{"id":444,"date":"2026-09-01T16:28:39","date_gmt":"2026-09-01T16:28:39","guid":{"rendered":"https:\/\/hoge.gg\/de\/verifiable-compute-ki-agenten-vertrauensschicht-2026\/"},"modified":"2026-09-01T16:28:39","modified_gmt":"2026-09-01T16:28:39","slug":"verifiable-compute-ki-agenten-vertrauensschicht-2026","status":"publish","type":"post","link":"https:\/\/hoge.gg\/de\/verifiable-compute-ki-agenten-vertrauensschicht-2026\/","title":{"rendered":"Verifiable Compute: Vertrauensschicht f\u00fcr KI-Agenten 2026"},"content":{"rendered":"

Im Fr\u00fchjahr 2026 machte ein Vorfall die Runde, der die Grenzen der jungen Agenten\u00f6konomie schonungslos offenlegte: Ein KI-Agent, verkn\u00fcpft mit der Zahlungsplattform Bankr, \u00fcberwies rund drei Milliarden Token im Gegenwert von gesch\u00e4tzten 150.000 bis 200.000 US-Dollar an einen Angreifer. Der Trick steckte nicht in einer L\u00fccke 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<\/a> dokumentiert. Die Blockchain hatte sauber funktioniert, der Code war korrekt, und trotzdem tat der Agent etwas, das niemand autorisiert hatte.<\/p>

Der Fall ist mehr als eine Kuriosit\u00e4t, er steht f\u00fcr ein strukturelles Problem. KI-Agenten bekommen 2026 in schneller Folge eine eigene Identit\u00e4t, eine Wallet und die F\u00e4higkeit, autonom zu bezahlen. Was ihnen fehlt, ist eine Schicht, die beweist, dass sie tats\u00e4chlich getan haben, was sie behaupten: das richtige Modell ausgef\u00fchrt, die vorgegebene Regel eingehalten, die Abrechnung ehrlich erstellt. Genau diese L\u00fccke will verifiable compute (sinngem\u00e4\u00df: beweisbares Rechnen) schlie\u00dfen. Dieser Text ordnet f\u00fcr die deutschsprachige Leserschaft ein, warum die Vertrauensschicht zum eigentlichen Engpass der Agenten\u00f6konomie geworden ist, welche vier technischen Wege es daf\u00fcr gibt, wo das Ethereum-Vorhaben ERC-8004 andockt und warum die zugeh\u00f6rigen Token trotz funktionierender Technik tief unter ihren H\u00f6chstst\u00e4nden notieren.<\/p>

Warum KI-Agenten ein Vertrauensproblem haben<\/h2>

Bis vor Kurzem war ein KI-Modell ein Werkzeug, das ein Mensch bediente und dessen Ergebnis ein Mensch pr\u00fcfte. Ein Agent ist etwas anderes. Er h\u00e4lt private Schl\u00fcssel, 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 funktionsf\u00e4higer Bot in Stunden statt Monaten steht; welche Wege dieses \u00d6kosystem 2026 einschl\u00e4gt, beschreibt die Analyse zu Eliza als agentischem Betriebssystem<\/a>.<\/p>

Mit der Autonomie w\u00e4chst die Angriffsfl\u00e4che. 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 l\u00e4sst sich zu einer Handlung \u00fcberreden), doch die subtilere Gefahr ist, dass ein Betreiber im Hintergrund das Modell austauscht, die Ausgabe f\u00e4lscht oder die Ausf\u00fchrung schlicht vort\u00e4uscht, ohne dass es jemand bemerkt.<\/p>

Die Zahlen unterstreichen die Dringlichkeit. Der Stanford AI Index 2026<\/a> z\u00e4hlte f\u00fcr das Jahr 2025 rund 362 dokumentierte KI-Zwischenf\u00e4lle, ein Anstieg von etwa 55 Prozent gegen\u00fcber 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.<\/p>

Was verifiable compute eigentlich bedeutet<\/h2>

Verifiable compute hei\u00dft: Ein Rechenvorgang liefert nicht nur ein Ergebnis, sondern zus\u00e4tzlich einen Beweis, dass dieses Ergebnis korrekt berechnet wurde, und dieser Beweis l\u00e4sst sich billig pr\u00fcfen, ohne die Rechnung selbst zu wiederholen. Das Vertrauensmodell verschiebt sich von „vertraue dem Server“ zu „pr\u00fcfe 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.<\/p>

