Verifiable Compute 2026: Wenn Beweis-Netze zu KI-Clouds werden

Vor rund einem Jahr, im September 2025, startete Boundless als dezentraler Marktplatz für Zero-Knowledge-Beweise. Die Idee klang sauber: Entwickler auf beliebigen Blockchains sollten beweisbar korrekte Rechenleistung einkaufen können, ähnlich wie man Strom aus der Steckdose bezieht, ohne dem Kraftwerk vertrauen zu müssen. Ein Jahr später hat sich die Geschichte gedreht. Der zugehörige Token ZKC notiert rund 97 Prozent unter seinem Allzeithoch, und dasselbe GPU-Netzwerk verkauft inzwischen etwas ganz anderes: KI-Inferenz.

Das ist kein Einzelfall, sondern das Muster des Jahres. Die Technik hinter verifiable compute, also hinter überprüfbarer Rechenleistung, funktioniert 2026 besser als je zuvor. Nur zahlt kaum jemand dafür, dass eine Rechnung mit einem kryptografischen Beweis kommt. Also bauen die Anbieter um: Aus reinen Beweis-Netzwerken werden KI-Clouds, und die Überprüfbarkeit wird zum Zusatzmerkmal statt zum Produkt. Dieser Text ordnet ein, was verifiable compute leistet, warum die reine These an eine Wand lief und wohin sich das Geschäft gerade verschiebt.

Ein Jahr nach dem Start: Boundless verkauft jetzt KI-Rechenzeit

Boundless betreibt ein Netzwerk aus rund 4.000 GPUs. Ursprünglich sollten diese Grafikkarten Zero-Knowledge-Beweise für Ethereum und Base erzeugen und auf Bitcoin verankern. Im Sommer 2026 öffnete das Team dieselbe Infrastruktur für KI-Inferenz, also für das Ausführen fertig trainierter Modelle. Laut The Block wurde das Netz dafür angepasst (Hardware-Tuning, Lastanpassung, Routing und Scheduling), und erste Benchmarks sollen Inferenzkosten von bis zu 50 Prozent unter denen großer Cloud-Anbieter zeigen, vor allem bei asynchronen Aufgaben.

Die Rolle des ZKC-Tokens verschiebt sich damit ebenfalls. Wer als Betreiber KI-Aufträge annehmen will, muss ZKC hinterlegen; die Höhe des Einsatzes richtet sich nach dem möglichen Verdienst. Das klassische Beweisgeschäft läuft parallel weiter. CEO Shiv Shankar fasste den Schwenk so zusammen: „Vor vier Jahren wollten wir ein hartes Rechenproblem lösen. Dabei ist etwas Größeres entstanden: ein Netzwerk, das verteilte GPU-Kapazität koordiniert. KI braucht dasselbe Fundament, nur in weit größerem Maßstab.“

Für das Netzwerk selbst ist dieser Schritt mehr als eine Produkterweiterung. Er verändert, wofür der Token überhaupt gut ist. Bislang sicherte ZKC die Erzeugung von Beweisen ab; künftig sichert derselbe Einsatz auch das Versprechen ab, KI-Aufträge korrekt abzuarbeiten. Aus einem Token für eine Nische wird ein Token für einen viel größeren, aber auch viel umkämpfteren Markt.

Der Zeitpunkt ist bemerkenswert. Boundless ging im September 2025 auf Base ans Mainnet, getragen unter anderem von der Ethereum Foundation. Fast auf den Tag genau ein Jahr später wird aus dem Beweismarkt ein KI-Rechenanbieter. Das ist die Kurzfassung dessen, was der gesamten Nische 2026 widerfährt.

Was verifiable compute überhaupt verspricht

Verifiable compute bedeutet: Ein Rechenergebnis kommt zusammen mit einem Nachweis, dass es korrekt berechnet wurde, und dieser Nachweis lässt sich billig prüfen, ohne die Rechnung selbst zu wiederholen. Das Vertrauensmodell kippt damit von „Vertraue dem Server“ zu „Prüfe den Beweis“. Für KI ist das brisant, weil ein Modell hinter einer API eine Blackbox ist: Nutzer sehen die Antwort, aber nicht, welches Modell mit welchen Daten gerechnet hat, ob es zwischendurch gegen ein billigeres getauscht wurde oder ob das Ergebnis überhaupt aus einer echten Berechnung stammt.

