Wovon hängt der 30-Billionen-Traum von a16z über AI Agents ab? Die Antwort liegt im „AI Hunger Games“.

Darwinistische KI löst das Problem der Kapitalbildung und ist der Motor für Innovationen im Bereich Crypto AI.

Autor: 0xJeff

Übersetzung: AididiaoJP, Foresight News

Es ist nun genau ein Jahr vergangen, seit die Welle der AI Agents im vierten Quartal 2024 gestartet wurde.

Damals brachte @virtuals_io als Erster das Konzept der „Tokenisierung von AI Agents“ auf, also die Paarung von AI-Anwendungen/Token mit fair gestarteten Token.

In diesem kurzen Jahr hat sich im Bereich Crypto AI alles grundlegend verändert: Die Open-Source-Bewegung für General AI wurde vorangetrieben, zahlreiche Tools sind entstanden, sodass Entwickler und Anfänger gleichermaßen leicht Projekte aufbauen können.

Anfangs war es nur ein AI-Produkt mit Token, niedrig bewertet und fair gestartet, meist von unabhängigen Entwicklern oder kleinen Teams geführt. Heute ist daraus ein vollständiges Crypto AI-Ökosystem geworden, in dem Hunderte exzellenter Teams ihre Visionen verwirklichen.

Angesichts des aktuellen Hypes um das x402-Narrativ wird dieser Artikel durch eine Analyse des Status quo der Branche, das Verständnis der Veränderungen und die Untersuchung der Fortschritte wichtiger Akteure die wichtigste Frage beleuchten: Wohin führt das alles? Was ist der eigentliche Kernwert von Crypto AI Agents?

Wenn du wie ich von AI begeistert bist und gerne lernst, hast du wahrscheinlich schon bemerkt, wie rasant sich AI entwickelt. Jeden Monat erscheinen neue, spannende Dinge. Von grundlegenden Anwendungen, die „nice to have“ sind, wie Ghibli-Stil für alles, über AI-generierte Videos in Produktionsqualität bis hin zu AI Agents, die produktiver sind als durchschnittliche Junior-Programmierer.

Im Crypto-Bereich ist das jedoch nicht immer so. Als vor einem Jahr das Narrativ der AI Agents aufkam, waren diese Projekte angesagt:

• @truth_terminal wurde lebendig, interagierte mit @pmarca von a16z und erhielt Investitionen.
• @aixbt_agent bot prägnante Analysen und war gleichzeitig ein exzentrischer, nativer Crypto-Player auf X.
• @virtuals_io als „Agent Society“ brachte „Agent Token“ heraus, die schnell um das 10- bis 50-fache stiegen.
• @dolos_diary war der berüchtigtste „Bully“ des Internets und wurde für seinen scharfen Humor geliebt.
• @luna_virtuals als erster AI-Idol.

Als das Narrativ startete, war Unterhaltung das Hauptthema. Aber inzwischen haben wir schon lange keine neuen Unterhaltungsformen durch AI Agents mehr gesehen (was vielleicht gut ist, aber der Charme und die Anziehungskraft der frühen AI-Ära sind verschwunden).

Jetzt liegt der Fokus stark auf den vertikalen Bereichen, in denen Crypto selbst stark ist: Finanzanwendungen, also Geld verdienen (und kein Geld verlieren).

a16z hat in seinem neuesten Bericht „State of Crypto“ ein potenzielles Marktvolumen von 30 Billionen US-Dollar für die Agentenökonomie genannt, was vielleicht etwas unrealistisch ist, da der gesamte AI-Markt bis 2030 nur einige Billionen US-Dollar groß sein dürfte.

Dennoch glaube ich, dass die gesamte Agentenökonomie tatsächlich mehrere Billionen US-Dollar wert sein kann. Mit generativen AI-Tools und vertikalen AI-Lösungen, die Einzelpersonen produktiver machen, einer steigenden Akzeptanz in Unternehmen und effizienteren, AI-gesteuerten Workflows in Organisationen wird dieser Markt weiter wachsen.

