Kann man ein KI-Modell tokenisieren? opMLs Praxistest

Am 17. September 2026 erzählte der Kryptomarkt zwei Geschichten gleichzeitig. Die eine handelte von Erholung: Verifikationstoken wie PROVE (Succinct) legten binnen Monatsfrist rund ein Viertel zu, PHA (Phala) gewann in einer Woche gut zehn Prozent, und selbst das lange gebeutelte EIGEN drehte ins Plus. Die andere Geschichte spielte in derselben Branche und lief genau andersherum. Der Token, der die Wertschöpfung von opML einfangen soll, notierte bei etwa 0,0018 Euro, brachte damit knapp 295.000 Euro Marktkapitalisierung auf die Waage und rangierte auf Platz 4017. An einem einzigen Tag verlor er nach CoinGecko-Daten rund die Hälfte seines Werts, der 24-Stunden-Umsatz lag bei unter 1.700 Euro.

Die Rede ist von ORA, dem Token des Protokolls Ora (früher Hyper Oracle). Ora hat opML, optimistic machine learning, maßgeblich mitentwickelt und zu einem funktionierenden Baukasten ausgebaut: ein Orakel für KI-Anfragen, ein Framework für autonome Agenten und, am ehrgeizigsten, ein Verfahren, um ein KI-Modell samt seinem Einnahmestrom zu tokenisieren. Die Technik ist real und wird von unabhängigen Fachleuten ernst genommen. Der Token, der sie tragen soll, ist praktisch wertlos.

Dieser Widerspruch ist der eigentliche Praxistest von opML. Ein Beweisverfahren ist kein Selbstzweck, sondern Infrastruktur: Es ist so viel wert wie das, was darauf läuft. Dieser Beitrag geht der Frage nach, wofür opML tatsächlich gebraucht wird, warum die kühnste Idee dahinter, ein Modell zu tokenisieren, technisch elegant und rechtlich heikel zugleich ist, und was der Absturz des Tokens über die Lücke zwischen Technologie und Marktwert verrät.

Was opML ist und warum es „optimistisch“ heißt

opML steht für optimistic machine learning. Das Prinzip ist schnell erklärt und trotzdem folgenreich. Anstatt eine KI-Berechnung teuer auf der Blockchain nachzuweisen, wird sie außerhalb der Kette ausgeführt. Veröffentlicht wird nur das Ergebnis samt einer kompakten kryptografischen Kurzfassung, einem Merkle-Commitment, das den gesamten Rechenweg festnagelt. Dieses Ergebnis gilt zunächst als gültig. Erst wenn innerhalb eines festgelegten Einspruchsfensters niemand widerspricht, wird es endgültig.

Der Name ist Programm und ausdrücklich bei den optimistic Rollups von Arbitrum und dem OP Stack ausgeliehen. Man geht optimistisch davon aus, dass das veröffentlichte Ergebnis stimmt, und verlässt sich darauf, dass mindestens ein aufmerksamer Beobachter einen Fehler anficht, falls doch betrogen wurde. Es ist die gleiche Logik wie im Rechtsstaat: unschuldig bis zum Beweis des Gegenteils, nur dass hier jeder die Rolle des Anklägers übernehmen darf. Das spart die teure Vorab-Kontrolle und verlagert den Aufwand auf den seltenen Streitfall.

Das Grundlagenpapier opML: Optimistic Machine Learning on Blockchain (KD Conway und das Hyper-Oracle-Team, Erstversion 31. Januar 2024) beschreibt den Ansatz mit eigenen Worten als „an die optimistic-Rollup-Systeme erinnernd“. Die Idee selbst ist sogar noch älter: Ein Forenbeitrag im Optimism-Governance-Forum skizzierte sie bereits im August 2023, Monate vor der wissenschaftlichen Veröffentlichung.

