Gensyn ist ein Krypto-Netzwerk, das eine der teuersten Ressourcen der Tech-Branche demokratisieren will: Rechenleistung f\u00fcr das Training k\u00fcnstlicher Intelligenz. Statt Grafikkarten in den Rechenzentren von Amazon, Microsoft oder Google zu mieten, verbindet Gensyn Hardware aus aller Welt, von Gaming-PCs bis zu kleinen Serverfarmen, zu einem gemeinsamen Pool. Koordiniert und abgerechnet wird dieser Pool \u00fcber eine eigene Blockchain samt nativem AI-Token.<\/p>\n\n
Gegr\u00fcndet wurde das Unternehmen 2020 in London von Ben Fielding und Harry Grieve, die sich im Rahmen des Company-Builder-Programms Entrepreneur First kennenlernten. Fielding bringt einen Hintergrund in neuronalen Netzen mit, Grieve kommt aus der Datenanalyse. Ihre gemeinsame These lautet, dass maschinelles Lernen eine dezentrale Vertrauensschicht braucht, weil Rechenleistung, Daten und Modelle heute in den H\u00e4nden weniger Konzerne konzentriert sind.<\/p>\n\n
Anders als klassische GPU-Vermieter im DePIN-Sektor beschr\u00e4nkt sich Gensyn nicht auf das Verleihen von Hardware-Slots. Das Netzwerk verspricht, verteiltes Training kryptografisch zu verifizieren, sodass niemand einem fremden Rechner blind vertrauen muss, um zu wissen, ob dieser tats\u00e4chlich korrekt trainiert hat. Diese Verifikationsschicht hei\u00dft Verde und ist der technische Kern des Projekts, weiter unten in diesem Artikel ausf\u00fchrlicher erkl\u00e4rt.<\/p>\n\n
F\u00fcr den Krypto-Markt ist Gensyn deshalb interessant, weil es einen der konkreteren Belege liefert, wie sich zwei der gr\u00f6\u00dften Trends der vergangenen Jahre, k\u00fcnstliche Intelligenz und Kryptoinfrastruktur, tats\u00e4chlich technisch verzahnen lassen, statt nur als Schlagwort-Kombination nebeneinanderzustehen. Mit dem Mainnet-Start im April 2026 und der ersten produktiven Anwendung Delphi verl\u00e4sst das Projekt nach \u00fcber f\u00fcnf Jahren Entwicklungszeit die reine Ank\u00fcndigungsphase.<\/p>\n\n
Die Kosten f\u00fcr das Training gro\u00dfer KI-Modelle sind in den vergangenen Jahren explodiert. Im hauseigenen Blog von Gensyn wird auf Prognosen verwiesen, wonach f\u00fchrende Labore wie Anthropic Trainingsl\u00e4ufe im Wert von zehn Milliarden US-Dollar und mittelfristig sogar hundert Milliarden US-Dollar erwarten, wie Gensyn in seinem Blogbeitrag GPT@home darlegt<\/a>. Wer sich solche Summen leisten kann, l\u00e4sst sich an einer Hand abz\u00e4hlen: eine Handvoll Cloud-Giganten und die KI-Labore, die eng mit ihnen verflochten sind.<\/p>\n\n F\u00fcr alle anderen, akademische Forschungsgruppen, unabh\u00e4ngige Entwickler oder Start-ups au\u00dferhalb des gro\u00dfen Kapitalkreislaufs, bedeutet das: Sie sind auf die Preise und Kapazit\u00e4ten weniger Anbieter angewiesen. Mitgr\u00fcnder Harry Grieve bringt die Motivation hinter Gensyn in einem Interview mit Bitget News auf den Punkt: Skalierung sei letztlich die einzige Antwort, Dezentralisierung diene einzig dazu, ein bislang unerreichtes Ausma\u00df an Rechen- und Datenressourcen zu erschlie\u00dfen. Erg\u00e4nzend verweist er darauf, dass ein Gro\u00dfteil der frei verf\u00fcgbaren Internetdaten f\u00fcr das Training bereits ausgesch\u00f6pft sei und k\u00fcnftige Fortschritte zunehmend von Daten und Rechenleistung an den R\u00e4ndern des Netzes abhingen, also von genau jenen ungenutzten Ger\u00e4ten, die Gensyn erschlie\u00dfen will, wie er gegen\u00fcber Bitget News erl\u00e4uterte<\/a>.<\/p>\n\n Der Grundgedanke ist nicht neu, sondern folgt einer Logik, die Krypto-Nutzer aus einem anderen Kontext kennen: der des Bitcoin-Minings. Auch dort wird eine urspr\u00fcnglich verstreute, teils ungenutzte Ressource durch ein Anreizsystem geb\u00fcndelt und produktiv gemacht, wie es in unserem Erkl\u00e4rst\u00fcck zu Hashprice und der \u00d6konomie des Bitcoin-Minings<\/a> beschrieben wird. Gensyn \u00fcbertr\u00e4gt dieses Prinzip auf Grafikkarten statt auf spezialisierte Mining-Chips: Ungenutzte Rechenzyklen bei Gaming-PCs, kleinen Rechenzentren oder Cloud-\u00dcberkapazit\u00e4ten sollen gegen Token-Belohnungen bereitgestellt werden, anstatt brachzuliegen.