Auch im Crypto-Bereich ist das nicht anders. Da der Sektor extrem auf das Geldverdienen fokussiert ist, drehen sich die Workflows naturgemäß darum. Besonders hervorzuheben sind folgende Kategorien:

DeFi: Das ausgereifteste Product-Market-Fit im Crypto-Bereich

• Handel (Spot, Perpetuals, auf CEX/DEX)
• Geldmärkte (Kreditvergabe, Besicherung durch Krypto-Assets)
• Stablecoins (Tauschmittel / stabile Werteinheit, kombinierbare High-Yield-DeFi-Strategien)
• Yield-Protokolle (Zinsmärkte, Punktmärkte, Funding-Rate-Märkte, Yield-Optimizer / Vault-Produkte)
• RWA/DePIN (On-Chain-Bringung produktiver Real-World-Assets, Verbindung von On-Chain-Kapital mit Off-Chain-Nachfrage)

Dies ist der größte potenzielle Markt, mit einem Total Value Locked von über 150 Milliarden US-Dollar und einer Stablecoin-Marktkapitalisierung von über 300 Milliarden US-Dollar. Die zunehmende regulatorische Klarheit und die steigende institutionelle Akzeptanz treiben mehr Kapital auf die Chain; der sprunghafte Anstieg der Stablecoin-Nutzung zieht zudem mehr Unternehmen und Start-ups an, die Krypto-Kanäle nutzen.

Aus diesen Gründen ist die Nachfrage nach Automatisierung sowohl als Backend-Infrastruktur und -Tools als auch als Frontend durch Unternehmen/Start-ups, die normale Nutzer auf die Chain bringen, der Schlüssel zur nächsten Adoptionswelle.

AI-Agenten, die die Komplexität von DeFi abstrahieren, den Ausführungsprozess vereinfachen oder zentrale Aspekte von DeFi verbessern (wie Risikomanagement, Asset-Rebalancing, Strategie-Kuration usw.), werden wahrscheinlich einen erheblichen Teil des in DeFi-Protokolle fließenden Wertes abschöpfen.

Wichtige Ökosystem-Akteure:

@almanak, @gizatechxyz, @Cod3xOrg, @TheoriqAI, @ZyfAI_

• DeAI ist das ausgereifteste Product-Market-Fit im Bereich Crypto AI
• Prediction Markets x AI: Das am schnellsten wachsende Segment im Crypto-Bereich

Wenn du das Ökosystem beobachtest, wirst du feststellen, dass sich im Bereich DeFi x AI wenig verändert hat. Das liegt daran, dass es extrem schwierig ist, DeFi-Workflows zu knacken. Man kann nicht einfach AI einbauen und auf gute Ergebnisse hoffen – es braucht verantwortungsvolle Strukturen und Schutzmaßnahmen, um schwere Zwischenfälle zu vermeiden.

Warum spreche ich jetzt darüber und nicht allgemein über „AI Agents“?

Das ursprüngliche AI-Agenten-Ökosystem bestand im Wesentlichen aus den von Virtuals und seinem Ökosystem gebauten Agenten (vielleicht noch vereinzelt CreatorBid usw.) sowie Frameworks wie ai16z (jetzt ElizaOS), die das Bauen von „Agenten“ oder X-Bots, die verschiedene Tools aufrufen können, erleichterten, dazu viele weitere Frameworks wie Arc, Pippin usw.

Diese Dinge sind cool und interessant, aber das ist nicht die eigentliche Definition von AI Agents. Ein echter Agent sollte seine Umgebung verstehen, seine eigene Rolle und Verantwortung kennen, proaktiv Entscheidungen treffen und handeln, um mit minimalem menschlichen Eingriff ein bestimmtes Ziel zu erreichen.

Wenn man sich umsieht, sind über 95% der Projekte das nicht. Sie sind entweder nur Software, ein generatives AI-Produkt, oder sie befinden sich noch auf dem Weg zu autonomen AI Agents.

Ich will niemanden schlechtmachen. Ich möchte betonen, dass wir * immer noch in einer sehr frühen Phase sind, in der die meisten noch nicht wirklich wissen, was funktioniert.