Von Truebit zu den Betrugsbeweisen

Das Herzstück von opML ist kein neues Konzept, sondern eines mit langer Geschichte. Schon Jahre vor den optimistic Rollups beschrieben Jason Teutsch und Christian Reitwiessner in ihrem Truebit-Papier ein Verfahren, mit dem sich beliebig aufwendige Berechnungen auf einer Blockchain absichern lassen, ohne sie komplett nachrechnen zu müssen. Der Trick heißt interaktive Bisektion oder Verifikationsspiel: Behaupten zwei Parteien unterschiedliche Ergebnisse, grenzen sie ihren Streit Schritt für Schritt ein, bis nur noch ein einziger, winziger Rechenschritt strittig ist. Genau diesen einen Schritt führt die Blockchain dann selbst aus und entscheidet den Streit. Der Rest bleibt off-chain.

opML überträgt dieses Muster auf maschinelles Lernen. Umgesetzt wird es in einer sogenannten Fraud Proof Virtual Machine (FPVM). In der einfachsten, einphasigen Variante wird im Streitfall jeder Rechenschritt in einer eingeschränkten virtuellen Maschine ohne GPU nachgespielt: robust, aber langsam. Die mehrphasige Variante lässt unstrittige Berechnungen nativ auf der GPU laufen und schaltet die langsame VM nur für den einen bisektierten Streitschritt zu.

Laut Oras opML-Dokumentation auf GitHub senkt das die Komplexität des Merkle-Baums von O(mn) auf O(m+n) und beschleunigt den Prozess um das „Zehn- bis Hundertfache“. In eigenen Tests auf MNIST-Niveau nennt das Projekt rund zwei Sekunden für eine Inferenz und etwa zwei Minuten für einen kompletten Einspruchszyklus; ein 7-Milliarden-Parameter-LLaMA (26 GB) soll ohne GPU auf einem gewöhnlichen PC laufen. Diese Werte stammen vom Projekt selbst und sind nicht unabhängig geprüft, was bei jeder Leistungsangabe eines Protokolls über die eigene Technik grundsätzlich mitzudenken ist.

Warum nicht gleich Zero-Knowledge?

Wenn es darum geht, eine KI-Berechnung überprüfbar zu machen, gibt es einen offensichtlicheren Weg: einen kryptografischen Beweis, dass die Inferenz korrekt lief, also zkML (zero-knowledge machine learning). Der Beweis ist mathematisch vertrauenslos, niemand muss irgendjemandem glauben. Der Haken ist der Preis. Elena Burger, Deal Partner bei a16z crypto, bringt das Problem in einem Essay zu Machine Learning und Zero-Knowledge-Beweisen auf den Punkt: Zero-Knowledge-Beweise könnten „heute keine 32-Bit-Gleitkommaoperationen im nötigen arithmetischen Schaltkreisformat ohne massiven Overhead darstellen“. Wer trotzdem beweisen will, muss auf 8-Bit-Quantisierung ausweichen und damit Genauigkeit gegen Beweisbarkeit tauschen.

Hier setzt opML an. Es verzichtet auf den teuren Vorab-Beweis und ersetzt ihn durch ökonomische Endgültigkeit plus Betrugsbeweis. Das macht es deutlich billiger und erlaubt große Modelle, die für zkML noch außer Reichweite liegen. Der Preis dafür ist ein anderer: Wartezeit durch das Einspruchsfenster und die Annahme, dass tatsächlich jemand hinschaut. opML ist damit nicht der vertrauensloseste, sondern der pragmatischste der vier gängigen Ansätze für verifizierbares Rechnen. Die folgende Tabelle ordnet sie ein.

opML ist Infrastruktur, kein Produkt

Ein Beweisverfahren allein verkauft niemand. opML ist Klempnerei: Rohre, Ventile, Zähler. Interessant wird es erst durch das, was hindurchfließt. Ora hat deshalb nicht bei der FPVM haltgemacht, sondern darauf eine ganze Produktfamilie gebaut. Drei Bausteine tragen die Idee, und weitere halten sie am Laufen: das Onchain AI Oracle (OAO) als Schnittstelle für Anwendungen, das opAgent-Framework für autonome Agenten, die Initial Model Offering (IMO) für tokenisierte Modelle und die Resilient Model Services (RMS) als robuste Inferenzschicht darunter.