Wichtig ist die Abgrenzung zu bloßer verteilter Rechenleistung. Marktplätze wie Akash oder Netzwerke wie Bittensor vermieten GPU-Kapazität günstig, beweisen aber nicht, dass ein Anbieter ehrlich das versprochene Modell ausgeführt hat. Genau diese Lücke will verifiable compute schließen. Ethereum-Mitgründer Vitalik Buterin ordnete das Feld schon Anfang 2024 in vier Kategorien und benannte zugleich den Haken: Ein Zero-Knowledge-Beweis für lineare Operationen wie Matrixmultiplikationen koste weniger als das Vierfache der reinen Rechnung, für nichtlineare Schichten aber rund das Zweihundertfache.

Buterin unterscheidet vier Rollen, in denen KI und Blockchain aufeinandertreffen: KI als Spieler in einem Mechanismus, KI als Schnittstelle zur Kette, KI als Regel des Spiels und KI als Ziel. Gerade dort, wo ein Modell selbst über Geld oder Zugang entscheidet, verlangt es nach Beweisen, denn ein heimlich ausgetauschtes oder manipuliertes Modell wäre teuer. 2026 verschärfen autonome Agenten das Problem, die eigene Wallets führen und Transaktionen auslösen, ohne dass ein Mensch jeden Schritt freigibt.

Damit trifft verifiable compute einen Nerv der gesamten Kryptobranche. Deren Gründungsversprechen lautet seit jeher: nicht vertrauen, sondern überprüfen. Bei Zahlungen hat Bitcoin das eingelöst, bei Verträgen die Smart Contracts. KI war lange die große Ausnahme, eine Blackbox, der man glauben musste. Genau diese Lücke wollen die Anbieter schließen, und daran bemisst sich, ob aus einer eleganten Idee ein Geschäft wird.

Daraus ergibt sich der Kern-Trade-off der gesamten Debatte: Rechnen ist entweder billig und nicht überprüfbar, oder teuer und überprüfbar. Wer Beweise verkauft, verkauft im Grunde die Auflösung dieses Trade-offs. Und der Markt entscheidet, wie viel ihm das wert ist.

Vier Wege zum Beweis: zkML, TEE, opML und Stake

Es gibt nicht den einen Weg, Rechenleistung überprüfbar zu machen, sondern vier, die sich in ihrer Vertrauensbasis grundlegend unterscheiden. Jeder löst den oben genannten Trade-off anders auf, und jeder opfert dabei etwas anderes.

zkML liefert die härteste Garantie, ist aber am teuersten. TEE ist am schnellsten, verlagert das Vertrauen aber auf den Chiphersteller. opML ist am günstigsten, kennt dafür kein Echtzeit-Ergebnis. Und der krypto-ökonomische Weg (hinterlegter Einsatz, der bei Betrug einkassiert wird) skaliert am besten, ersetzt aber Mathematik durch Wirtschaftlichkeit. 2026 kombinieren die meisten ernst zu nehmenden Anbieter diese Bausteine, statt sich auf einen zu verlassen.

Konkret heißt das: Für zkML liefern zkVMs wie SP1 von Succinct oder die Systeme von RISC Zero die Werkzeuge, mit denen sich Programme in einen Beweis gießen lassen. Beim TEE-Weg führt Phala Network vertrauliche Modelle auf abgeschirmten NVIDIA-Chips aus. opML wurde vom Projekt Ora populär gemacht, das ein Ergebnis erst veröffentlicht und dann ein Einspruchsfenster öffnet. Und den krypto-ökonomischen Weg verkörpert EigenCloud, wo hinterlegtes Kapital für die Ehrlichkeit haftet. Die Grenzen verschwimmen, weil viele Anbieter mehrere Verfahren stapeln, etwa schnelle Hardware-Ausführung mit stichprobenartigen mathematischen Kontrollen.