Ethereum-Mitgr\u00fcnder Vitalik Buterin hat das Feld in seinem viel zitierten Essay The promise and challenges of crypto + AI applications<\/a> 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 ausdr\u00fccklich mit dem Zusatz „tread very carefully“ (sehr vorsichtig vorgehen) versieht. Denn sobald eine KI selbst \u00fcber Geld oder Regeln entscheidet, wird der Beweis, dass sie ehrlich gerechnet hat, zur Voraussetzung, nicht zum Extra.<\/p>

Wichtig ist die Abgrenzung zu dezentralem Rechnen. Marktpl\u00e4tze 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 Kapazit\u00e4t, nicht Korrektheit. Wie schwer sich selbst spezialisierte Anbieter damit tun, zeigt die Lage bei Gensyn und seiner Long-Tail-Wette<\/a>. Verifiable compute setzt eine Ebene h\u00f6her an: Es geht nicht darum, wer rechnet, sondern darum, ob man dem Ergebnis trauen kann.<\/p>

ERC-8004: Identit\u00e4t, Reputation und die fehlende S\u00e4ule<\/h2>

Damit Agenten \u00fcberhaupt Gesch\u00e4fte miteinander machen k\u00f6nnen, brauchen sie zun\u00e4chst eine \u00fcberpr\u00fcfbare Identit\u00e4t 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<\/a> 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 H\u00e4user der Branche.<\/p>

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, F\u00e4higkeiten, Endpunkte, Zahlungsadresse). Das Reputation Registry sammelt R\u00fcckmeldungen und Bewertungen. Und das Validation Registry, die dritte und f\u00fcr dieses Thema entscheidende S\u00e4ule, erlaubt es Agenten, die \u00dcberpr\u00fcfung ihrer Arbeit anzufordern, und l\u00e4sst Validator-Vertr\u00e4ge das Ergebnis on-chain festhalten.<\/p>

Register<\/th>Funktion<\/th>Technik<\/th><\/tr><\/thead>
Identity<\/td>portable, zensurresistente Agenten-Kennung<\/td>ERC-721-Token plus Agent Card<\/td><\/tr>
Reputation<\/td>Bewertungen und R\u00fcckmeldungen sammeln<\/td>on-chain-Aggregation von Feedback<\/td><\/tr>
Validation<\/td>Nachweis erledigter Arbeit anfordern<\/td>Validator-Vertr\u00e4ge, Score von 0 bis 100<\/td><\/tr><\/tbody><\/table><\/figure>

Der Standard ist in kurzer Zeit von der Idee zur Praxis gereift. Davide Crapis, als Head of AI der Ethereum Foundation f\u00fcr den Vorsto\u00df mitverantwortlich, verk\u00fcndete 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.“<\/a> Die Botschaft dahinter: Die Chains sollen nicht nur die Zahlung tragen, sondern auch das Vertrauen. Nur dass ausgerechnet die Reputationsschicht dieses Versprechen nicht h\u00e4lt.<\/p>

Warum Reputation nicht gen\u00fcgt: die Sybil-Studie<\/h2>

Reputation klingt nach einer eleganten L\u00f6sung: Gute Agenten sammeln gute Bewertungen, schlechte fallen durch. In der Praxis tr\u00e4gt dieses Modell nicht, und das ist inzwischen empirisch belegt. Die Studie Can Trustless Agents Be Trusted?<\/a> untersuchte das ERC-8004-\u00d6kosystem erstmals systematisch \u00fcber drei Chains (Ethereum, BNB Smart Chain, Base) bis Mitte Mai 2026. Das Fazit ist ern\u00fcchternd: Reputation lasse sich „zu minimalen Kosten manipulieren“.<\/p>