Wer beurteilen will, ob opML etwas taugt, muss diese Anwendungen ansehen, nicht das Whitepaper. Denn die Rechnung eines jeden Infrastrukturprojekts ist einfach: Ohne Nachfrage nach den Diensten obendrauf ist die beste Sanitärinstallation nutzlos. Der Gründer formuliert den Anspruch groß. Kartin Wong, zuvor bei Google und als Infrastrukturchef bei TikTok, sagte anlässlich einer Finanzierungsrunde über 20 Millionen US-Dollar (Polychain, HF0, HashKey Capital, Juni 2024) gegenüber CoinDesk, Ora wolle „den Gestaltungsraum für KI-Dapps aufschließen“. Chefwissenschaftlerin Cathie So, zuvor zkML-Forscherin bei der Ethereum-Foundation-Gruppe PSE, bringt die Beweis-Expertise mit. Die Vision ist also nicht kleiner als eine offene Wirtschaft rund um KI-Modelle auf der Blockchain.

Zugleich steht über allem eine unbequeme Frage, die die gesamte Branche umtreibt: Braucht verifizierbares Rechnen überhaupt einen eigenen Token? Die Rechenleistung ließe sich auch in Euro oder einem Stablecoin bezahlen, und der Betrugsbeweis funktioniert unabhängig davon, ob ein spekulativer Vermögenswert daran hängt. Ein Token rechtfertigt sich nur, wenn er eine Aufgabe erfüllt, die eine gewöhnliche Währung nicht kann, etwa das Koordinieren von Prüfern über Anreize. Genau an diesem Punkt entscheidet sich, ob ORA ein notwendiger Baustein oder bloß eine aufgesetzte Spekulationsschicht ist.

OAO: das Onchain AI Oracle als erste Anwendung

Die naheliegendste Anwendung von opML ist ein Orakel. Klassische Orakel liefern Preisdaten; das Onchain AI Oracle (OAO) liefert KI-Antworten. Ein Smart Contract stellt eine Anfrage, opML-Knoten führen das Modell aus, das Ergebnis kommt mitsamt Einspruchsfenster zurück, und nach dessen Ablauf ruft ein Callback die anfragende Anwendung auf. So bekommt eine Dapp eine KI-Ausgabe, deren Korrektheit nicht auf blindem Vertrauen beruht, sondern angefochten werden könnte.

Konkret heißt das: Ein Kreditprotokoll könnte ein Sprachmodell fragen, ob ein eingereichter Nachweis echt wirkt, ein NFT-Projekt könnte Bilder generieren lassen, ein Spiel könnte einen Gegner steuern, dessen Züge sich nicht heimlich manipulieren lassen. In allen Fällen ist der Mehrwert nicht die KI selbst, sondern die Zusicherung, dass der Betreiber das Modell nicht unbemerkt austauscht.

OAO ist bewusst breit ausgelegt. Es liegt unter derselben Vertragsadresse auf mehr als einem Dutzend Netzwerken, darunter Ethereum, Optimism, Arbitrum, Base, Polygon, Linea, Mantle und BSC; jüngere Einträge nennen auch Solana und Hyperliquid. Der Modellkatalog reicht von Llama 3.3 (70B) über Qwen, Mistral, Mixtral, Gemma und DeepSeek-V3 bis zu Bildmodellen wie Stable Diffusion 3.5 und FLUX.1. Für jeden Aufruf fällt eine Gebühr zwischen 0,01 und 1,00 ORA an; der Token ist hier also eher ein Verbrauchsgut wie Gas als ein Steuerungsinstrument. Genau diese Utility-Rolle wird später wichtig, wenn es um die rechtliche Einordnung geht.

opAgent: KI-Agenten ohne Private Key

Der zweite Baustein zielt auf die derzeit heißeste Erzählung der Branche: autonome KI-Agenten, die eigenständig on-chain handeln. Oras Antwort heißt opAgent, ein Framework für „Onchain Perpetual Agents“, das laut Decrypt seit dem 31. Januar 2025 zusammen mit den Resilient Model Services live ist. Das Besondere: Ein opAgent wird nicht über einen privaten Schlüssel gesteuert, sondern über Smart-Contract-Logik. Damit entfällt die klassische Schwachstelle, der gestohlene Key. opML ist die Brücke, die jede Aktion des Agenten, ob Tausch, Überweisung oder Vertragsaufruf, überprüfbar macht.