Warum die reine Beweis-These an eine Wand lief

Die Wette der ZK-Beweismärkte war einfach: Wenn Blockchains und KI zusammenwachsen, entsteht ein riesiger Bedarf an beweisbarer Rechenleistung, und wer die Infrastruktur dafür betreibt, sitzt an der Quelle. 2025 floss entsprechend Kapital in Beweis-Netzwerke, in sogenannte zkVMs und in die zugehörigen Token.

Dahinter steckt eine unbequeme Wahrheit: Überprüfbarkeit ist ein Kostenfaktor, kein Erlösbringer, solange niemand ausdrücklich dafür bezahlt. Ein Entwickler, der eine KI-Funktion in seine App einbaut, wählt im Zweifel die billigste, schnellste Variante, nicht die beweisbare. Der Beweis rechnet sich erst, wenn ein Dritter ihn verlangt, etwa ein Aufseher, ein Geschäftspartner oder ein Smart Contract. Genau solche Dritten waren 2025 noch selten.

2026 ist die Ernüchterung da. Die Nachfrage nach reinen Beweisen bleibt dünn. Die meisten On-Chain-Anwendungen kommen ohne kryptografischen KI-Nachweis aus, und dort, wo Beweise nützlich wären, schrecken Kosten und Komplexität ab. Das Ergebnis liest man an den Kursen ab: Praktisch jeder Token aus dieser Ecke steht 89 bis 98 Prozent unter seinem Hoch. Wie schon bei den Krypto-ETF-Zulassungen folgt auf den Boom die Auslese, nur dass hier nicht die Zulassung das Problem war, sondern die Zahlungsbereitschaft.

Das erklärt den Schwenk. Wenn sich reine Beweise schwer verkaufen lassen, verkauft man das, was ohnehin nachgefragt wird, nämlich KI-Rechenleistung, und legt die Überprüfbarkeit als Zusatz obendrauf. Aus einem Produkt (der Beweis) wird ein Merkmal (die beweisbare Cloud). Genau diesen Übergang vollzieht die Branche gerade.

Die Zahlen: Die Technik liefert, die Token nicht

Die Diskrepanz zwischen technischem Fortschritt und Marktbewertung ist das auffälligste Merkmal des Sektors 2026. Die folgende Tabelle listet die wichtigsten Token der verifiable-compute-Nische, alle Angaben laut CoinGecko mit Stand 13. September 2026.

Ein Monatsplus bei einzelnen Werten (EIGEN rund plus 24 Prozent, LA rund plus 34 Prozent auf 30-Tage-Sicht) ändert am Gesamtbild nichts: Die Bewertungen liegen weit unter den Ständen, zu denen die Projekte einst als Infrastruktur der KI-Zukunft gehandelt wurden. Zum Vergleich: Bittensor (TAO), das eher als dezentrales KI-Netzwerk als als Beweisanbieter gilt, kommt auf rund 1,9 Milliarden Euro Marktkapitalisierung. Die Lücke zwischen ausgereifter Technik und schwachem Token ist der eigentliche Treiber hinter den Kurswechseln der Anbieter.

Ein Teil der Schwäche ist hausgemacht. Viele dieser Token kamen erst 2025 auf den Markt, mit großzügigen Zuteilungen an Team und Investoren, deren Sperrfristen nach und nach auslaufen. Neues Angebot trifft auf dünne Nachfrage, und der Kurs gibt nach. Das ist kein Beweis gegen die Technik, aber es zeigt, wie weit die Erwartung von 2025 der Realität von 2026 vorausgeeilt war.

Drei Kurswechsel: Boundless, EigenCloud und Giza

Boundless ist der frischeste, aber nicht der einzige Fall. Die drei prominentesten Projekte der Nische bewegen sich alle weg vom reinen Beweis und hin zu einem breiteren Geschäft.