Die Zahlen sprechen f\u00fcr sich. Bei den Bewertenden zeigten 73,5 Prozent (Ethereum), 59,2 Prozent (BSC) und 90,6 Prozent (Base) koordiniertes Sybil-Verhalten, also gef\u00e4lschte, untereinander abgestimmte Identit\u00e4ten. Rechnet man diese Scheinbewertungen heraus, bleiben je nach Chain zwischen 15,8 Prozent (Ethereum) und 86,8 Prozent (Base) der bewerteten Agenten ganz ohne g\u00fcltige R\u00fcckmeldung \u00fcbrig. Ein Bewertungssystem, das sich mit Wegwerf-Wallets fluten l\u00e4sst, ist als Vertrauenssignal wertlos.<\/p>

Damit ist der Kern des Arguments freigelegt: Meinung ist k\u00e4uflich, 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 pr\u00fcfbar macht. Genau hier setzt verifiable compute an, und genau hier hat ERC-8004 mit dem Validation Registry bewusst eine Steckdose vorgesehen.<\/p>

Die Validation Registry als Andockpunkt<\/h2>

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 Pr\u00fcfung 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 w\u00e4hlbar.<\/p>

Die EIP-Spezifikation nennt ausdr\u00fccklich drei Familien von Validatoren: erstens die durch Einsatz (Stake) abgesicherte Neu-Ausf\u00fchrung der Inferenz, also krypto-\u00f6konomische Pr\u00fcfung; 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-Ans\u00e4tze, 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.<\/p>

F\u00fcr Entwickler bedeutet das: Ein Agent kann heute mit einer schnellen, g\u00fcnstigen TEE-Attestierung starten und sp\u00e4ter, wenn zkML reif und bezahlbar ist, auf einen kryptografischen Beweis umsteigen, ohne die umgebende Architektur neu bauen zu m\u00fcssen. Die Vertrauensschicht wird modular, und der Wettbewerb der vier Ans\u00e4tze findet an einer klar definierten Schnittstelle statt.<\/p>

Vier Wege, KI-Rechnen zu beweisen<\/h2>

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 f\u00fcr Agenten wichtigsten.<\/p>

Ansatz<\/th>Vertrauensannahme<\/th>Latenz \/ Kosten<\/th>Reife f\u00fcr Agenten<\/th>Beispiele<\/th><\/tr><\/thead>
zkML<\/td>reine Mathematik, vertrauenslos<\/td>hoch \/ hoch<\/td>Endspiel, f\u00fcr LLM noch teuer<\/td>Lagrange DeepProve, EZKL, Succinct<\/td><\/tr>
TEE<\/td>Chip-Hersteller, Seitenkanal-Risiko<\/td>niedrig \/ niedrig<\/td>heute einsatzf\u00e4hig<\/td>Intel TDX, NVIDIA H100, Phala<\/td><\/tr>
opML<\/td>mindestens ein ehrlicher W\u00e4chter<\/td>mittel \/ niedrig, aber Wartezeit<\/td>eingeschr\u00e4nkt (keine Echtzeit)<\/td>Ora Protocol<\/td><\/tr>
krypto-\u00f6konomisch<\/td>Kosten des Betrugs \u00fcber dem Gewinn<\/td>niedrig \/ mittel<\/td>br\u00fcckenbildend<\/td>EigenCloud, Boundless<\/td><\/tr><\/tbody><\/table><\/figure>

Keiner der vier Ans\u00e4tze gewinnt auf allen Achsen. Das ist kein Zufall, sondern Ausdruck dessen, was Fachleute das Verifizierbarkeits-Trilemma nennen: Integrit\u00e4t, niedrige Latenz und niedrige Kosten lassen sich nicht gleichzeitig maximieren. Wer kryptografische H\u00e4rte 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-Ausf\u00fchrung, wirtschaftliche Absicherung und stichprobenartige kryptografische Pr\u00fcfung kombiniert werden.<\/p>

zkML: der kryptografische Goldstandard und seine Grenzen<\/h2>

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 Pr\u00fcfer das Modell, die Gewichte oder die Eingabe sehen muss. Kein Vertrauen in Hardware, keinen Betreiber, keine Annahmen, nur Mathematik. Der Preis daf\u00fcr ist Rechenaufwand. Buterin beziffert den Mehraufwand f\u00fcr die nichtlinearen Schichten neuronaler Netze auf grob das Zweihundertfache, und das Erzeugen eines Beweises kann, wie er schreibt, Stunden dauern.<\/p>