Rund um dieses Framework hat Ora weitere Angebote gruppiert, darunter Pump.ai für die erlaubnisfreie Erstellung von Agenten. Die Bausteine sind auf agentenfreundlichen Ketten wie Base, Arbitrum, Optimism, Solana und Hyperliquid verfügbar. Wie viel davon tatsächlich genutzt wird, ist eine andere Frage; die Ankündigung von opAgent war eine gesponserte Mitteilung ohne namentlich zitierten Sprecher, weshalb die Aussagen dem Unternehmen und nicht einer Person zuzurechnen sind. Dass autonome Agenten überhaupt ein ernstzunehmendes Testfeld sind, zeigt sich derweil anderswo: In Prognosemärkten stellen Bots und KI-Agenten inzwischen einen erheblichen Teil der Aktivität, ganz ohne opML.

Die kühnste Wette: ein KI-Modell tokenisieren

Der interessanteste und zugleich riskanteste Baustein ist die Initial Model Offering, kurz IMO. Die Idee: Man tokenisiert nicht ein Unternehmen und nicht eine Kryptowährung, sondern den Einnahmestrom eines KI-Modells. Entwickler eines offenen Modells sollen es on-chain finanzieren, öffentlich weiterentwickeln und die Erträge mit Token-Haltern teilen können. Cointelegraph beschrieb Oras Finanzierungsrunde denn auch ausdrücklich als eine Wette auf die Tokenisierung von KI-Modellen.

Anders als ein klassischer Token-Verkauf, der ein Versprechen auf künftige Nutzung verkauft, knüpft die IMO die Ausschüttung an reale Gebühren: Halter verdienen nur, wenn das Modell tatsächlich verwendet wird. In der Theorie richtet das die Anreize von Entwicklern, Investoren und Nutzern aus. In der Praxis steht und fällt das Konzept mit der Nachfrage, und genau die ist der wunde Punkt.

Technisch ruht die IMO auf zwei Standards, die beide von Oras Gründerteam mitverfasst wurden. Der erste ist ERC-7641, der „Intrinsic RevShare Token“ (derzeit im Entwurfsstadium, aufbauend auf ERC-20). Jede kostenpflichtige Nutzung des Modells speist einen Einnahmenpool; über periodische Momentaufnahmen der Guthaben können Halter ihren anteiligen Ertrag beanspruchen oder ihre Token verbrennen, um einen entsprechenden Anteil aus dem Pool auszulösen. Die Kurzfassung des Standards sagt es selbst unverblümt: Der Token verkörpere „im Kern Anteile“. Diese eine Formulierung wird im Abschnitt zur Regulierung zum Dreh- und Angelpunkt.

Konkret sähe das so aus: Ein Team veröffentlicht ein offenes Übersetzungsmodell als IMO. Jede Anfrage über OAO kostet eine kleine Gebühr, die anteilig in den Einnahmenpool fließt. Wer den RevShare-Token hält, hat Anspruch auf einen Teil dieser Gebühren, ähnlich einer Lizenzabgabe. Steigt die Nutzung, steigt der Ertrag; bleibt sie aus, bleibt der Token wertlos. Das ist ökonomisch elegant, weil es Entwickler dafür belohnt, ein tatsächlich nachgefragtes Modell zu bauen, statt nur ein gutes Whitepaper zu schreiben. Und es ist rechtlich heikel aus genau demselben Grund: Ein Anspruch auf laufende Einnahmen ist das Kennzeichen einer Kapitalanlage.

Der zweite Standard ist ERC-7007, der „Verifiable AI-Generated Content Token“ (Status: Final, aufbauend auf ERC-721). Er macht KI-generierte Inhalte, etwa Bilder oder Videos, zu NFTs, die fest an ihren Prompt gebunden und deren Korrektheit über zkML oder opML überprüfbar sind. Zusammen ergeben die beiden Standards die IMO: ERC-7641 verbrieft das Eigentum am Modell und seinem Ertrag, ERC-7007 die einzelnen verifizierbaren Ausgaben. Oras erste IMO galt dem offenen Sprachmodell OpenLM und diente als Machbarkeitsnachweis für den gesamten Stapel.

Die opML-Bausteine im Überblick

Fünf Komponenten bilden Oras Angebot. Sie teilen sich dieselbe opML-Grundlage, adressieren aber unterschiedliche Zielgruppen, von Dapp-Entwicklern über Agentenbauer bis zu Modell-Investoren.