EigenCloud, die Neuausrichtung des Restaking-Protokolls EigenLayer, positioniert sich offen als verifizierbare Cloud und zieht die Analogie zu Amazon Web Services: EigenDA für Datenverfügbarkeit (wie S3), EigenVerify für Streitschlichtung, EigenCompute für überprüfbare Off-Chain-Rechenlast und EigenAI für verifizierbare Inferenz. Der Wagniskapitalgeber a16z steckte 70 Millionen US-Dollar in den EIGEN-Token, um den Umbau zu stützen; Google und Coinbase werden als frühe Design-Partner genannt. Soubhik Deb von Eigen Labs bringt die Logik auf den Punkt: „Vertrauen ist kein UI-Feature; es ist Infrastruktur.“

Noch drastischer verlief der Wandel bei Giza. Das Team startete 2023 als reines zkML-Projekt, das KI-Modelle beweisbar machen wollte. 2026 ist der Fokus ein autonomer Rendite-Agent namens ARMA, der auf Base Stablecoins über DeFi-Protokolle umschichtet. Der GIZA-Token steht rund 99 Prozent unter seinem Hoch, die brutalste Linie im ganzen Sektor. Die Lehre, die Gründer im Feld inzwischen offen aussprechen: Reines zkML ist ein hartes Geschäft.

Ein viertes Beispiel rundet das Bild ab. Succinct, Anbieter der zkVM SP1, verankert seinen Token PROVE in einem Netzwerk, das Beweise gegen Bezahlung erzeugt, und positioniert sich damit ähnlich wie Boundless als neutrale Beweis-Schicht für viele Chains. Auch hier ist die Bewertung weit von früheren Ständen entfernt. Das Muster ist überall dasselbe: Die Technik ist gebaut, die Netzwerke laufen, doch die zahlende Nachfrage kommt langsamer als die Roadmaps versprachen.

So unterschiedlich die drei Wege sind, die Richtung ist dieselbe: weg vom Verkauf des Beweises als Selbstzweck, hin zu einem Dienst, den Kunden ohnehin brauchen, mit dem Beweis als eingebautem Vertrauensmerkmal. Boundless verkauft Rechenzeit, EigenCloud verkauft eine Entwickler-Plattform, Giza verkauft einen fertigen Agenten. In allen drei Fällen ist die Kryptografie nicht mehr das Produkt, sondern die Qualitätszusicherung im Hintergrund.

Die Technik ist nicht mehr das Nadelöhr

Wer glaubt, die Token stünden tief, weil die Technik nicht funktioniert, irrt. 2026 ist eher das Gegenteil der Fall. Das Vorzeigebeispiel ist DeepProve von Lagrange. In einer begutachteten Arbeit für die Sicherheitskonferenz CCS 2026 zeigen Forscher von Lagrange Labs, der University of Illinois, der Hong Kong University of Science and Technology und der Yale University, dass sich vollständige Sprachmodell-Inferenzen Ende zu Ende in Zero-Knowledge beweisen lassen.

Die Zahlen aus der Arbeit: für GPT-2 rund 174 Token pro Minute, für Gemma-3 etwa 86, mit verteilter Beweisführung über mehrere Knoten bis zu 1.855 Token pro Minute. Die Prüfung eines solchen Beweises dauert 1 bis knapp 4 Sekunden. Das ist nach Angaben der Autoren 20- bis 60-mal schneller als der bisherige Stand der Technik. Möglich wurde der Sprung durch sogenannte Lookups statt teurer Schaltkreise für die nichtlinearen Operationen, jene Schichten, die Buterin einst mit dem Zweihundertfachen bezifferte.

Wichtig für die Einordnung: Bewiesen sind GPT-2 und Gemma-3, also kleine bis mittlere Modelle. Modelle der Llama-Klasse nennt die Arbeit ausdrücklich noch nicht als vollständig bewiesen; sie sind in Arbeit. Große Frontier-Modelle bleiben vorerst außer Reichweite. Als Lagrange DeepProve im Juni 2026 quelloffen stellte, formulierte Gründer Ismael Hishon-Rezaizadeh den Anspruch so: „Wir haben DeepProve nicht gebaut, um verifizierbare KI zu besitzen. Wir haben es gebaut, damit das niemand muss. Die Blackbox ist geöffnet.“ Das System hat nach eigenen Angaben über 12 Millionen Beweise erzeugt. Das Nadelöhr liegt also nicht mehr in der Kryptografie, sondern im Geschäftsmodell.