Lange galt deshalb: zkML funktioniert f\u00fcr kleine Modelle, nicht f\u00fcr gro\u00dfe Sprachmodelle. Diese Mauer bekam 2026 Risse. Das Team hinter Lagrange stellte mit DeepProve<\/a> ein System vor, das erstmals vollst\u00e4ndige 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 \u00fcber zw\u00f6lf Millionen Beweise, bei rund 60-fach schnellerer Beweiserzeugung und 671-fach schnellerer Pr\u00fcfung gegen\u00fcber 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.“<\/p>

Trotzdem bleibt zkML das Endspiel, nicht die Gegenwart. Elena Burger von a16z crypto<\/a> weist auf ein hartes Detail hin: Zero-Knowledge-Schaltkreise k\u00f6nnen 32-Bit-Gleitkommaoperationen nicht ohne massiven Mehraufwand abbilden, weshalb Modelle in gr\u00f6bere 8-Bit-Zahlen quantisiert werden m\u00fcssen, was sie zu einer „groben Ann\u00e4herung“ des Originals macht. F\u00fcr einen Agenten, der einen Vertrag \u00fcber sechsstellige Summen pr\u00fcft, kann genau diese N\u00e4herung den Unterschied machen.<\/p>

TEE: schnell, aber mit Hardware-Vertrauen<\/h2>

Der pragmatischste Weg f\u00fchrt heute \u00fcber Trusted Execution Environments (TEE), also abgeschottete Bereiche im Prozessor, die eine kryptografisch signierte Best\u00e4tigung (Attestierung) dar\u00fcber ausstellen, welcher Code auf welchen Daten lief. Intel TDX, AMD SEV und, f\u00fcr KI besonders relevant, die Confidential-Computing-Funktionen moderner Rechenzentrums-GPUs wie der NVIDIA H100 erlauben es, ein Modell in einer versiegelten Umgebung auszuf\u00fchren und den Nachweis mitzuliefern, mit vergleichsweise geringem Zusatzaufwand.<\/p>

Im Krypto-Umfeld hat sich Phala Network auf dieses Feld spezialisiert; das Netzwerk betreibt nach eigenen Angaben Zehntausende TEE-Ger\u00e4te und verankert die Attestierungen on-chain, sodass ein Smart Contract pr\u00fcfen kann, ob eine Ausgabe wirklich aus einer versiegelten Umgebung stammt. Der gro\u00dfe Vorteil: Latenz und Kosten liegen nahe am normalen Betrieb, weshalb TEE derzeit der einzige Ansatz ist, der KI-Agenten in Echtzeit absichern kann.<\/p>

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. F\u00fcr viele Agenten-Anwendungen ist dieser Kompromiss heute akzeptabel, f\u00fcr die sensibelsten nicht.<\/p>

Das Determinismus-Paradox<\/h2>

Ein technisches Detail erkl\u00e4rt, warum das Beweisen von KI so schwer ist. Sowohl kryptografische Beweise als auch die krypto-\u00f6konomische Neu-Ausf\u00fchrung setzen voraus, dass dieselbe Eingabe reproduzierbar dieselbe Ausgabe erzeugt. Genau das ist bei gro\u00dfer GPU-Inferenz nicht garantiert: Gleitkomma-Arithmetik und parallele Ausf\u00fchrung f\u00fchren dazu, dass zwei L\u00e4ufe desselben Modells minimal unterschiedliche Ergebnisse liefern k\u00f6nnen. Ein Pr\u00fcfer, der nachrechnet, k\u00e4me dann zu einem anderen Wert und w\u00fcrde eine ehrliche Rechnung f\u00e4lschlich als Betrug werten.<\/p>