Der blinde Fleck: geschlossene Modelle

An dieser Stelle lohnt ein genauer Blick auf eine Feinheit, die in Marketingfolien gern untergeht. Der Betrugsbeweis von opML funktioniert nur, wenn ein Prüfer die strittige Berechnung unabhängig wiederholen kann. Das setzt offene Gewichte voraus, wie sie Llama oder Stable Diffusion mitbringen. Bei geschlossenen Modellen hinter einer API, etwa GPT-4o oder DALL-E, ist das unmöglich: Niemand außerhalb des Anbieters kann die Ausführung nachvollziehen.

OAO listet zwar auch solche proprietären Modelle, doch deren Ergebnisse werden lediglich durchgereicht und attestiert, nicht im eigentlichen Sinn per opML verifiziert. Das ist keine Kleinigkeit. Die stärksten Garantien von opML gelten ausgerechnet für jene Modelle mit dem geringsten kommerziellen Burggraben, die frei verfügbaren. Für die teuren, geschlossenen Flaggschiffe, mit denen sich am meisten Geld verdienen ließe, greift der Mechanismus gerade nicht. Wer eine als „verifiziert“ beworbene KI-Ausgabe kauft, sollte deshalb fragen, ob das Modell offen genug ist, damit der Beweis überhaupt greift.

Die Grenzen von opML

Der optimistische Ansatz erkauft seine niedrigen Kosten mit mehreren strukturellen Schwächen. Die erste ist das Prüfer-Dilemma. Ein Beobachter verdient nur dann etwas, wenn er tatsächlich Betrug aufdeckt. Verhalten sich alle rational und verlassen sich darauf, dass schon jemand anderes kontrolliert, kontrolliert am Ende niemand. Truebit begegnete dem mit erzwungenen Fehlern und einem Jackpot; opML hat auf diese Frage bislang keine im Betrieb erprobte Antwort und steht und fällt mit der Annahme, dass mindestens ein ehrlicher Prüfer wach ist.

Die zweite Schwäche ist Latenz. Das Einspruchsfenster verzögert die Endgültigkeit und verträgt sich schlecht mit Anwendungen, die in Echtzeit reagieren müssen. Das Papier Optimistic TEE-Rollups von Aaron Chan und Kollegen kritisiert genau das: Optimistische Ansätze wie opML „erzwingen prohibitive Streitfenster und verhindern damit Echtzeit-Interaktivität“. Hinzu kommen ein Datenschutzproblem, weil der Rechenweg für eine Anfechtung öffentlich sein muss, und die Nichtdeterminiertheit von GPU-Berechnungen, die eine bit-genaue Wiederholung erschwert.

Es ist daher kein Zufall, dass 2026 im Zeichen der Hybride steht. Ora selbst kombiniert in opp/ai opML mit zkML für den Datenschutz; Forschungsarbeiten wie zk-OPML verkürzen das Einspruchsfenster mit Zero-Knowledge-Technik, und die erwähnten Optimistic TEE-Rollups mischen vertrauenswürdige Hardware, Betrugsbeweise und stichprobenartige ZK-Prüfungen. Diese Mischformen sind das deutlichste Signal dafür, dass reines opML an Grenzen stößt und Anleihen bei seinen Konkurrenten macht. Wer den größeren Rahmen sucht, findet ihn in unserer Einordnung, wie Beweis-Netze 2026 zu KI-Clouds werden.

Technik lebt, Token stirbt: das ORA-Paradox

Damit zurück zum Ausgangspunkt. Wenn opML technisch funktioniert und Ora darauf Orakel, Agenten und tokenisierte Modelle gebaut hat, warum ist der Token dann fast nichts mehr wert? Am 17. September 2026 kostete ORA laut CoinGecko rund 0,0018 Euro, bei einer Marktkapitalisierung von etwa 295.000 Euro und Rang 4017. Der Kurs war an diesem Tag um rund 52 Prozent gefallen und lag gut 48 Prozent unter dem Stand einer Woche zuvor. Gemessen am Allzeithoch von 5,08 Euro sind das nahezu 100 Prozent Verlust.