Der schnelle Weg über die Hardware, und sein Preis

Wem Zero-Knowledge zu teuer ist, greift zur Hardware. Confidential Computing, also die Ausführung in einer abgeschirmten Zone des Prozessors (einer Trusted Execution Environment, kurz TEE), erzeugt keine mathematischen Beweise, sondern eine Hardware-Bescheinigung, dass ein bestimmtes Programm unverändert lief. Man spricht von Attestation.

Der Vorteil ist Geschwindigkeit. Auf NVIDIAs H100-Grafikkarten liegt der Overhead für vertrauliche KI-Inferenz laut Benchmarks unter 7 Prozent, bei sehr großen Modellen praktisch bei null. Phala Network, einer der aktiven Anbieter, meldet zuletzt über 20 Milliarden vertrauliche Token pro Tag. Auch EigenCompute und Apples Private Cloud Compute setzen auf dieselbe Hardware-Klasse. Confidential Computing ist damit der praktisch schnellste Weg zu verifizierbarer KI.

Der Preis dafür ist die Vertrauensbasis. Man vertraut nicht der Mathematik, sondern dem Chiphersteller, und dieser Verzicht ist real. Der Angriff TEE.Fail, im Oktober 2025 veröffentlicht, zeigte, dass sich mit einem Aufbau für unter 1.000 US-Dollar und physischem Zugang Signaturschlüssel aus Intel-, AMD- und NVIDIA-Enklaven auslesen und Bescheinigungen fälschen lassen. Für dezentrale GPU-Märkte ist das besonders heikel, weil dort ausgerechnet der Betreiber physischen Zugriff hat, also selbst der potenzielle Angreifer ist. Wie schon der Liquid-Hack im Bitcoin-Umfeld gezeigt hat, verschiebt Technik das Vertrauensproblem oft nur, statt es zu beseitigen.

Das Determinismus-Problem

Ein technisches Detail erklärt, warum verifizierbare KI so zäh ist: KI-Inferenz auf GPUs ist nicht deterministisch. Gleitkomma-Arithmetik und parallele Ausführung führen dazu, dass dasselbe Modell mit derselben Eingabe minimal unterschiedliche Ausgaben liefern kann. Ein kryptografischer Beweis braucht aber exakte Reproduzierbarkeit, sonst passt der Beweis nicht zum Ergebnis. Beweisbarkeit und die Funktionsweise moderner KI-Hardware stehen also im Widerspruch.

Elena Burger von a16z hat den zweiten Teil des Problems benannt: Zero-Knowledge-Beweise könnten 32-Bit-Gleitkomma-Operationen heute nicht ohne massiven Overhead in das nötige arithmetische Schaltkreis-Format bringen. Der Ausweg ist Quantisierung, also das Herunterrechnen auf 8 Bit, was Burger als grobe Annäherung an das ursprüngliche Modell beschreibt. Genauigkeit gegen Beweisbarkeit, das ist der Kompromiss.

Die krypto-ökonomischen Anbieter umgehen das anders. EigenAI wirbt mit deterministischer, überprüfbarer Inferenz und einer OpenAI-kompatiblen Schnittstelle, während die Garantie letztlich am hinterlegten Einsatz hängt, nicht an einem mathematischen Beweis. Das ist die eigentliche Aufteilung des Marktes: mathematische Sicherheit (langsam, teuer), Hardware-Bescheinigung (schnell, aber Herstellervertrauen) oder wirtschaftliche Haftung (skalierbar, aber nur so gut wie der Einsatz).

Wer bezahlt am Ende für die Beweise?

Wenn die Technik reif ist, entscheidet die Nachfrage. Und die konzentriert sich 2026 auf einige wenige Bereiche, in denen ein Beweis mehr wert ist als seine Kosten.

Erstens Regulierung und Unternehmens-Compliance. Lagrange zitiert eine McKinsey-Erhebung, wonach 71 Prozent der befragten Führungskräfte KI-Systeme nicht skalieren wollen, ohne einen Nachweis ihrer Korrektheit zu haben. Der Stanford AI Index 2026 zählt für das Jahr 2025 rund 362 dokumentierte KI-Zwischenfälle, ein Plus von 55 Prozent gegenüber dem Vorjahr (Stanford HAI). Prüfbarkeit wird damit vom Nice-to-have zum Haftungsthema.