<\/p>\n\n Technisch beschreibt Gensyn sein Protokoll als Zusammenspiel von vier Schichten, wie es die offizielle Dokumentation aufschl\u00fcsselt<\/a>. Jede davon l\u00f6st ein eigenes Teilproblem des verteilten Trainings:<\/p>\n\n Die Koordinationsschicht ist technisch ein eigenst\u00e4ndiges, EVM-kompatibles Layer-2-Netzwerk auf Basis des OP-Stacks, dessen Zustandswurzeln periodisch auf der Ethereum-Hauptkette verankert werden. Damit erbt Gensyn die Sicherheitsgarantien von Ethereums Proof-of-Stake-Konsens, w\u00e4hrend die eigentliche Rechenlast, das Training der Modelle selbst, komplett au\u00dferhalb der Chain stattfindet. Nur Zahlungen, Zuordnungen und Streitf\u00e4lle landen on-chain.<\/p>\n\n Neben diesen vier Kernschichten f\u00fchrt Gensyn in seiner Forschungsdokumentation weitere, experimentellere Bausteine auf, etwa SAPO f\u00fcr asynchrones, dezentrales Reinforcement-Learning-Post-Training oder die Forschungsdemos BlockAssist und CodeAssist f\u00fcr verteiltes Lernen in interaktiven Umgebungen. Sie zeigen, dass sich Gensyn erkennbar nicht nur als Produkt, sondern als Forschungsplattform versteht, mit Verweisen auf begutachtete wissenschaftliche Arbeiten hinter den einzelnen Komponenten.<\/p>\n\n Das Kernproblem, das Gensyn l\u00f6sen muss, klingt einfach, ist es aber nicht: Wie beweist man, dass ein fremder, nicht vertrauensw\u00fcrdiger Rechner ein KI-Modell tats\u00e4chlich korrekt trainiert hat, ohne den gesamten Trainingslauf ein zweites Mal auf einer eigenen Maschine zu wiederholen? W\u00fcrde man Letzteres tun, w\u00e4re der gesamte Vorteil des verteilten Trainings dahin, denn die Verifikation w\u00fcrde am Ende genauso viel Rechenleistung kosten wie die eigentliche Arbeit.<\/p>\n\n Gensyns Antwort hei\u00dft Verde. Das System funktioniert im Prinzip \u00e4hnlich wie die Betrugsbeweise optimistischer Rollups in der Ethereum-Skalierung, wie sie auch unser Artikel zu verifizierbarer Rechenleistung in Krypto-Netzwerken<\/a> beschreibt: Ein Trainer reicht eine Behauptung \u00fcber sein Ergebnis ein, ein Verifizierer pr\u00fcft stichprobenartig, und nur im Streitfall greift ein Schiedsverfahren. Statt jedoch den kompletten Rechenweg neu zu berechnen, grenzt Verde laut Gensyns eigenem technischen Blogbeitrag<\/a> den strittigen Punkt \u00fcber ein Bisektionsverfahren so lange ein, bis nur noch ein einzelner, winziger Rechenschritt im neuronalen Netz \u00fcbrig bleibt. Nur dieser eine Schritt wird dann von einem Schiedsrichter, einem Smart Contract oder einer Jury aus Verifizierern, neu berechnet.<\/p>\n\n Damit das funktioniert, m\u00fcssen identische Rechenoperationen auf unterschiedlichster Hardware, von Nvidia- bis zu AMD-Chips, exakt dasselbe Ergebnis liefern, bis auf das letzte Bit. Genau das leisten die Reproducible Operators: Sie legen eine feste Reihenfolge f\u00fcr Gleitkommaoperationen wie Matrizenmultiplikationen fest, denn schon eine andere Rundungsreihenfolge kann bei neuronalen Netzen zu abweichenden Ergebnissen f\u00fchren. In der Praxis senkt das die Kosten der Verifikation drastisch, weil im Regelfall nur ein winziger Bruchteil eines Trainingslaufs tats\u00e4chlich neu berechnet werden muss.<\/p>\n\n Am 31. M\u00e4rz 2025 ging das \u00f6ffentliche Testnet von Gensyn live, ausgelegt auf einen mehrstufigen Rollout. Phase 0 drehte sich vollst\u00e4ndig um RL Swarm, eine Anwendung f\u00fcr kollaboratives Post-Training per Reinforcement Learning, bei der viele Modelle gemeinsam \u00fcber das Internet trainieren und sich gegenseitig kritisieren, statt isoliert in einem einzelnen Rechenzentrum zu laufen.