walrus muss sein, dass dezentraler Speicher Anwendungsfälle ermöglicht — Agenten, die ihr eigenes Vermögen verwalten, Zusammenarbeit zwischen mehreren Agenten ohne einen vertrauenswürdigen Betreiber —, die zentralisierter Speicher nicht bieten kann. Das stimmt zwar, erfordert aber eine kontinuierliche Aufklärungsarbeit beim Markteintritt.
Bauen auf dem neuen Agentic Stack
Die nächsten 18 Monate werden entscheiden, ob der Agentic Web3 Stack um drei oder vier etablierte Akteure erstarrt oder in ein Dutzend konkurrierender Layer zersplittert. Walrus setzt darauf, dass Memory zu einem eigenständigen, beanspruchbaren Layer in diesem Stack wird — und dass der Gewinner des Memory-Layers derjenige ist, der programmierbares Eigentum, Low-Latency-Reads, nachhaltige Ökonomie und tatsächliche Entwickler-Tools kombiniert. Nach dieser Checkliste ist es heute weiter fortgeschritten als jeder seiner direkten Konkurrenten.
Für Builder, die im Jahr 2026 agent-native Produkte ausliefern wollen, ist die praktische Empfehlung einfach: Betrachten Sie Memory als ein erstklassiges Infrastruktur-Thema, nicht als Nebensache. Die Agenten, die sich an ihre Nutzer, ihre Strategien und ihre Fehler erinnern, werden Vorteile aufbauen, die stateless Agenten schlichtweg nicht erreichen können.
BlockEden.xyz bietet eine zuverlässige Sui-RPC-Infrastruktur in Produktionsqualität für Teams, die On-Chain-Agenten und dApps entwickeln, die mit Walrus, MemWal und dem breiteren Sui-Ökosystem integriert sind. Entdecken Sie unsere Sui-API-Dienste, um auf denselben Grundlagen aufzubauen, die den agent-nativen Web3-Stack antreiben.
Quellen