Diejenigen, die bereits wissen, was funktioniert, werden meist nicht als „AI Agents“ bezeichnet, sondern als AI-Projekte.

Status des Ökosystems

Der aktuelle Hype um x402 hat das Kapital und das Interesse an Crypto AI neu entfacht, aber das neue Ökosystem sieht ganz anders aus als zuvor.

1. Der Hype um Frameworks ist abgeflaut

Frameworks waren einst sehr wichtig, da sie den Aufbau für Entwickler erleichterten und Zeit beim Lernen, Coden und Workflow-Design sparten. Tools wie MCP verbesserten die Fähigkeit von Agenten, APIs zu nutzen oder bereitzustellen, ERC-8004 wird helfen, Register zu erstellen und Ethereum als Vertrauens- und Abwicklungsschicht zu etablieren, Googles A2A & AP2 werden zu den bevorzugten Frameworks für Entwickler, und Tools wie n8n ziehen viele Entwickler und Nutzer an.

Deshalb ist der Hype um „Frameworks“ selbst abgeklungen, viele Projekte wenden sich anderen Richtungen zu. Zum Beispiel ist @arcdotfun zu einem Workflow-Builder geworden; @openservai war ursprünglich als „Cluster“ positioniert, ist jetzt aber ebenfalls ein Workflow-Builder und bietet Tools, um mit Agenten Web3 AI-getriebene Unternehmen für bestimmte Nutzergruppen (wie Prediction-Market-Workflows) zu schaffen.

Frameworks sind weiterhin wichtig, aber mit der Verbreitung von Web2-AI-Frameworks und -Tools sowie der Nutzung von Web3-Kanälen ist der Hype um Web3-Frameworks zurückgegangen.

2. Wandel der Geschäftsmodelle

Das Fair-Launch-Pad-Modell ist für kleine Retail-Investoren vorteilhaft, macht es Teams aber schwer, zu skalieren. Es begünstigt kurzfristige Projekte oder reines Hype-Building durch Einzelentwickler, statt langfristige AI-Unternehmen für 3-5 Jahre oder länger aufzubauen.

In dieser Hinsicht ist die Expansion von Virtuals über sein Agenten-Business-Protokoll logisch. Mit x402 als Zahlungs-Channel für Agenten, dem Aufbau von Infrastruktur für Vertrauens-/Reputationsbewertungen und Mechanismen, wie Agenten zusammenarbeiten und sich gegenseitig für Dienste bezahlen, ist das entscheidend für die Verwirklichung der Agenten-Vision.

Doch Herausforderungen und Kernfragen bleiben: „Gibt es hochwertige Dienste, für die Menschen bereit sind zu zahlen?“

Wenn die meisten Dienste nutzlos sind, warum sollten Menschen nicht einfach Web2-AI-Dienste nutzen, statt Web3? Was ist dann der Sinn, Web3-Agenten zu bündeln?

Um ein nachhaltiges AI-Unternehmen mit 7- bis 8-stelligem Umsatz aufzubauen, braucht man Kapital, hochmotivierte Talente und Zeit, um die Vision zu verwirklichen – das ist mit dem Fair-Launch-Modell schwer zu erreichen.

Stattdessen sehen wir, dass mittelgroße bis große AI-Teams immer beliebter werden, die Seed-Kapital von Angels und VCs erhalten und über Community-Runden auf den Markt kommen.

Mit ihren Ressourcen (Kapital, Talente, VC-Backing usw.) können diese Teams meist deutlich hochwertigere Produkte/Dienste anbieten, was sich auch in der Performance ihrer Token widerspiegelt.

3. Fehlende Geschäftsmodelle und Tokenomics

Das gleichzeitige Management von AI-Produkten und Token erfordert zwei völlig unterschiedliche Fähigkeiten und eine sorgfältige Integration, um das Produktwachstum und die Nutzergewinnung zu beschleunigen (z.B.: Token-Airdrop an die richtigen Nutzer → Nutzer werden zahlende Kunden → Nutzung des Produkts gegen Bezahlung → Erhalt weiterer Token, die durch Revenue-Sharing, Buybacks, Governance usw. die Nutzer langfristig an das Projekt binden → Flywheel läuft weiter).

