KI und Krypto: Wo die beiden Technologien tatsächlich konvergieren

Die Formel «KI plus Krypto» ist zum Fundraising-Reflex geworden. Man hängt ein Modell an einen Token, deutet auf eine dezentrale Zukunft und sammelt Kapital ein. Die meisten dieser Projekte scheitern an einem einfachen Test: Entfernen Sie die KI oder die Chain, und das Produkt bleibt unverändert. Das ist keine Konvergenz – das ist ein Narrativ-Trade im Gewand von Infrastruktur.

Doch die ganze Kategorie abzutun, ist zu bequem. Es gibt Bereiche, in denen sich die beiden Technologien echt ergänzen – in denen die eine ein Problem löst, das die andere strukturell nicht lösen kann. Die Aufgabe besteht darin, diese Fälle vom Rauschen zu trennen. Nachfolgend die Schnittstellen, die aus unserer Sicht einer Prüfung standhalten, grob geordnet danach, wie real sie heute sind.

Beginnen Sie mit der Frage, die den Hype filtert

Stellen Sie bei jeder KI-und-Krypto-Behauptung eine einzige Frage: Braucht die KI eine Blockchain, um etwas zu tun, was sie sonst nicht könnte – oder braucht die Chain die KI aus demselben Grund? Lautet die Antwort in beide Richtungen Nein, haben Sie Marketing vor sich. Die echten Schnittstellen teilen alle eine Eigenschaft: Es geht um Koordination, Zahlung oder Verifikation zwischen Parteien, die einander nicht vertrauen. Genau für diesen Problemraum wurde Krypto gebaut.

Autonome Agenten mit eigenen Wallets

Dies ist die konkreteste Schnittstelle. Ein KI-Agent, der in der Welt handeln kann, muss Transaktionen ausführen – einen API-Aufruf bezahlen, eine Aufgabe abrechnen, einen anderen Agenten beauftragen. Traditionelle Zahlungsschienen setzen einen Menschen mit Karte, KYC und eine Bank voraus, die gerade geöffnet hat. Nichts davon trifft auf Agenten zu. Sie sind Software, die ununterbrochen läuft, in jeder Jurisdiktion, mit Maschinengeschwindigkeit und im Maschinenmassstab.

Krypto gibt einem Agenten etwas, das er sonst nirgends bekommt: ein natives Konto, das er direkt kontrolliert, programmierbares Geld, das er ohne einen Menschen im Loop bewegen kann, und Stablecoins als Recheneinheit, die keine Bankbeziehung voraussetzt. Machine-to-Machine-Zahlungen sind der Ort, an dem Stablecoin-Nachfrage aus der KI am plausibelsten ist – nicht als Spekulation, sondern als Betriebskapital für Software, die Dienstleistungen kauft und verkauft. Die Designprobleme hier sind real: Ausgabenlimiten, Schlüsselverwahrung für nicht-menschliche Akteure und der Entzug von Rechten, wenn sich ein Agent fehlverhält.

Verifizierbares Computing und Provenance

Je mehr Entscheidungen Modelle treffen, desto weniger akzeptabel wird «Vertrauen Sie mir, das Modell hat es so gesagt». Die offene Frage ist, wie sich beweisen lässt, dass ein bestimmtes Modell einen bestimmten Output auf bestimmten Inputs erzeugt hat, ohne es selbst erneut auszuführen. Hier verdient sich die Kryptographie ihren Platz, statt sich nur die Marke zu leihen.

• Inference Attestation – der Nachweis, dass ein bestimmtes Modell mit bestimmten Gewichten einen Output erzeugt hat, sodass eine Gegenpartei verifizieren kann, statt dem Betreiber vertrauen zu müssen.
• zkML – Zero-Knowledge-Beweise, dass eine Inferenz korrekt berechnet wurde; eine Chain oder ein Nutzer kann das Resultat prüfen, ohne das Modell zu sehen oder die Arbeit zu wiederholen.
• Provenance-Trails – signierte, mit Zeitstempel versehene Aufzeichnungen darüber, mit welchen Daten ein Modell trainiert wurde und was einen bestimmten Output erzeugt hat, verankert dort, wo sie nicht stillschweigend umgeschrieben werden können.

Bleiben Sie nüchtern, was den Reifegrad betrifft. zkML entwickelt sich schnell, bleibt für grosse Modelle aber teuer, und vieles davon ist noch näher an der Forschung als an der Produktion. Die Richtung stimmt; die Zeitpläne in den meisten Pitch-Decks nicht.