An diesem Determinismus-Paradox arbeiten mehrere Projekte. EigenClouds Angebot EigenAI wirbt ausdr\u00fccklich mit „deterministic, verifiable inference“, also bit-genau reproduzierbarer Ausf\u00fchrung von Modellen, als Voraussetzung daf\u00fcr, dass eine Neu-Ausf\u00fchrung \u00fcberhaupt als Pr\u00fcfung 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.<\/p>

opML und krypto-\u00f6konomische Sicherheit<\/h2>

Zwischen dem teuren kryptografischen Beweis und der reinen Hardware-Attestierung liegen zwei weitere Ans\u00e4tze. opML (Optimistic Machine Learning), von Ora Protocol gepr\u00e4gt, funktioniert wie ein optimistisches Rollup: Das Ergebnis wird zun\u00e4chst als korrekt angenommen und ver\u00f6ffentlicht, doch innerhalb eines Einspruchsfensters kann jeder Beobachter es anfechten und per Betrugsbeweis widerlegen. Das ist g\u00fcnstig und f\u00fcr gro\u00dfe Modelle machbar, erkauft die Sicherheit aber mit Wartezeit; Echtzeit-Interaktion ist so nicht m\u00f6glich, und es braucht mindestens einen ehrlichen W\u00e4chter.<\/p>

Der krypto-\u00f6konomische 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 \u00fcbersteigt. Das prominenteste Projekt ist EigenCloud (die Weiterentwicklung von EigenLayer), das auf wiederverpf\u00e4ndetes ETH als Sicherheit setzt; die Mechanik von Liquid Staking und Restaking, auf der das aufbaut, zeigt der Vergleich von Lido, Rocket Pool und Frax<\/a>.<\/p>

EigenCloud positioniert Slashing als bestes Werkzeug der Krypto-Welt f\u00fcr 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.“<\/a> Die Produkte EigenAI (verifizierbare Inferenz) und EigenCompute (verifizierbare Ausf\u00fchrung beliebiger Container mit AWS-\u00e4hnlicher Bedienung) sollen genau diese Infrastruktur liefern, in Design-Partnerschaften unter anderem mit Google und Coinbase.<\/p>

Bezahlen ohne Beweis: x402 und die Agenten-Zahlungen<\/h2>

Die dritte S\u00e4ule der Agenten\u00f6konomie neben Identit\u00e4t und Vertrauen ist die Zahlung. Hier hat sich x402 als Standard herausgesch\u00e4lt, ein von Coinbase vorangetriebenes Protokoll, das den lange ungenutzten HTTP-Statuscode 402 („Payment Required“) mit Leben f\u00fcllt: Ein Agent bezahlt eine Ressource pro Aufruf in USDC, ohne dass ein Mensch jede Zahlung freigibt. Nach Angaben von Coinbase z\u00e4hlte das x402-\u00d6kosystem<\/a> im ersten Jahr \u00fcber 160 Millionen Zahlungen. Google wiederum hat mit dem Agents Payment Protocol (AP2) eine Erweiterung seines Agent-to-Agent-Standards vorgestellt, die auf x402 aufsetzt.<\/p>

Diese Zahlungsrails funktionieren, doch sie versch\u00e4rfen das Vertrauensproblem, statt es zu l\u00f6sen. Wenn ein Agent einen anderen bezahlt, damit dieser eine Inferenz ausf\u00fchrt, kauft er eine Ausgabe, deren Korrektheit er nicht \u00fcberpr\u00fcfen kann, es sei denn, ein Beweis liegt bei. Bezahlung ohne Verifikation hei\u00dft, einer Blackbox Geld zu geben und auf ihr Wort zu vertrauen. Damit stablecoingest\u00fctzte Mikrozahlungen zwischen Maschinen tragf\u00e4hig werden, muss die Vertrauensschicht mitwachsen; welche regulatorischen Leitplanken f\u00fcr die genutzten Stablecoins gelten, ordnet die Analyse zu den Stablecoin-Regeln 2026<\/a> ein.<\/p>

Zur Ehrlichkeit geh\u00f6rt: Die reale Nutzung ist noch d\u00fcnn. Ein gro\u00dfer Teil der on-chain-Agenten-Aktivit\u00e4t ist experimentell oder wird von wenigen Akteuren getragen. Die Infrastruktur eilt der zahlenden Nachfrage voraus, ein Muster, das sich auch bei den Token wiederfindet.<\/p>

Der Token-Realit\u00e4tscheck<\/h2>

Hier liegt die vielleicht wichtigste Beobachtung f\u00fcr Anleger: Die Technik liefert, die Token nicht. Praktisch jeder Wert, der an ein verifiable-compute-Projekt gebunden ist, notiert 2026 tief unter seinem Allzeithoch, w\u00e4hrend die zugrunde liegenden Systeme messbar besser werden. Die folgenden Kurse stammen vom 1. September 2026 (Quelle: CoinGecko, in Euro).<\/p>

