Verifiable Compute: Vertrauensschicht für KI-Agenten 2026

Im Frühjahr 2026 machte ein Vorfall die Runde, der die Grenzen der jungen Agentenökonomie schonungslos offenlegte: Ein KI-Agent, verknüpft mit der Zahlungsplattform Bankr, überwies rund drei Milliarden Token im Gegenwert von geschätzten 150.000 bis 200.000 US-Dollar an einen Angreifer. Der Trick steckte nicht in einer Lücke im Smart Contract, sondern darin, wie das Sprachmodell eine als Morse-Code getarnte Antwort auf der Plattform X als legitimen Befehl interpretierte, wie die OECD in ihrem KI-Vorfallregister dokumentiert. Die Blockchain hatte sauber funktioniert, der Code war korrekt, und trotzdem tat der Agent etwas, das niemand autorisiert hatte.

Der Fall ist mehr als eine Kuriosität, er steht für ein strukturelles Problem. KI-Agenten bekommen 2026 in schneller Folge eine eigene Identität, eine Wallet und die Fähigkeit, autonom zu bezahlen. Was ihnen fehlt, ist eine Schicht, die beweist, dass sie tatsächlich getan haben, was sie behaupten: das richtige Modell ausgeführt, die vorgegebene Regel eingehalten, die Abrechnung ehrlich erstellt. Genau diese Lücke will verifiable compute (sinngemäß: beweisbares Rechnen) schließen. Dieser Text ordnet für die deutschsprachige Leserschaft ein, warum die Vertrauensschicht zum eigentlichen Engpass der Agentenökonomie geworden ist, welche vier technischen Wege es dafür gibt, wo das Ethereum-Vorhaben ERC-8004 andockt und warum die zugehörigen Token trotz funktionierender Technik tief unter ihren Höchstständen notieren.

Warum KI-Agenten ein Vertrauensproblem haben

Bis vor Kurzem war ein KI-Modell ein Werkzeug, das ein Mensch bediente und dessen Ergebnis ein Mensch prüfte. Ein Agent ist etwas anderes. Er hält private Schlüssel, unterschreibt Transaktionen, ruft kostenpflichtige Programmierschnittstellen (APIs) auf und trifft Entscheidungen ohne Freigabe im Einzelfall. Frameworks wie ElizaOS haben das Aufsetzen solcher Agenten so weit vereinfacht, dass ein funktionsfähiger Bot in Stunden statt Monaten steht; welche Wege dieses Ökosystem 2026 einschlägt, beschreibt die Analyse zu Eliza als agentischem Betriebssystem.

Mit der Autonomie wächst die Angriffsfläche. Die zentrale Frage lautet nicht mehr „funktioniert der Code“, sondern „hat der Agent wirklich das getan, was er behauptet“. Hat er das versprochene Modell verwendet oder heimlich ein billigeres? Hat er die Risikogrenze eingehalten? Wurde die Antwort von genau diesem Modell erzeugt oder unterwegs manipuliert? Der Bankr-Vorfall zeigt die eine Seite (ein Agent lässt sich zu einer Handlung überreden), doch die subtilere Gefahr ist, dass ein Betreiber im Hintergrund das Modell austauscht, die Ausgabe fälscht oder die Ausführung schlicht vortäuscht, ohne dass es jemand bemerkt.

Die Zahlen unterstreichen die Dringlichkeit. Der Stanford AI Index 2026 zählte für das Jahr 2025 rund 362 dokumentierte KI-Zwischenfälle, ein Anstieg von etwa 55 Prozent gegenüber dem Vorjahr, bei gleichzeitig auf 88 Prozent gestiegener betrieblicher Nutzung. Je mehr Kapital Agenten anfassen, desto teurer wird jeder Fall, in dem sich niemand auf das Ergebnis verlassen kann. Vertrauen wird damit vom weichen Faktor zur harten Voraussetzung.

Was verifiable compute eigentlich bedeutet

Verifiable compute heißt: Ein Rechenvorgang liefert nicht nur ein Ergebnis, sondern zusätzlich einen Beweis, dass dieses Ergebnis korrekt berechnet wurde, und dieser Beweis lässt sich billig prüfen, ohne die Rechnung selbst zu wiederholen. Das Vertrauensmodell verschiebt sich von „vertraue dem Server“ zu „prüfe den Beweis“. Wer das Ergebnis nutzt, muss dem Rechenzentrum, dem Betreiber oder der Cloud nicht mehr glauben, sondern nur ein kurzes kryptografisches oder wirtschaftliches Zertifikat kontrollieren.

