opML erklärt: Verifizierbare KI-Inferenz auf der Blockchain
opML macht KI-Ergebnisse auf der Blockchain überprüfbar, ohne teure kryptografische Beweise. Wir erklären Funktionsweise, Anwendungen und was BaFin und MiCA für deutsche Anleger bedeuten.
Künstliche Intelligenz trifft auf Smart Contracts, doch eine Frage bleibt offen: Woher weiß eine Blockchain, dass ein KI-Modell tatsächlich das berechnet hat, was es behauptet? opML, kurz für Optimistic Machine Learning, gibt darauf eine Antwort, die ohne teure kryptografische Beweise auskommt. Der Ansatz stammt vom Team hinter ORA und überträgt die Logik optimistischer Rollups auf maschinelles Lernen. Wir erklären, wie das Verfahren arbeitet, wo es bereits produktiv läuft und was deutsche Anlegerinnen und Anleger dazu wissen sollten.
Was opML ist und warum es gerade jetzt zählt
opML ist ein Verfahren, um die Ergebnisse von KI-Modellen auf der Blockchain überprüfbar zu machen, ohne die Berechnung selbst on-chain auszuführen. Der Name verrät das Prinzip: Ein Ergebnis gilt zunächst als korrekt, also optimistisch, kann aber innerhalb einer festgelegten Frist angefochten werden. Stellt sich ein Resultat als falsch heraus, verliert derjenige, der es eingereicht hat, seine hinterlegte Sicherheit. Vorgestellt wurde das Konzept Anfang 2024 in einem Whitepaper von KD Conway, Cathie So, Xiaohang Yu und Kartin Wong, das aus dem Umfeld von ORA, vormals Hyper Oracle, stammt.
Die Relevanz ist 2026 spürbar gewachsen. Autonome KI-Agenten beginnen, eigenständig on-chain zu handeln, Vermögenswerte zu halten und Zahlungen auszulösen. Ant Group stellte im April 2026 mit Anvita eine Plattform für genau solche Agenten vor, samt Zahlungen per Stablecoin im Sekundentakt. Sobald Software autonom über Geld entscheidet, wird die Frage nach überprüfbaren KI-Ergebnissen zentral. opML positioniert sich als eine der praktikabelsten Antworten darauf.
Das Grundproblem: KI-Ergebnisse ohne Vertrauensanker
Ein modernes Sprachmodell mit mehreren Milliarden Parametern direkt in einem Smart Contract auszuführen, ist praktisch unmöglich. Die Rechenlast würde die Gas-Kosten in absurde Höhen treiben, und die Speicheranforderungen sprengen jeden Block. Die Berechnung muss also off-chain stattfinden. Damit entsteht eine Vertrauenslücke: Ein Dienstleister liefert ein Ergebnis, doch die Blockchain hat zunächst keine Möglichkeit, dessen Richtigkeit selbst nachzuvollziehen.
Für dieses Problem haben sich zwei Denkschulen herausgebildet. Die eine setzt auf zkML, also auf Zero-Knowledge-Beweise, die mathematisch garantieren, dass eine Berechnung korrekt ausgeführt wurde. Die andere setzt auf opML und ersetzt den kryptografischen Beweis durch wirtschaftliche Anreize und eine Einspruchsfrist. Beide Wege haben Stärken und Schwächen, die sich deutlich unterscheiden.
Wie opML funktioniert: das Verifikationsspiel
Im Zentrum steht ein interaktives Betrugsbeweis-Verfahren, das stark an optimistische Rollups wie Arbitrum oder Optimism und an das ältere Truebit-Konzept erinnert. Der Ablauf lässt sich in wenige Schritte gliedern:
- Ein Anbieter führt die KI-Inferenz off-chain aus und schreibt das Ergebnis zusammen mit einer Sicherheitsleistung on-chain.
- Es beginnt eine Einspruchsfrist, in der jeder Beobachter das Ergebnis nachrechnen kann.
- Widerspricht ein Prüfer, starten beide Seiten ein Dispute-Verfahren, das den Streit per Bisektion auf einen einzigen Rechenschritt eingrenzt.
- Diesen einen Schritt kann die Blockchain günstig selbst verifizieren und so entscheiden, wer recht hat.