Token<\/th>Projekt<\/th>Kurs (EUR)<\/th>Marktkap. (EUR)<\/th>unter ATH<\/th><\/tr><\/thead>
EIGEN<\/td>EigenCloud<\/td>0,17<\/td>rund 159 Mio.<\/td>rund 97 %<\/td><\/tr>
PROVE<\/td>Succinct<\/td>0,15<\/td>rund 30 Mio.<\/td>rund 90 %<\/td><\/tr>
ZKC<\/td>Boundless<\/td>0,042<\/td>rund 12 Mio.<\/td>rund 97 %<\/td><\/tr>
LA<\/td>Lagrange<\/td>0,050<\/td>rund 9,7 Mio.<\/td>rund 97 %<\/td><\/tr>
PHA<\/td>Phala Network<\/td>0,021<\/td>rund 18 Mio.<\/td>rund 98 %<\/td><\/tr><\/tbody><\/table><\/figure>

Das Bild ist \u00fcber die ganze Kategorie hinweg konsistent. EIGEN<\/a> 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 \u00fcber den zur\u00fcckliegenden Monat nachgegeben. Boundless etwa erzeugt \u00fcber seinen Beweismarktplatz auf Base real Beweise, doch der Token bleibt ein Bruchteil seines Ausgabepreises.<\/p>

Die Divergenz wirft eine unbequeme Frage auf, die jeder Investor stellen sollte: Braucht verifiable compute \u00fcberhaupt einen Token? Ein zkML-Beweis ist auch dann g\u00fcltig, wenn kein Netzwerk-Token existiert; nur die krypto-\u00f6konomischen und die Marktplatz-Modelle brauchen zwingend einen Verm\u00f6genswert, der Einsatz und Belohnung tr\u00e4gt. Wer diese Token kauft, wettet nicht auf die Technik (die funktioniert), sondern auf ein Gesch\u00e4ftsmodell, das die Zahlungsbereitschaft erst noch beweisen muss. Diese L\u00fccke zwischen Technik und Token hat HOGE Wire bereits in der Bestandsaufnahme Die Beweise skalieren, die Token nicht<\/a> ausgeleuchtet.<\/p>

Regulierung: BaFin, MiCA und der EU AI Act<\/h2>

F\u00fcr 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 erl\u00e4utert ihr Merkblatt zu Kryptowerte-Dienstleistungen<\/a>. Sobald ein KI-Agent aber Kundengelder verwaltet, verwahrt oder handelt, kann er in den Anwendungsbereich rutschen, unabh\u00e4ngig davon, dass eine Maschine die Tasten dr\u00fcckt. Die MiCA-\u00dcbergangsfrist ist in Deutschland zum 1. Juli 2026 ausgelaufen; was das praktisch bedeutet, zeigt die Analyse zur MiCA-Umsetzung 2026<\/a>.<\/p>

Der eigentliche Nachfragetreiber k\u00f6nnte 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 f\u00fcr Allzweck-KI (GPAI) sind bereits seit August 2025 in Kraft, die sch\u00e4rfsten Pflichten f\u00fcr Hochrisiko-Systeme greifen gestaffelt bis Dezember 2027 und August 2028, wie die Europ\u00e4ische Kommission<\/a> darlegt. Bu\u00dfgelder k\u00f6nnen bis zu 35 Millionen Euro oder 7 Prozent des weltweiten Jahresumsatzes erreichen.<\/p>

Der entscheidende Punkt: Wo Unternehmen k\u00fcnftig nachweisen m\u00fcssen, dass ein KI-System korrekt und nachvollziehbar arbeitet, wird ein maschinenpr\u00fcfbarer Beweis vom Nice-to-have zur Compliance-Anforderung. Lagrange verweist, unter Berufung auf eine McKinsey-Erhebung<\/a>, darauf, dass rund 71 Prozent der befragten F\u00fchrungskr\u00e4fte ihre KI-Systeme nicht ohne Korrektheitsnachweis skalieren wollen. In den USA fehlt eine solche Klarheit: Die gemeinsame Auslegung von SEC und CFTC vom M\u00e4rz 2026 zu digitalen Rohstoffen schweigt zu verifiable compute, was die zugeh\u00f6rigen Token in einer Grauzone bel\u00e4sst.<\/p>