Ethereum-Mitgründer Vitalik Buterin hat das Feld in seinem viel zitierten Essay The promise and challenges of crypto + AI applications geordnet und vier Rollen unterschieden, die KI in Krypto-Systemen einnehmen kann, von der KI als Spielerin bis zur KI als Regel des Spiels, die er ausdrücklich mit dem Zusatz „tread very carefully“ (sehr vorsichtig vorgehen) versieht. Denn sobald eine KI selbst über Geld oder Regeln entscheidet, wird der Beweis, dass sie ehrlich gerechnet hat, zur Voraussetzung, nicht zum Extra.

Wichtig ist die Abgrenzung zu dezentralem Rechnen. Marktplätze wie Akash, Netzwerke wie Bittensor oder Trainings-Protokolle wie Gensyn verteilen Rechenlast auf viele GPUs, aber sie beweisen nicht, dass die Arbeit ehrlich erledigt wurde; sie vermieten Kapazität, nicht Korrektheit. Wie schwer sich selbst spezialisierte Anbieter damit tun, zeigt die Lage bei Gensyn und seiner Long-Tail-Wette. Verifiable compute setzt eine Ebene höher an: Es geht nicht darum, wer rechnet, sondern darum, ob man dem Ergebnis trauen kann.

ERC-8004: Identität, Reputation und die fehlende Säule

Damit Agenten überhaupt Geschäfte miteinander machen können, brauchen sie zunächst eine überprüfbare Identität und einen Weg, sich einen Ruf aufzubauen. Genau das liefert ERC-8004, ein Ethereum-Standardentwurf mit dem Titel „Trustless Agents“. Er wurde laut offizieller EIP-Seite am 13. August 2025 eingereicht und von Marco De Rossi (MetaMask), Davide Crapis (Ethereum Foundation), Jordan Ellis (Google) und Erik Reppel (Coinbase) verfasst, also von Autoren aus vier der einflussreichsten Häuser der Branche.

Der Standard definiert drei Register (siehe Tabelle). Das Identity Registry vergibt jedem Agenten eine portable, zensurresistente Kennung als ERC-721-Token, die auf eine strukturierte Datei verweist, die sogenannte Agent Card (Name, Fähigkeiten, Endpunkte, Zahlungsadresse). Das Reputation Registry sammelt Rückmeldungen und Bewertungen. Und das Validation Registry, die dritte und für dieses Thema entscheidende Säule, erlaubt es Agenten, die Überprüfung ihrer Arbeit anzufordern, und lässt Validator-Verträge das Ergebnis on-chain festhalten.

Der Standard ist in kurzer Zeit von der Idee zur Praxis gereift. Davide Crapis, als Head of AI der Ethereum Foundation für den Vorstoß mitverantwortlich, verkündete Anfang 2026 den Sprung ins Mainnet: „ERC-8004 is now live on mainnet. 5 months ago, we wrote the specs for the Trustless Agents standard. Since then, over 10k agents registered on testnet.“ Die Botschaft dahinter: Die Chains sollen nicht nur die Zahlung tragen, sondern auch das Vertrauen. Nur dass ausgerechnet die Reputationsschicht dieses Versprechen nicht hält.

Warum Reputation nicht genügt: die Sybil-Studie

Reputation klingt nach einer eleganten Lösung: Gute Agenten sammeln gute Bewertungen, schlechte fallen durch. In der Praxis trägt dieses Modell nicht, und das ist inzwischen empirisch belegt. Die Studie Can Trustless Agents Be Trusted? untersuchte das ERC-8004-Ökosystem erstmals systematisch über drei Chains (Ethereum, BNB Smart Chain, Base) bis Mitte Mai 2026. Das Fazit ist ernüchternd: Reputation lasse sich „zu minimalen Kosten manipulieren“.