Zweitens autonome Agenten, die eigenständig Kapital bewegen. Wer einer Software erlaubt, Geld zu verschieben, will belegt haben, dass sie das versprochene Modell benutzt und nicht manipuliert wurde. Drittens DeFi, wo echtes Geld auf dem Spiel steht: OpenGradient nutzt das Werkzeug EZKL, um für dynamische Gebühren auf Uniswap V3 zu beweisen, dass das preissetzende Modell nicht verändert wurde (EZKL). Viertens private Inferenz, bei der ein Beweis Korrektheit belegt, ohne Modellgewichte oder Nutzereingaben offenzulegen.

Der gemeinsame Nenner: Geld oder Haftung müssen auf dem Spiel stehen. Wie hinter dem Milliardengeschäft der Krypto-ETFs steckt auch hier die nüchterne Frage, wer am Ende zahlt, und nicht die Eleganz der Technik.

KI, Miner und Megawatt: das Rennen um Rechenleistung

Der Schwenk der Beweis-Netzwerke fällt in ein größeres Rennen. KI-Inferenz und -Training verschlingen Grafikkarten und Strom, und wer beides bündeln kann, hat ein Geschäft. Bitcoin-Miner richten längst Rechenzentren auf KI aus, weil sich mit Megawatt und Kühlung mehr verdienen lässt als mit dem reinen Hashrate-Wettrüsten.

In dieselbe Richtung drücken dezentrale Compute-Netzwerke. Bittensor versucht, KI ohne zentrale Rechenzentren zu koordinieren; Akash vermietet GPU-Zeit. Boundless stößt mit seinem Schwenk genau dazu, mit einem Unterschied: Es kann Überprüfbarkeit als Merkmal anbieten. Ob das im Preiskampf um rohe Rechenleistung ein Verkaufsargument ist oder ein teures Extra, das kaum jemand ordert, ist die offene Frage.

Denn die Konkurrenz heißt nicht nur Krypto, sondern AWS, Google Cloud und Microsoft Azure. Boundless wirbt mit bis zu 50 Prozent niedrigeren Kosten bei asynchronen Aufgaben. Das ist ein Argument, aber es verlagert den Wettbewerb von der Frage „Wer beweist am elegantesten?“ zu „Wer liefert am günstigsten?“. Für ein Beweis-Netzwerk ist das eine ganz andere Liga.

Regulierung: BaFin, MiCA und der EU AI Act

Reguliert wird selten die Technik, sondern das Geld drumherum. Die BaFin stellt in ihrem Merkblatt zu Kryptowerte-Dienstleistungen klar, dass unter MiCAR die Dienstleister und Emittenten erfasst werden, nicht das Protokoll selbst. Ein Beweis-Netzwerk ist zunächst Infrastruktur; sobald aber ein Token als Zahlungsmittel dient oder ein KI-Agent Kundengelder verwaltet, rückt die Aufsicht näher.

Den eigentlichen Nachfrage-Hebel liefert der EU AI Act. Seit dem 2. August 2026 gelten die allgemeine Anwendbarkeit, die Aufsichtsbefugnisse der Kommission sowie Transparenzpflichten; die Regeln für KI-Modelle mit allgemeinem Verwendungszweck (GPAI) laufen bereits seit August 2025 (Europäische Kommission). Die strengeren Pflichten für Hochrisiko-Systeme greifen gestaffelt erst 2027 und 2028. Je mehr Anbieter dokumentieren und nachweisen müssen, desto attraktiver wird ein kryptografischer Korrektheitsnachweis.

In den USA ist das Bild anders. Die gemeinsame Auslegung von SEC und CFTC vom März 2026 ordnete Token wie Bitcoin, Ether, Solana und XRP als digitale Rohstoffe ein, schweigt aber zu KI-Infrastruktur-Token wie ZKC, LA oder PROVE (Ballard Spahr). Diese Grauzone dämpft in Washington die Nachfrage, während Brüssel über Auflagen einen Bedarf erzeugt. Für europäische Anbieter ist das paradoxerweise eine Chance.