Was das f\u00fcr Anleger und Entwickler bedeutet<\/h2>

Ordnet man die Teile, ergibt sich ein klares Bild. Die Agenten\u00f6konomie hat 2026 zwei ihrer drei Fundamente gelegt (Identit\u00e4t \u00fcber ERC-8004, Zahlung \u00fcber 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.<\/p>

F\u00fcr Entwickler hei\u00dft das pragmatisch: TEE liefert heute, f\u00fcr Echtzeit-Agenten mit vertretbarem Vertrauensmodell; die krypto-\u00f6konomische Sicherung \u00fcber EigenCloud und Slashing \u00fcberbr\u00fcckt die L\u00fccke f\u00fcr h\u00f6here Eins\u00e4tze; zkML ist das Endspiel, technisch 2026 durch DeepProve und die Fortschritte bei Lookup-Argumenten n\u00e4her ger\u00fcckt, aber f\u00fcr gro\u00dfe 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 H\u00f6he des Einsatzes ausrichten.<\/p>

F\u00fcr 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 l\u00e4ngst nicht ein, im Gegenteil. Wer investiert, sollte Adoption verfolgen (registrierte Agenten, tats\u00e4chlich erzeugte Beweise, zahlende Kunden), nicht blo\u00df Kurse, und im Blick behalten, dass ein g\u00fcltiger Beweis in vielen F\u00e4llen gar keinen Token braucht. Die spannendste Wette der Agenten\u00f6konomie ist nicht, ob Maschinen bald selbst bezahlen, sondern ob sie sich dabei gegenseitig glauben m\u00fcssen oder es beweisen k\u00f6nnen.<\/p>

H\u00e4ufig gestellte Fragen<\/h2>

Was ist verifiable compute einfach erkl\u00e4rt?<\/h3>

Verifiable compute bedeutet, dass ein Rechenvorgang neben dem Ergebnis auch einen Beweis liefert, dass korrekt gerechnet wurde. Dieser Beweis l\u00e4sst sich billig pr\u00fcfen, ohne die Rechnung zu wiederholen. Das Vertrauen verschiebt sich vom Anbieter zum \u00fcberpr\u00fcfbaren Nachweis, was besonders f\u00fcr autonome KI-Agenten wichtig ist, die Geld bewegen.<\/p>

Was ist der Unterschied zwischen zkML, TEE und opML?<\/h3>

zkML nutzt kryptografische Zero-Knowledge-Beweise, ist am vertrauensw\u00fcrdigsten, aber am teuersten. TEE st\u00fctzt sich auf abgeschottete Chip-Bereiche und ist schnell, verlangt aber Vertrauen in den Hardware-Hersteller. opML nimmt ein Ergebnis zun\u00e4chst als korrekt an und erlaubt einen Einspruch innerhalb eines Zeitfensters, was g\u00fcnstig ist, aber Wartezeit kostet.<\/p>

Was hat ERC-8004 mit verifiable compute zu tun?<\/h3>

ERC-8004 ist ein Ethereum-Standard, der KI-Agenten Identit\u00e4t, Reputation und Validierung gibt. Sein Validation Registry ist technologieoffen und akzeptiert Validatoren auf Basis von krypto-\u00f6konomischer Neu-Ausf\u00fchrung, zkML oder TEE-Attestierung. Verifiable compute steckt also genau in diesem dritten Register.<\/p>

Warum sind die Kurse von EIGEN, PROVE und \u00e4hnlichen Token so tief?<\/h3>

Die Technik dieser Projekte funktioniert und wird besser, doch die zahlende Nachfrage ist noch d\u00fcnn, 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 zus\u00e4tzlich belastet.<\/p>

Reguliert die BaFin KI-Agenten und verifiable compute?<\/h3>

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. Zus\u00e4tzlich schafft der EU AI Act mit seinen Nachweispflichten einen Anreiz, Rechenvorg\u00e4nge \u00fcberhaupt beweisbar zu machen.<\/p>