Die Zahlen sprechen für sich. Bei den Bewertenden zeigten 73,5 Prozent (Ethereum), 59,2 Prozent (BSC) und 90,6 Prozent (Base) koordiniertes Sybil-Verhalten, also gefälschte, untereinander abgestimmte Identitäten. Rechnet man diese Scheinbewertungen heraus, bleiben je nach Chain zwischen 15,8 Prozent (Ethereum) und 86,8 Prozent (Base) der bewerteten Agenten ganz ohne gültige Rückmeldung übrig. Ein Bewertungssystem, das sich mit Wegwerf-Wallets fluten lässt, ist als Vertrauenssignal wertlos.

Damit ist der Kern des Arguments freigelegt: Meinung ist käuflich, ein Beweis nicht. Wer wissen will, ob ein Agent korrekt gerechnet hat, kann sich nicht auf Sterne-Ratings verlassen, sondern braucht ein Verfahren, das die Rechnung selbst prüfbar macht. Genau hier setzt verifiable compute an, und genau hier hat ERC-8004 mit dem Validation Registry bewusst eine Steckdose vorgesehen.

Die Validation Registry als Andockpunkt

Das Validation Registry ist deshalb so bedeutsam, weil es technologieoffen gebaut ist. Es schreibt nicht vor, wie ein Beweis zustande kommt, sondern definiert nur die Schnittstelle: Ein Agent fordert eine Prüfung an, ein Validator-Vertrag antwortet mit einer Bewertung zwischen 0 und 100 und kann optional Belege hinterlegen. Welches Verfahren hinter dem Validator steckt, ist frei wählbar.

Die EIP-Spezifikation nennt ausdrücklich drei Familien von Validatoren: erstens die durch Einsatz (Stake) abgesicherte Neu-Ausführung der Inferenz, also krypto-ökonomische Prüfung; zweitens zkML-Verifizierer, die einen kryptografischen Beweis kontrollieren; drittens TEE-Orakel, die Hardware-Attestierungen liefern. Das ist bemerkenswert, denn es ist exakt die Landkarte der verifiable-compute-Ansätze, die weiter unten in diesem Text ausgebreitet wird. ERC-8004 hat die Vertrauensschicht nicht selbst gebaut, sondern den Sockel geschaffen, in den sie eingesteckt wird.

Für Entwickler bedeutet das: Ein Agent kann heute mit einer schnellen, günstigen TEE-Attestierung starten und später, wenn zkML reif und bezahlbar ist, auf einen kryptografischen Beweis umsteigen, ohne die umgebende Architektur neu bauen zu müssen. Die Vertrauensschicht wird modular, und der Wettbewerb der vier Ansätze findet an einer klar definierten Schnittstelle statt.

Vier Wege, KI-Rechnen zu beweisen

Es gibt nicht den einen Beweis, sondern vier grundverschiedene Wege, jeder mit eigenem Vertrauensmodell und eigenen Kosten. Die folgende Tabelle fasst sie zusammen; die Abschnitte danach vertiefen die für Agenten wichtigsten.

Keiner der vier Ansätze gewinnt auf allen Achsen. Das ist kein Zufall, sondern Ausdruck dessen, was Fachleute das Verifizierbarkeits-Trilemma nennen: Integrität, niedrige Latenz und niedrige Kosten lassen sich nicht gleichzeitig maximieren. Wer kryptografische Härte will, zahlt mit Rechenzeit; wer Echtzeit und niedrige Kosten will, muss beim Vertrauen Abstriche machen. 2026 ist deshalb das Jahr der Hybride, in denen schnelle TEE-Ausführung, wirtschaftliche Absicherung und stichprobenartige kryptografische Prüfung kombiniert werden.

zkML: der kryptografische Goldstandard und seine Grenzen

zkML (Zero-Knowledge Machine Learning) ist der kompromissloseste Ansatz. Ein Zero-Knowledge-Beweis belegt mathematisch, dass ein bestimmtes Modell auf eine bestimmte Eingabe angewandt wurde und ein bestimmtes Ergebnis lieferte, ohne dass der Prüfer das Modell, die Gewichte oder die Eingabe sehen muss. Kein Vertrauen in Hardware, keinen Betreiber, keine Annahmen, nur Mathematik. Der Preis dafür ist Rechenaufwand. Buterin beziffert den Mehraufwand für die nichtlinearen Schichten neuronaler Netze auf grob das Zweihundertfache, und das Erzeugen eines Beweises kann, wie er schreibt, Stunden dauern.