Möglich macht das eine deterministische Fraud-Proof-Maschine, kurz FPVM, die das Modell in einer reproduzierbaren Umgebung ausführt, ähnlich einer MIPS-VM. Entscheidend für die Kosten ist, dass on-chain nur dieser eine strittige Rechenschritt geprüft wird, nicht die gesamte Berechnung. Der unterlegene Teilnehmer verliert seine Sicherheit, was Manipulation unattraktiv macht. Laut Referenzimplementierung auf GitHub und dem Whitepaper lässt sich auf diese Weise sogar ein 7B-LLaMA-Modell mit rund 26 GB Größe auf einem gewöhnlichen PC ohne dedizierte GPU prüfen. Genau diese Genügsamkeit ist der zentrale Vorteil gegenüber zkML.
opML gegen zkML: zwei Wege zu verifizierbarer KI
Der wichtigste Unterschied liegt in der Natur der Garantie. zkML liefert einen mathematischen Beweis, opML eine wirtschaftliche Wette darauf, dass sich Betrug nicht lohnt. Die folgende Tabelle stellt beide Ansätze gegenüber, wie es auch ORA in seiner Dokumentation tut.
| Kriterium | opML (optimistisch) | zkML (Zero-Knowledge) |
|---|---|---|
| Beweisprinzip | Interaktives Betrugsbeweis-Spiel | Kryptografischer Gültigkeitsbeweis |
| Sicherheitsmodell | Krypto-ökonomisch (Anreize, Sicherheiten) | Kryptografisch (mathematisch) |
| Hardware | Normaler PC, auch ohne GPU | Hoher Speicher- und Rechenbedarf |
| Modellgröße | Große Modelle wie 7B-LLaMA (rund 26 GB) | Bislang vor allem kleinere Modelle |
| Finalität | Nach Ablauf der Einspruchsfrist | Nach Erzeugung und Prüfung des Beweises |
| Kosten | Niedrig, nahe nativer Ausführung | Hoch, lange Beweiserzeugung |
| Vertrauensannahme | Mindestens ein ehrlicher Prüfer nötig | Keine, rein mathematisch |
Bemerkenswert ist ein Detail bei der Finalität: Wenn ein Modell sehr groß ist, kann die Beweiserzeugung von zkML länger dauern als die gesamte Einspruchsfrist von opML. In solchen Fällen erreicht opML sogar schneller Endgültigkeit. Es überrascht daher nicht, dass die Forschung an Brücken zwischen beiden Welten arbeitet. Ein 2026 in einer Fachzeitschrift veröffentlichter Ansatz namens zk-OPML verbindet optimistische Verifikation mit Zero-Knowledge-Beweisen, um Kosten und Skalierbarkeit beider Ansätze auszubalancieren.
ORA und das Onchain AI Oracle
Die bekannteste Umsetzung von opML ist das Onchain AI Oracle, kurz OAO, von ORA, das auf dem Ethereum-Mainnet verfügbar ist. Der Ablauf folgt einem Callback-Muster: Ein Smart Contract stellt eine KI-Anfrage, die Berechnung erfolgt off-chain, und das verifizierbare Ergebnis wird per Rückruf an den Vertrag zurückgespielt. Unterstützt werden unter anderem große Modelle wie LLaMA 3 und der Bildgenerator Stable Diffusion. Der Code ist quelloffen und im OAO-Repository auf GitHub einsehbar.
Rund um das Oracle hat ORA weitere Bausteine entwickelt. Mit dem Initial Model Offering, kurz IMO, sollen sich KI-Modelle tokenisieren und ihre Einnahmen verteilen lassen. Der Ansatz opp/ai wiederum verbindet opML mit Zero-Knowledge-Technik, um neben der Korrektheit auch die Privatsphäre der Modelldaten zu schützen. Das zeigt, dass opML kein isoliertes Produkt ist, sondern Teil eines größeren Baukastens für verifizierbare KI.
Anwendungsfälle: von DeFi über Gaming bis zu autonomen Agenten
Der naheliegendste Einsatzbereich ist DeFi. Ein Protokoll, das Renditen über ein KI-Modell optimiert, kann mit opML belegen, dass es tatsächlich seiner angekündigten Strategie gefolgt ist. Das schafft Prüfbarkeit dort, wo bisher blindes Vertrauen nötig war. Branchenbeobachter erwarten, dass verifizierbare KI für große DeFi-Protokolle mit hohem Anlagevolumen zum Standard wird.
Für die Gaming-Welt ist opML besonders interessant. Mögliche Szenarien:
- Nachweisbar faire KI-Gegner, deren Entscheidungen nicht heimlich zugunsten des Hauses manipuliert werden.
- KI-generierte Inhalte wie Items oder Level mit nachvollziehbarer Herkunft.
- Dynamische Spielökonomien, in denen ein Modell Preise oder Belohnungen steuert und jeder Schritt überprüfbar bleibt.
Der dritte große Bereich sind autonome Agenten. Projekte wie World, das mit Coinbase an Identitätsnachweisen für KI-Agenten arbeitet, zeigen die Richtung. Wenn ein Agent eigenständig Kapital bewegt, sollte seine Entscheidungslogik nachprüfbar sein. opML kann diesen Nachweis liefern, ohne jeden einzelnen Rechenschritt teuer kryptografisch zu beweisen.