<\/p>\n\n Die Trainingsumgebung selbst hat sich seither weiterentwickelt. Ab Mitte November 2025 ersetzte CodeZero die urspr\u00fcngliche Umgebung namens Reasoning Gym. CodeZero erweitert RL Swarm von reinem Reasoning und Mathematik auf kooperatives Programmieren: Teilnehmende Modelle \u00fcbernehmen darin unterschiedliche Rollen, als Solver, die Aufgaben l\u00f6sen, als Proposer, die neue Aufgaben erstellen, und als Evaluator, die Ergebnisse bewerten.<\/p>\n\n Wie gro\u00df die Beteiligung tats\u00e4chlich war, l\u00e4sst sich an Zahlen ablesen, die Harry Grieve im bereits erw\u00e4hnten Interview mit Bitget News<\/a> im Fr\u00fchjahr 2026 nannte: W\u00e4hrend der Testnet-Phase z\u00e4hlte das Netzwerk nach seinen Angaben mehr als 150.000 Nutzer, rund 40.000 gleichzeitig aktive Knoten und \u00fcber 800.000 trainierte Modelle. Mit dem Fokus auf den Mainnet-Start wurden RL Swarm und die von Gensyn selbst betriebenen Testnet-Knoten inzwischen pausiert, die Entwicklungsressourcen richten sich nun auf die erste produktive Mainnet-Anwendung.<\/p>\n\n Am 22. April 2026 aktivierte Gensyn sein Mainnet und brachte gleichzeitig Delphi live, wie Bitcoin.com News berichtete<\/a>. Delphi ist eine permissionless Plattform f\u00fcr Informationsm\u00e4rkte: Jeder kann einen Markt zu praktisch jedem Thema er\u00f6ffnen, von Kurszielen f\u00fcr Bitcoin \u00fcber Sportergebnisse bis zu geopolitischen Ereignissen. Nutzer kaufen und verkaufen Positionen auf m\u00f6gliche Ausg\u00e4nge, die Preisbildung \u00fcbernimmt ein symmetrischer Logarithmic Market Scoring Rule (LMSR), ein aus Prognosem\u00e4rkten bekannter automatischer Market Maker.<\/p>\n\n Die Besonderheit gegen\u00fcber klassischen Prognosem\u00e4rkten liegt in der Abwicklung: Statt menschlicher Orakel oder Abstimmungsverfahren entscheiden KI-Modelle \u00fcber den Ausgang eines Marktes, und die Modelle k\u00f6nnen selbst direkt als Marktteilnehmer auftreten und f\u00fcr zutreffende Vorhersagen bezahlt werden. Damit verwandelt sich Delphi in eine Art autonome Agentenwirtschaft, in der Softwareagenten eigenst\u00e4ndig Positionen eingehen und Ertr\u00e4ge einsammeln, \u00e4hnlich den Mustern, die wir bereits in unserem Beitrag zu KI-Agenten mit eigener Wallet on-chain<\/a> eingeordnet haben.<\/p>\n\n Die Geb\u00fchrenstruktur von Delphi ist bewusst deflation\u00e4r angelegt. Auf das gesamte Handelsvolumen wird eine Protokollgeb\u00fchr von 0,5 Prozent erhoben, mit der laufend AI-Token vom offenen Markt zur\u00fcckgekauft werden. Berichten zufolge<\/a> werden 70 Prozent dieser zur\u00fcckgekauften Token dauerhaft verbrannt, 29 Prozent flie\u00dfen in ein Community-Treasury f\u00fcr den weiteren Ausbau des \u00d6kosystems, und ein Prozent entsch\u00e4digt denjenigen, der die R\u00fcckkauftransaktion technisch ausf\u00fchrt. Zus\u00e4tzlich verdienen Ersteller einzelner M\u00e4rkte 1,5 Prozent des dort erzielten Handelsvolumens. Wie nachhaltig dieser Mechanismus tats\u00e4chlich Nachfrage nach dem Token erzeugt, h\u00e4ngt am Ende schlicht davon ab, wie viel Handelsvolumen Delphi dauerhaft anzieht.<\/p>\n\n Der native Token des Netzwerks tr\u00e4gt das K\u00fcrzel AI (auf einzelnen Plattformen auch als AIGENSYN gef\u00fchrt, um Verwechslungen mit gleichnamigen Tickern zu vermeiden) und wurde am 29. April 2026 im Rahmen eines Token Generation Events ausgegeben. Das maximale Angebot ist fest auf 10 Milliarden Token gedeckelt, eine nachtr\u00e4gliche Erh\u00f6hung ist im Protokoll nicht vorgesehen, wie aus den Vesting-Daten von Tokenomist hervorgeht<\/a>.<\/p>\n\n Die Verteilung des Angebots ist in f\u00fcnf Kategorien aufgeteilt, die sich stark in ihrer Freischaltung unterscheiden:<\/p>\n\nDie vier Bausteine des Gensyn-Protokolls<\/h2>\n\n
Verde und RepOps: Verifikation ohne zentrale Autorit\u00e4t<\/h2>\n\n
Vom Testnet zum Mainnet: RL Swarm, CodeZero und die Zahlen dahinter<\/h2>\n\n
Delphi: Die erste Anwendung auf dem Gensyn-Mainnet<\/h2>\n\n
Der AI-Token: Angebot, Verteilung und Burn-Mechanismus<\/h2>\n\n