Lange galt deshalb: zkML funktioniert für kleine Modelle, nicht für große Sprachmodelle. Diese Mauer bekam 2026 Risse. Das Team hinter Lagrange stellte mit DeepProve ein System vor, das erstmals vollständige LLM-Inferenzen beweisen kann; Ende-zu-Ende belegt wurden Modelle wie GPT-2 und Gemma-3, Modelle der Llama-Klasse sind laut Projekt in Arbeit. Nach eigenen Angaben entstanden über zwölf Millionen Beweise, bei rund 60-fach schnellerer Beweiserzeugung und 671-fach schnellerer Prüfung gegenüber dem bisherigen Stand. Lagrange-Chef Ismael Hishon-Rezaizadeh formuliert den Anspruch so: „We didn’t build DeepProve to own verifiable AI. We built it so nobody had to. AI needs a verification layer, and that layer should be open.“

Trotzdem bleibt zkML das Endspiel, nicht die Gegenwart. Elena Burger von a16z crypto weist auf ein hartes Detail hin: Zero-Knowledge-Schaltkreise können 32-Bit-Gleitkommaoperationen nicht ohne massiven Mehraufwand abbilden, weshalb Modelle in gröbere 8-Bit-Zahlen quantisiert werden müssen, was sie zu einer „groben Annäherung“ des Originals macht. Für einen Agenten, der einen Vertrag über sechsstellige Summen prüft, kann genau diese Näherung den Unterschied machen.

TEE: schnell, aber mit Hardware-Vertrauen

Der pragmatischste Weg führt heute über Trusted Execution Environments (TEE), also abgeschottete Bereiche im Prozessor, die eine kryptografisch signierte Bestätigung (Attestierung) darüber ausstellen, welcher Code auf welchen Daten lief. Intel TDX, AMD SEV und, für KI besonders relevant, die Confidential-Computing-Funktionen moderner Rechenzentrums-GPUs wie der NVIDIA H100 erlauben es, ein Modell in einer versiegelten Umgebung auszuführen und den Nachweis mitzuliefern, mit vergleichsweise geringem Zusatzaufwand.

Im Krypto-Umfeld hat sich Phala Network auf dieses Feld spezialisiert; das Netzwerk betreibt nach eigenen Angaben Zehntausende TEE-Geräte und verankert die Attestierungen on-chain, sodass ein Smart Contract prüfen kann, ob eine Ausgabe wirklich aus einer versiegelten Umgebung stammt. Der große Vorteil: Latenz und Kosten liegen nahe am normalen Betrieb, weshalb TEE derzeit der einzige Ansatz ist, der KI-Agenten in Echtzeit absichern kann.

Der Haken steckt im Vertrauensmodell. Eine Attestierung ist nur so gut wie der Chip-Hersteller, der sie signiert, und die Geschichte kennt genug Seitenkanal-Angriffe, die versiegelte Enklaven aufgebrochen haben. TEE verschiebt das Vertrauen von „vertraue dem Betreiber“ zu „vertraue dem Silizium“, es beseitigt es nicht. Für viele Agenten-Anwendungen ist dieser Kompromiss heute akzeptabel, für die sensibelsten nicht.

Das Determinismus-Paradox

Ein technisches Detail erklärt, warum das Beweisen von KI so schwer ist. Sowohl kryptografische Beweise als auch die krypto-ökonomische Neu-Ausführung setzen voraus, dass dieselbe Eingabe reproduzierbar dieselbe Ausgabe erzeugt. Genau das ist bei großer GPU-Inferenz nicht garantiert: Gleitkomma-Arithmetik und parallele Ausführung führen dazu, dass zwei Läufe desselben Modells minimal unterschiedliche Ergebnisse liefern können. Ein Prüfer, der nachrechnet, käme dann zu einem anderen Wert und würde eine ehrliche Rechnung fälschlich als Betrug werten.