Dezentrales Computing und Daten-Marktplätze

Beim Trainieren und Betreiben von Modellen sind GPUs und Daten der Engpass. Die These: Krypto kann brachliegende Hardware koordinieren und Datensätze erschliessen, die keinem einzelnen Unternehmen gehören – mit Token, die einen zweiseitigen Markt räumen. Die These ist stichhaltig. Die Umsetzung ist überwiegend ein Anreizdesign-Problem, und genau damit stehen und fallen diese Netzwerke.

Ein GPU-Marktplatz muss die Verifikation lösen – woher weiss der Käufer, dass die Arbeit erledigt wurde, auf der angegebenen Hardware, korrekt – und er muss mit Hyperscalern bei der Zuverlässigkeit konkurrieren, nicht nur beim Preis. Ein Daten-Marktplatz muss Qualität bepreisen, Poisoning verhindern und mit der Tatsache umgehen, dass Daten kopiert werden können, sobald sie verkauft sind. Nichts davon wird durch die Ausgabe eines Tokens gelöst; der Token ist der einfache Teil. Der schwierige Teil ist der Mechanismus, der ehrliches Verhalten zur profitablen Strategie macht – dieselbe Disziplin, die wir beim DeFi-Anreizdesign anwenden.

Krypto-Rails als Koordinationsschicht

Mit etwas Abstand zeigt sich ein Muster. In keinem der echten Fälle macht Krypto die KI klüger – es ist die Abwicklungs- und Koordinationsschicht unter einem Netzwerk von KI-Teilnehmern. Zahlungen zwischen Agenten, Vergütungen für Compute-Anbieter, Staking, das eine Ehrlichkeitsgarantie absichert, Governance über ein gemeinsames Modell. Krypto ist das ökonomische Substrat; die KI ist der Workload, der darauf läuft.

Die nützliche Frage lautet nie «Ist das KI plus Krypto». Sie lautet: Wer sind die Parteien, die einander nicht vertrauen, und was koordinieren sie?

Content-Authentizität gegen synthetische Medien

Generative Modelle haben überzeugende Fälschungen billig gemacht. Das defensive Gegenstück ist Provenance: Inhalte werden bei der Aufnahme oder Erstellung kryptographisch signiert, sodass Betrachter Herkunft und Bearbeitungshistorie verifizieren können, statt raten zu müssen. Kryptos Beitrag ist hier ein anbieterneutrales Authentizitätsregister, das Manipulationen sichtbar macht. Deepfakes wird das nicht stoppen, aber es kann echten Inhalten eine verifizierbare Signatur geben, die synthetischen Inhalten fehlt – eine relevante Asymmetrie, falls die Adoption die Geräte und Plattformen erreicht, auf denen Medien entstehen.

Der Token, der eigentlich keine KI ist

Nun zum Teil, den die meisten Artikel überspringen. Ein grosser Anteil der «KI-Token» enthält keine KI in irgendeinem tragenden Sinn. Das Modell ist eine Dritt-API, die Inferenz läuft off-chain auf fremden Servern, und der Token finanziert das Team und liefert nebenbei das Narrativ. Da ist nichts dezentralisiert, nichts verifizierbar – und der Token leistet nichts, was ein Stripe-Konto nicht besser könnte.

Die Anreizdesign-Herausforderung für reale Netzwerke ist tatsächlich schwierig – und sie ist der Teil, den zu finanzieren sich lohnt. Ein KI-Netzwerk muss nützliche Arbeit belohnen – gute Inferenz, ehrliches Computing, hochwertige Daten – und zwar in einem Token, dessen Wert nicht kollabiert, sobald die Emissionen nachlassen. Das ist dieselbe Reflexivitätsfalle, an der gewöhnliche Token-Ökonomien zerbrechen, mit einer zusätzlichen Einschränkung: Die «Arbeit» ist oft teuer zu verifizieren. Wenn Sie nicht günstig prüfen können, ob ein Teilnehmer geleistet hat, was er behauptet, bezahlt Ihre Anreizschicht für Behauptungen, nicht für Output. Das Design genau auf diese Einschränkung auszurichten, ist der Kern des Token-Ökosystem-Designs für KI.

Unsere Grundhaltung ist skeptisch und spezifisch. Benennen Sie die Parteien, die einander nicht vertrauen, benennen Sie das, was koordiniert wird, und zeigen Sie, warum eine Chain tragend ist statt dekorativ. Übersteht ein Projekt diese drei Fragen, verdient es ernsthafte Aufmerksamkeit. Tut es das nicht, ändert auch noch so viel GPU-Bildsprache nichts am Urteil. Wenn Sie eine nüchterne Einschätzung wollen, wo ein Projekt tatsächlich steht: Sprechen Sie mit uns.