Entscheidend ist der Kontext. Der Umsatz lag bei unter 1.700 Euro in 24 Stunden, ein derart dünner Markt, dass der Kurs kaum noch etwas aussagt; schon ein kleiner Verkauf drückt ihn weit nach unten. Und der Rest der Branche lief in dieselbe Woche genau andersherum: PROVE, PHA und EIGEN legten zu. ORAs Absturz ist also kein Sektorproblem, sondern hausgemacht. Für eine Ursache jenseits der Illiquidität gibt es keinen belegten Anhaltspunkt, und man sollte auch keine erfinden. Die nüchterne Lesart lautet: Der Markt hat der Wertschöpfung, die durch opML fließen soll, sein Urteil gesprochen, und es fällt vernichtend aus.

Hinzu kommt ein Verwässerungsrisiko. Von den insgesamt rund 333 Millionen ORA sind nach CoinGecko-Angaben etwa 166 Millionen im Umlauf, also nur rund die Hälfte. Der Rest kann im Lauf der Zeit auf den Markt kommen und einen ohnehin schwachen Kurs weiter belasten. Für einen Token, dessen Nachfrage kaum messbar ist, ist ein solcher Angebotsüberhang eine zusätzliche Hypothek.

Das eigentliche Problem ist ein konzeptionelles. Ein reiner Gebührentoken fängt nur dann Wert ein, wenn genug Gebühren anfallen, und dafür braucht es Nutzung, die sichtbar ausbleibt. Die Frage, ob hinter einem KI-Krypto-Projekt echte Nachfrage steckt oder nur eine Erzählung, ist nicht neu; sie stellte sich schon beim KI-Fonds ai16z und der Frage, ob er je ein echter Fonds war. Der Kontrast zu den übrigen Verifikationstoken macht die Kluft zwischen Technologie und Marktwert sichtbar. Alle liegen tief unter ihren Höchstständen, aber keiner so brutal wie ORA.

Alle Angaben nach CoinGecko vom 17. September 2026. Die Zahlen sind volatil und sollten vor jeder Nutzung neu geprüft werden.

Der Wertpapier-Test: BaFin, MiCA und RevShare-Token

Bei der IMO wird die rechtliche Frage unausweichlich, und sie unterscheidet sich fundamental von der beim ORA-Token. Ein Verbrauchstoken, mit dem man Gebühren zahlt, lässt sich mit guten Argumenten als Kryptowert unter der EU-Verordnung MiCA einordnen. Ein RevShare-Token nach ERC-7641 ist etwas anderes. Wenn ein Token laut seiner eigenen Spezifikation „im Kern Anteile“ verkörpert und seinen Haltern einen Anteil an den Einnahmen eines Modells verspricht, dann trägt er die Merkmale eines Finanzinstruments.

Genau hier verläuft die Grenze zwischen zwei Regelwerken. MiCA erfasst Kryptowerte und die Dienstleister, die mit ihnen handeln, nicht aber Finanzinstrumente; diese fallen unter die Richtlinie MiFID II. Die BaFin bewertet nach dem Grundsatz Substanz vor Form, den auch die ESMA-Leitlinien betonen: Nicht die Bezeichnung entscheidet, sondern die wirtschaftliche Funktion. Ein Token, der Ertragsansprüche verbrieft, kann als übertragbares Wertpapier gelten, mit den entsprechenden Prospekt- und Zulassungspflichten. Zur Einordnung, wie die BaFin überhaupt zwischen Krypto-Dienstleistungen und dem Protokoll dahinter trennt, hat die Behörde ein Merkblatt zu Kryptowerte-Dienstleistungen veröffentlicht.

Für den deutschen Markt kommt ein Datum hinzu. Mit dem Kryptomärkteaufsichtsgesetz (Paragraf 50 KMAG) endete der nationale Bestandsschutz bereits zum 31. Dezember 2025, früher als die EU-weite Frist. Seit dem 1. Januar 2026 dürfen nur noch MiCA-lizenzierte Anbieter tätig sein. Ein tokenisiertes Modell, das als Wertpapier einzustufen wäre, könnte diesen vereinfachten Krypto-Pfad gar nicht nutzen, sondern müsste den deutlich aufwendigeren Weg über das Wertpapierrecht gehen. In den USA ist die Lage noch unklarer: Die gemeinsame Auslegung von SEC und CFTC vom März 2026 stufte zwar Token wie Bitcoin, Ethereum und Solana als digitale Rohstoffe ein, schwieg aber zu KI-Infrastruktur und erst recht zu Ertragsbeteiligungs-Token. Nach dem Scheitern des CLARITY-Gesetzes fehlt dort weiter ein klarer gesetzlicher Rahmen. Wie schnell aus einer vermeintlich harmlosen Token-Kategorie eine aufsichtsrelevante wird, zeigt auch die Debatte um MiCA und Gaming-Token.