An diesem Determinismus-Paradox arbeiten mehrere Projekte. EigenClouds Angebot EigenAI wirbt ausdrücklich mit „deterministic, verifiable inference“, also bit-genau reproduzierbarer Ausführung von Modellen, als Voraussetzung dafür, dass eine Neu-Ausführung überhaupt als Prüfung taugt. Ohne diese Grundlage bleibt jeder Beweis fragil, weil er ehrliches und manipuliertes Verhalten nicht sauber trennen kann. Es ist eine der unscheinbaren, aber entscheidenden Baustellen der Branche.

opML und krypto-ökonomische Sicherheit

Zwischen dem teuren kryptografischen Beweis und der reinen Hardware-Attestierung liegen zwei weitere Ansätze. opML (Optimistic Machine Learning), von Ora Protocol geprägt, funktioniert wie ein optimistisches Rollup: Das Ergebnis wird zunächst als korrekt angenommen und veröffentlicht, doch innerhalb eines Einspruchsfensters kann jeder Beobachter es anfechten und per Betrugsbeweis widerlegen. Das ist günstig und für große Modelle machbar, erkauft die Sicherheit aber mit Wartezeit; Echtzeit-Interaktion ist so nicht möglich, und es braucht mindestens einen ehrlichen Wächter.

Der krypto-ökonomische Ansatz ersetzt Mathematik durch Geld: Wer rechnet, hinterlegt einen Einsatz, der bei nachgewiesenem Fehlverhalten verfallen kann (Slashing). Die Garantie ist wirtschaftlich, nicht kryptografisch: Betrug lohnt sich nur, wenn der Gewinn den verlorenen Einsatz übersteigt. Das prominenteste Projekt ist EigenCloud (die Weiterentwicklung von EigenLayer), das auf wiederverpfändetes ETH als Sicherheit setzt; die Mechanik von Liquid Staking und Restaking, auf der das aufbaut, zeigt der Vergleich von Lido, Rocket Pool und Frax.

EigenCloud positioniert Slashing als bestes Werkzeug der Krypto-Welt für Rechenschaft, das off-chain-Verhalten an on-chain-Durchsetzung bindet. Soubhik Deb von Eigen Labs bringt die These auf den Punkt: „trust is not a UI feature; it’s infrastructure.“ Die Produkte EigenAI (verifizierbare Inferenz) und EigenCompute (verifizierbare Ausführung beliebiger Container mit AWS-ähnlicher Bedienung) sollen genau diese Infrastruktur liefern, in Design-Partnerschaften unter anderem mit Google und Coinbase.

Bezahlen ohne Beweis: x402 und die Agenten-Zahlungen

Die dritte Säule der Agentenökonomie neben Identität und Vertrauen ist die Zahlung. Hier hat sich x402 als Standard herausgeschält, ein von Coinbase vorangetriebenes Protokoll, das den lange ungenutzten HTTP-Statuscode 402 („Payment Required“) mit Leben füllt: Ein Agent bezahlt eine Ressource pro Aufruf in USDC, ohne dass ein Mensch jede Zahlung freigibt. Nach Angaben von Coinbase zählte das x402-Ökosystem im ersten Jahr über 160 Millionen Zahlungen. Google wiederum hat mit dem Agents Payment Protocol (AP2) eine Erweiterung seines Agent-to-Agent-Standards vorgestellt, die auf x402 aufsetzt.

Diese Zahlungsrails funktionieren, doch sie verschärfen das Vertrauensproblem, statt es zu lösen. Wenn ein Agent einen anderen bezahlt, damit dieser eine Inferenz ausführt, kauft er eine Ausgabe, deren Korrektheit er nicht überprüfen kann, es sei denn, ein Beweis liegt bei. Bezahlung ohne Verifikation heißt, einer Blackbox Geld zu geben und auf ihr Wort zu vertrauen. Damit stablecoingestützte Mikrozahlungen zwischen Maschinen tragfähig werden, muss die Vertrauensschicht mitwachsen; welche regulatorischen Leitplanken für die genutzten Stablecoins gelten, ordnet die Analyse zu den Stablecoin-Regeln 2026 ein.

Zur Ehrlichkeit gehört: Die reale Nutzung ist noch dünn. Ein großer Teil der on-chain-Agenten-Aktivität ist experimentell oder wird von wenigen Akteuren getragen. Die Infrastruktur eilt der zahlenden Nachfrage voraus, ein Muster, das sich auch bei den Token wiederfindet.