Leicht gesagt, schwer getan. Die meisten kleinen AI-Agenten-Teams geben 30-80% ihrer Tokenomics aus, sodass keine Ressourcen für ein Wachstum-Flywheel bleiben.

Die meisten Projekte setzen auf SaaS-Abos oder Abrechnung nach Nutzung/Punkten und bieten Rabatte bei Zahlung mit Token. Viele nutzen einen Teil der Abo-Einnahmen für Token-Buybacks oder verbrennen Token, die für Dienste verwendet werden.

Token-Buybacks aus Abo-Einnahmen sind okay, aber nur auf Token-Zahlung zu bestehen (oder nur Rabatte zu bieten) skaliert kaum.

Krypto-Token sind extrem volatil. Sie als Zahlungsmittel zu nutzen, ist keine gute Idee (heute +20%, morgen -30%, schwer zu budgetieren).

4. Darwinistische KI: Neue Wege der Kapitalbildung und klare Tokenomics

@opentensor (Bittensor) ist zur bevorzugten Plattform geworden, auf der Gründer Ideen starten, Miner zu AI beitragen und Investoren in das nächste potenziell disruptive DeAI-Unternehmen investieren können.

@flock_io nutzt föderiertes Lernen, setzt Standards für Datenschutz und spezialisierte AI, zieht Web2-Unternehmen, Regierungen als Kunden und Trainer (Miner), die zu AI beitragen wollen, an. Wie Bittensor hilft Flock Unternehmen, mit externen Top-Talenten coole und sinnvolle AI-Arbeit zu leisten.

@BitRobotNetwork, inspiriert von Bittensor, verfolgt einen ähnlichen Ansatz und fördert ein robotikzentriertes Subnetz-Ökosystem.

Gleichzeitig entstehen Real-World-Benchmarks/Evaluierungen mit echtem Geld (auch eine Form hochwertiger Unterhaltung):

• Alpha Arena von @the_nof1 lässt sechs fortschrittliche AI-Modelle mit echtem Geld (je 10.000 US-Dollar) in Perpetual-Trading-Wettbewerben gegeneinander antreten.
• @FractionAI_xyz nutzt den Wettbewerb zwischen AI-Agenten, um diese zu verbessern/kontinuierlich zu verfeinern und bessere Outputs, Signale, Gewinne und Risikomanagement zu liefern.
• @openservai hat OpenArena geschaffen, wo AI-Modelle im Prediction-Market-Trading konkurrieren.

Darwinistische KI löst das Problem der Kapitalbildung und ist der Motor für Innovationen im Bereich Crypto AI.

• Das Top-Bittensor-Subnetz Chutes ist bereits der führende Inferenzdienstleister auf OpenRouter, dem weltweit beliebtesten Unified-API-Gateway für General AI-Entwickler.
• Die führenden Compute-Subnetze (3-4 Stück) erzielen zusammen einen jährlichen wiederkehrenden Umsatz von 20-30 Millionen US-Dollar.
• Prediction-bezogene Subnetze erzielen durch die Monetarisierung von Alpha-Signalen und/oder deren Nutzung für besseres Trading/Forecasting jährliche wiederkehrende Umsätze von Hunderttausenden bis zu mehreren Millionen US-Dollar.

Darwinistischer, kompetitiver AI = Kapitalbildung (ohne VC) + Innovationsbeschleuniger (zieht AI/ML-Ingenieure an) = das wird 2026 die treibende Kraft hinter dem AI-Agenten-Narrativ sein.

Hinweis: „Darwinistische KI“ bezeichnet ein dezentralisiertes Ökosystem, das auf Wettbewerb und Marktwirtschaft basiert, um die Entwicklung, Bewertung und Belohnung von AI-Modellen zu fördern. Das Kernprinzip ist „Survival of the Fittest“, wie Darwins Theorie der natürlichen Selektion – die besten und nützlichsten AI-Modelle setzen sich im offenen Wettbewerb durch und werden belohnt.