Was das für den DACH-Raum bedeutet

Für deutschsprachige Leserinnen und Leser lassen sich aus alldem drei nüchterne Schlüsse ziehen. Erstens: Technologie und Token gehören getrennt bewertet. opML ist eine reale, durchdachte Infrastruktur, und die Grundidee, KI-Rechnen überprüfbar zu machen, wird die Branche über 2026 hinaus beschäftigen. Der ORA-Token dagegen ist ein spekulativer Micro-Cap, den der Markt fast vollständig abgeschrieben hat; wer ihn hält, hält keine Beteiligung an der Technik, sondern eine Wette auf einen Handelspreis in einem extrem dünnen Markt.

Zweitens: Die IMO ist die spannendste Idee im Bau und rechtlich zugleich die heikelste. Sollte irgendwann ein „tokenisiertes KI-Modell“ mit Ertragsbeteiligung an deutsche Anleger vertrieben werden, ist der Verdacht auf ein Wertpapier naheliegend; dann gelten Prospektpflicht und die Frage nach einem lizenzierten Vermittler. Drittens, und das ist die eigentliche Lehre aus dem opML-Praxistest: Ein Beweisverfahren ist nur so viel wert wie die Nachfrage nach dem, was es absichert. Solange die Nutzung ausbleibt, bleibt auch der eleganteste Betrugsbeweis ein Werkzeug ohne Werkstück.

Häufig gestellte Fragen

Was ist opML einfach erklärt?

opML steht für optimistic machine learning. Ein KI-Ergebnis wird außerhalb der Blockchain berechnet, mit einer kryptografischen Kurzfassung on-chain veröffentlicht und nach einem Einspruchsfenster als gültig behandelt, sofern niemand per Betrugsbeweis widerspricht. Das Modell ist den optimistic Rollups nachempfunden.

Was ist eine Initial Model Offering (IMO)?

Eine IMO tokenisiert den Einnahmestrom eines KI-Modells. Über den Standard ERC-7641 wird ein RevShare-Token ausgegeben, dessen Halter anteilig an den Gebühren beteiligt werden, die bei jeder Nutzung des Modells anfallen. Ergänzend bindet der Standard ERC-7007 die KI-generierten Ausgaben als überprüfbare NFTs ein.

Warum ist der ORA-Token so wenig wert?

Der ORA-Token notierte am 17. September 2026 bei rund 0,0018 Euro, was einer Marktkapitalisierung von etwa 295.000 Euro und Rang 4017 entspricht. Der Handelsumsatz lag bei unter 1.700 Euro in 24 Stunden, sodass der Kurs kaum aussagekräftig ist. Während sich andere Verifikationstoken in derselben Woche erholten, fiel ORA an einem Tag um rund die Hälfte.

Ist ein tokenisiertes KI-Modell in Deutschland ein Wertpapier?

Das hängt von der Ausgestaltung ab. Ein RevShare-Token nach ERC-7641 verbrieft laut Standard Anteile an einem Einnahmenpool und ähnelt damit eher einem Finanzinstrument nach MiFID II als einem reinen Kryptowert unter MiCA. In diesem Fall greifen Prospekt- und Aufsichtspflichten, und die BaFin bewertet nach Substanz statt nach Bezeichnung.

Was ist der Unterschied zwischen opML und zkML?

zkML erzeugt einen kryptografischen Beweis, dass eine Inferenz korrekt lief; das ist mathematisch vertrauenslos, aber sehr rechenintensiv. opML verzichtet auf diesen Beweis und setzt stattdessen auf ein Einspruchsfenster mit Betrugsbeweisen; das ist billiger, erfordert aber Wartezeit und mindestens einen ehrlichen Prüfer.

Marcus Okafor ist Redakteur bei HOGE Wire und schreibt über die Schnittstelle von KI und Krypto.