Der Token-Realitätscheck

Hier liegt die vielleicht wichtigste Beobachtung für Anleger: Die Technik liefert, die Token nicht. Praktisch jeder Wert, der an ein verifiable-compute-Projekt gebunden ist, notiert 2026 tief unter seinem Allzeithoch, während die zugrunde liegenden Systeme messbar besser werden. Die folgenden Kurse stammen vom 1. September 2026 (Quelle: CoinGecko, in Euro).

Das Bild ist über die ganze Kategorie hinweg konsistent. EIGEN liegt rund 97 Prozent unter seinem Hoch, PROVE (Succinct) etwa 90 Prozent, ZKC (Boundless) und LA (Lagrange) je rund 97 Prozent, PHA (Phala) rund 98 Prozent. Selbst Bittensor (TAO), mit einer Marktkapitalisierung im Milliardenbereich das Schwergewicht der dezentralen KI, hat über den zurückliegenden Monat nachgegeben. Boundless etwa erzeugt über seinen Beweismarktplatz auf Base real Beweise, doch der Token bleibt ein Bruchteil seines Ausgabepreises.

Die Divergenz wirft eine unbequeme Frage auf, die jeder Investor stellen sollte: Braucht verifiable compute überhaupt einen Token? Ein zkML-Beweis ist auch dann gültig, wenn kein Netzwerk-Token existiert; nur die krypto-ökonomischen und die Marktplatz-Modelle brauchen zwingend einen Vermögenswert, der Einsatz und Belohnung trägt. Wer diese Token kauft, wettet nicht auf die Technik (die funktioniert), sondern auf ein Geschäftsmodell, das die Zahlungsbereitschaft erst noch beweisen muss. Diese Lücke zwischen Technik und Token hat HOGE Wire bereits in der Bestandsaufnahme Die Beweise skalieren, die Token nicht ausgeleuchtet.

Regulierung: BaFin, MiCA und der EU AI Act

Für deutschsprachige Nutzer stellt sich die Frage nach der Aufsicht. Die kurze Antwort: Das Protokoll selbst wird nicht reguliert, wohl aber die Dienste und Token drumherum. Die BaFin beaufsichtigt unter der EU-Verordnung MiCA Krypto-Dienstleister (CASPs) und Emittenten, nicht die zugrunde liegende Technik; das erläutert ihr Merkblatt zu Kryptowerte-Dienstleistungen. Sobald ein KI-Agent aber Kundengelder verwaltet, verwahrt oder handelt, kann er in den Anwendungsbereich rutschen, unabhängig davon, dass eine Maschine die Tasten drückt. Die MiCA-Übergangsfrist ist in Deutschland zum 1. Juli 2026 ausgelaufen; was das praktisch bedeutet, zeigt die Analyse zur MiCA-Umsetzung 2026.

Der eigentliche Nachfragetreiber könnte woanders liegen: im EU AI Act. Seit dem 2. August 2026 gelten die allgemeine Anwendbarkeit, die Durchsetzungsbefugnisse der Kommission und die Transparenzpflichten (etwa die Kennzeichnung von KI-Inhalten und die Offenlegung von Chatbots); die Regeln für Allzweck-KI (GPAI) sind bereits seit August 2025 in Kraft, die schärfsten Pflichten für Hochrisiko-Systeme greifen gestaffelt bis Dezember 2027 und August 2028, wie die Europäische Kommission darlegt. Bußgelder können bis zu 35 Millionen Euro oder 7 Prozent des weltweiten Jahresumsatzes erreichen.

Der entscheidende Punkt: Wo Unternehmen künftig nachweisen müssen, dass ein KI-System korrekt und nachvollziehbar arbeitet, wird ein maschinenprüfbarer Beweis vom Nice-to-have zur Compliance-Anforderung. Lagrange verweist, unter Berufung auf eine McKinsey-Erhebung, darauf, dass rund 71 Prozent der befragten Führungskräfte ihre KI-Systeme nicht ohne Korrektheitsnachweis skalieren wollen. In den USA fehlt eine solche Klarheit: Die gemeinsame Auslegung von SEC und CFTC vom März 2026 zu digitalen Rohstoffen schweigt zu verifiable compute, was die zugehörigen Token in einer Grauzone belässt.