Der Markt: AI-Krypto im Aufwind, der Token im Schatten
Der Sektor aus KI und Krypto gehört 2026 zu den am intensivsten diskutierten Themen der Branche. Von tokenisierten Realwerten bis zu Agenten, die per Stablecoin Mikrozahlungen abwickeln, fließt viel Kapital in diese Richtung. Umso wichtiger ist es, die Infrastruktur von einzelnen Spekulationsobjekten zu trennen.
Das gilt auch für den unter dem Kürzel ORA gehandelten Token. Laut CoinGecko notiert er aktuell bei rund 0,0053 Euro, bei einer Marktkapitalisierung von etwa 297.000 Euro. Das 24-Stunden-Handelsvolumen liegt bei lediglich rund 30 Euro, der Token ist damit faktisch illiquide. Vom Allzeithoch bei umgerechnet etwa 4,71 Euro im November 2024 ist er rund 99,9 Prozent entfernt. Diese Zahlen sind ein Lehrstück dafür, dass die technische Bedeutung eines Protokolls und der Kurs eines zugehörigen Tokens zwei völlig verschiedene Dinge sein können. Wer allein auf einen solchen Token spekuliert, trägt ein extremes Risiko, unabhängig davon, wie überzeugend die Technik dahinter wirkt.
Risiken: Wo opML an Grenzen stößt
opML ist kein Allheilmittel. Die wichtigsten Schwachstellen sollte man kennen:
- Verzögerte Finalität: Die Einspruchsfrist kostet Zeit. Für Anwendungen, die sofortige Endgültigkeit brauchen, ist das ein Nachteil.
- Annahme ehrlicher Prüfer: Das Modell funktioniert nur, solange mindestens ein ehrlicher und aktiver Prüfer existiert. Fehlt dieser, bleibt Betrug unentdeckt.
- Wirtschaftliche Sicherheit: Die Abschreckung steht und fällt mit der Höhe der Sicherheiten und der Gestaltung der Anreize.
- Determinismus: KI-Berechnungen müssen über verschiedene Hardware hinweg exakt reproduzierbar sein, was bei Fließkommazahlen knifflig ist und Quantisierung erfordert.
Hinzu kommt, dass frühe Deployments oft noch zentrale Komponenten enthalten, etwa eine begrenzte Zahl autorisierter Prüfer. Bis das System vollständig dezentral und unter echten Angriffsbedingungen erprobt ist, bleibt eine gesunde Portion Skepsis angebracht. Wer opML in einer Anwendung nutzt, sollte die konkrete Ausgestaltung von Fristen und Sicherheiten genau prüfen.
Regulatorische Einordnung: BaFin, MiCA und verifizierbare KI
Für deutsche Nutzer stellt sich die Frage nach der Regulierung. opML als Technik ist zunächst Infrastruktur und kein Finanzinstrument. Sobald jedoch ein Token öffentlich an Privatanleger in der EU ausgegeben wird, greift die MiCA-Verordnung mit ihren Pflichten zu einem Whitepaper und, je nach Dienst, zur Zulassung als Krypto-Dienstleister. Die BaFin nimmt die Einordnung im Einzelfall vor und hat sich zu einer der zentralen Krypto-Aufsichten in der EU entwickelt.
Der Zeitpunkt ist heikel, denn die nationalen Übergangsfristen unter MiCA laufen 2026 aus; die EU-weite Übergangsphase endet zum 1. Juli 2026. Anbieter ohne gültige Zulassung dürfen EU-Kunden danach nicht mehr bedienen. Hinzu kommt der EU AI Act, der für bestimmte KI-Systeme eigene Pflichten vorsieht. Interessant ist, dass Überprüfbarkeit hier zum Vorteil werden kann: Ein System, das seine KI-Ergebnisse nachweislich belegt, erfüllt Transparenz- und Auditanforderungen leichter als eine Black Box.
Ausblick: hybride Beweise und die agentische Wirtschaft
Die Wette von opML lautet: Für viele Anwendungen genügt eine solide wirtschaftliche Sicherheit zu nahezu nativen Kosten, statt teurer kryptografischer Perfektion. Ob diese Wette aufgeht, hängt davon ab, wie robust das Verfahren unter realen Angriffsbedingungen und bei großer Skalierung bleibt. Die Entwicklung hybrider Verfahren wie zk-OPML deutet darauf hin, dass die Zukunft weniger ein Entweder-oder als ein Sowohl-als-auch sein dürfte.
Klar ist: Je mehr autonome Agenten on-chain wirtschaften, desto wichtiger wird die Frage, ob man ihren KI-Ergebnissen trauen kann. opML liefert dafür eine pragmatische Antwort, die ohne Hochleistungshardware auskommt. Für die Branche ist das weniger ein einzelnes Produkt als ein Baustein einer Infrastruktur, die gerade erst entsteht. Anlegerinnen und Anleger sollten Technik und Token dabei strikt auseinanderhalten.
Von der HOGE-Wire-Redaktion, Ressort KI und Krypto.