Was ist also derzeit für kleine Teams oder AI Agents spannend?

Ehrlich gesagt gibt es einige Tools, die ich gerne nutze, aber bisher keines, für das ich bezahlen würde.

• Recherche: Grok deckt die X-Plattform ab, ChatGPT den allgemeinen Bereich.
• Tiefenanalyse: Ich lese hauptsächlich Newsletter und Messari-Berichte.
• Schneller Marktüberblick: Mit dem TG-Chatbot von @elfa_ai.
• Prediction-Market-Trading-Ideen: Mit @AskBillyBets, @Polysights und @aion5100 von @futuredotfun. (Ich freue mich auf @sire_agent's aVault, aber das ist noch nicht öffentlich.)
• DeFi: Meist mache ich das selbst, manchmal mit @almanak und @gizatechxyz, aber das sind streng genommen keine „AI Agents“.
• Trading: Mit @DefiLlama auf EVM oder @JupiterExchange auf Solana. Keine Perpetuals (bei Bedarf mit @Cod3xOrg für Analyse und Ausführung).

Im Crypto-Bereich sind Nutzer gewohnt, alles kostenlos zu bekommen, daher bevorzugen sie Free-Tools. Token-Gating oder Paywalls funktionieren schlecht, aber Gebühren nahtlos ins Produkt einzubauen, ist praktikabel. Deshalb ist das ergebnisbasierte Preismodell * sehr effektiv. Die Leute wollen keine 40 Dollar pro Monat zahlen, aber sie sind bereit, 40 Dollar Gas für eine erfolgreiche Transaktion zu zahlen.

Wenn du das beste Ergebnis lieferst (hohe Rendite, bester Preis), ist es den Leuten egal, ob du Gebühren einbaust – solange das Ergebnis stimmt.

Nach all den Crypto AI-Anwendungen und Agents, die ich ausprobiert habe, habe ich gelernt: Das beste Produkt ist derzeit das, das Geld verdient, und der beste vertikale Bereich dafür sind Launchpads (und die bald boomenden Prediction Markets), also das Betreiben von On-Chain-„Casinos“ und das Sammeln von Gebühren aus dem Handel.

Ausblick

• Echte Anwendungsfälle, die den Mainstream erreichen (also von normalen AI-Entwicklern oder Nutzern außerhalb der Szene genutzt werden), werden nächstes Jahr erscheinen, wahrscheinlich aus dem DeAI-/darwinistischen KI-Ökosystem.
• 2026 wird das Jahr von Crypto AI, mit einer Flut von DeFi-Anwendungsfällen, DeAI-Infrastruktur und Prediction-Anwendungen.
• Die meisten kleinen Agenten-Teams werden nach und nach verschwinden, übernommen/integriert werden oder im darwinistischen KI-Ökosystem weiterbauen.
• Crypto AI und AI Agents werden als Subsegmente verschmelzen, was die Produktstrategie und Vision von Crypto AI klarer macht.
• Launchpads bleiben das Herzstück der Crypto-Twitter-Community und generieren Volumen und Gebühren, aber die wirklich bahnbrechenden Innovationen werden dort entstehen, wo Ressourcen (Kapital, Talente, Distributionskanäle und Nutzerakzeptanz) am konzentriertesten sind.

Was ist der eigentliche Sinn von Crypto AI Agents?

Für „AI Agents“ besteht der Sinn darin, ein Trading-Erlebnis zu designen, das als „Investition in Technologie“ verkauft wird, auch wenn die meisten nur LLM-Wrappers mit Token-Hülle sind.

Für die meisten ist es der beste Weg für Kleinanleger, früh in solche spekulativen „AI-Agenten“-Assets zu investieren und Geld zu verdienen.

Als Narrativ legt Crypto AI Agents das Fundament für die zukünftige Agentenökonomie, in der Blockchain als zentrale Infrastruktur/Kanal all dies möglich macht.