Was das für Anleger und Entwickler bedeutet

Ordnet man die Teile, ergibt sich ein klares Bild. Die Agentenökonomie hat 2026 zwei ihrer drei Fundamente gelegt (Identität über ERC-8004, Zahlung über x402), und das dritte, das Vertrauen, ist zum eigentlichen Engpass geworden. Verifiable compute ist die Antwort darauf, und die vier Wege dorthin lassen sich nach Reifegrad sortieren.

Für Entwickler heißt das pragmatisch: TEE liefert heute, für Echtzeit-Agenten mit vertretbarem Vertrauensmodell; die krypto-ökonomische Sicherung über EigenCloud und Slashing überbrückt die Lücke für höhere Einsätze; zkML ist das Endspiel, technisch 2026 durch DeepProve und die Fortschritte bei Lookup-Argumenten näher gerückt, aber für große Modelle noch nicht in Echtzeit bezahlbar. Wer baut, sollte die Vertrauensschicht modular halten, genau wie es das Validation Registry vorsieht, und den Ansatz an der Höhe des Einsatzes ausrichten.

Für Anleger gilt die umgekehrte Vorsicht. Die Technik funktioniert, doch der Weg von der Funktion zur zahlenden Nachfrage ist lang, und die Token preisen diese Nachfrage längst nicht ein, im Gegenteil. Wer investiert, sollte Adoption verfolgen (registrierte Agenten, tatsächlich erzeugte Beweise, zahlende Kunden), nicht bloß Kurse, und im Blick behalten, dass ein gültiger Beweis in vielen Fällen gar keinen Token braucht. Die spannendste Wette der Agentenökonomie ist nicht, ob Maschinen bald selbst bezahlen, sondern ob sie sich dabei gegenseitig glauben müssen oder es beweisen können.

Häufig gestellte Fragen

Was ist verifiable compute einfach erklärt?

Verifiable compute bedeutet, dass ein Rechenvorgang neben dem Ergebnis auch einen Beweis liefert, dass korrekt gerechnet wurde. Dieser Beweis lässt sich billig prüfen, ohne die Rechnung zu wiederholen. Das Vertrauen verschiebt sich vom Anbieter zum überprüfbaren Nachweis, was besonders für autonome KI-Agenten wichtig ist, die Geld bewegen.

Was ist der Unterschied zwischen zkML, TEE und opML?

zkML nutzt kryptografische Zero-Knowledge-Beweise, ist am vertrauenswürdigsten, aber am teuersten. TEE stützt sich auf abgeschottete Chip-Bereiche und ist schnell, verlangt aber Vertrauen in den Hardware-Hersteller. opML nimmt ein Ergebnis zunächst als korrekt an und erlaubt einen Einspruch innerhalb eines Zeitfensters, was günstig ist, aber Wartezeit kostet.

Was hat ERC-8004 mit verifiable compute zu tun?

ERC-8004 ist ein Ethereum-Standard, der KI-Agenten Identität, Reputation und Validierung gibt. Sein Validation Registry ist technologieoffen und akzeptiert Validatoren auf Basis von krypto-ökonomischer Neu-Ausführung, zkML oder TEE-Attestierung. Verifiable compute steckt also genau in diesem dritten Register.

Warum sind die Kurse von EIGEN, PROVE und ähnlichen Token so tief?

Die Technik dieser Projekte funktioniert und wird besser, doch die zahlende Nachfrage ist noch dünn, und viele Werte notieren rund 90 bis 98 Prozent unter ihren Allzeithochs (Stand 1. September 2026, CoinGecko). Zudem braucht ein rein kryptografischer Beweis nicht zwingend einen Token, was die Wertfrage zusätzlich belastet.

Reguliert die BaFin KI-Agenten und verifiable compute?

Die BaFin reguliert unter MiCA Krypto-Dienstleister und Token, nicht das Protokoll selbst. Ein KI-Agent, der Kundengelder verwaltet oder handelt, kann jedoch in den Anwendungsbereich fallen. Zusätzlich schafft der EU AI Act mit seinen Nachweispflichten einen Anreiz, Rechenvorgänge überhaupt beweisbar zu machen.

Marcus Okafor ist Senior-Autor bei HOGE Wire und schreibt über die Schnittstelle von KI, Krypto-Infrastruktur und Regulierung.