Was 2026 zu beobachten ist

Für den Rest des Jahres lohnt der Blick auf drei Fragen.

Erstens: Setzen sich die Kurswechsel durch? Boundless muss zeigen, dass ein Beweis-Netz auch ein wettbewerbsfähiger KI-Rechenanbieter sein kann. EigenCloud muss zeigen, dass Entwickler die verifizierbare Cloud der billigeren, unverifizierten vorziehen. Gelingt das nicht, bleibt der Schwenk ein teurer Umweg.

Zweitens: das Training. Bislang dreht sich fast alles um Inferenz, also um das Ausführen fertiger Modelle. Zu beweisen, dass ein Modell korrekt und mit den angegebenen Daten trainiert wurde, ist die deutlich härtere Aufgabe und ein eigenes Forschungsfeld. Wer sie löst, öffnet die größere Tür, denn dort liegt die eigentliche Vertrauensfrage der KI.

Drittens: die Konvergenz von ZK und KI als Branchenthema. Die von House of ZK mit Boundless, Lagrange und Google Cloud getragene Veranstaltungsreihe Verifying Intelligence steht unter der Prämisse, dass wirkungsvolle KI belegbar sein muss. Das ist die These. Ob der Markt sie 2026 bezahlt, ist die eigentliche Prüfung, und anders als die Kryptografie hat sie diese Prüfung noch nicht bestanden.

Häufig gestellte Fragen

Was ist verifiable compute?

Verifiable compute bezeichnet Rechenleistung, die zusammen mit einem Nachweis geliefert wird, dass das Ergebnis korrekt berechnet wurde. Dieser Nachweis lässt sich prüfen, ohne die Rechnung selbst zu wiederholen. Das Vertrauensmodell verschiebt sich damit vom Vertrauen in den Anbieter hin zur Prüfung eines Beweises.

Was ist der Unterschied zwischen zkML, TEE und opML?

zkML erzeugt einen mathematischen Zero-Knowledge-Beweis und braucht kein Vertrauen in Dritte, ist aber rechenintensiv. TEE oder Confidential Computing nutzt eine abgeschirmte Hardware-Enklave und ist sehr schnell, verlangt aber Vertrauen in den Chiphersteller. opML veröffentlicht ein Ergebnis mit einem Einspruchsfenster und ist günstig, dafür nicht echtzeitfähig.

Warum steht der ZKC-Token so tief unter seinem Hoch, obwohl die Technik funktioniert?

Die Technik hinter verifiable compute ist 2026 ausgereift, doch die Nachfrage nach reinen Beweisen bleibt gering. Die meisten Anwendungen kommen ohne kryptografischen KI-Nachweis aus, deshalb notieren fast alle Token der Nische wie ZKC rund 89 bis 98 Prozent unter ihrem Allzeithoch. Anbieter reagieren, indem sie zusätzlich KI-Rechenleistung verkaufen.

Ist verifiable compute in Deutschland reguliert?

Das Protokoll selbst ist nicht direkt reguliert. Nach dem MiCAR-Rahmen erfasst die BaFin die Dienstleister und Emittenten, nicht die Infrastruktur. Sobald ein Token als Zahlungsmittel dient oder ein KI-Agent Kundengelder verwaltet, greift die Aufsicht. Zusätzlich schafft der EU AI Act über Nachweispflichten indirekt Nachfrage nach Prüfbarkeit.

Kann Zero-Knowledge heute ein großes Sprachmodell beweisen?

Teilweise. Das System DeepProve von Lagrange hat vollständige Inferenzen kleiner bis mittlerer Modelle wie GPT-2 und Gemma-3 Ende zu Ende bewiesen. Modelle der Llama-Klasse sind in Arbeit, große Frontier-Modelle bleiben mit heutiger Technik vorerst außer Reichweite.

Von Marcus Okafor, Senior Editor bei HOGE Wire. Kursdaten mit Stand 13. September 2026, keine Anlageberatung.