{"id":484,"date":"2026-09-06T16:27:27","date_gmt":"2026-09-06T16:27:27","guid":{"rendered":"https:\/\/hoge.gg\/de\/gensyn-2026-dezentrales-ki-training-wettlauf\/"},"modified":"2026-09-06T16:27:27","modified_gmt":"2026-09-06T16:27:27","slug":"gensyn-2026-dezentrales-ki-training-wettlauf","status":"publish","type":"post","link":"https:\/\/hoge.gg\/de\/gensyn-2026-dezentrales-ki-training-wettlauf\/","title":{"rendered":"Gensyn 2026: Wer das dezentrale KI-Training wirklich liefert"},"content":{"rendered":"

Der $AI-Token von Gensyn notiert Anfang September 2026 bei rund 0,01759 Euro und rangiert damit auf Platz 703 der nach Marktwert gr\u00f6\u00dften Kryptowerte, keine 5 Prozent \u00fcber dem Allzeittief, das der Token am 30. August markiert hat (CoinGecko<\/a>). Bei einem zirkulierenden Angebot von gut 1,3 Milliarden St\u00fcck ergibt das einen Marktwert von knapp 23 Millionen Euro. Das ist die Zahl, an der sich die letzten Gensyn-Analysen abgearbeitet haben: Warum f\u00e4llt ein Token, dessen Produkt w\u00e4chst?<\/p>

Dieser Text stellt eine andere Frage. Gensyn wurde nicht gegr\u00fcndet, um Wettm\u00e4rkte abzurechnen. Das Projekt trat an, um das rechenintensivste, teuerste St\u00fcck moderner k\u00fcnstlicher Intelligenz zu dezentralisieren und beweisbar zu machen: das Training<\/em> von Modellen. Genau dieses Versprechen erlebt 2026 sein bestes Jahr. Nur eben nicht bei Gensyn. W\u00e4hrend das hauseigene Trainingsnetzwerk RL Swarm seit Monaten pausiert und das einzige Live-Produkt ein KI-gest\u00fctzter Informationsmarkt namens Delphi ist, haben andere Teams die gr\u00f6\u00dften verteilten Trainingsl\u00e4ufe der Geschichte hingelegt und daf\u00fcr Bewertungen von einer Milliarde Dollar und mehr eingesammelt. Wer das dezentrale KI-Training wirklich liefert, ist die interessantere Geschichte hinter dem Kurschart.<\/p>

Woran Gensyn eigentlich glaubt<\/h2>

Gensyn entstand 2020 in London, gegr\u00fcndet von Ben Fielding (CEO) und Harry Grieve (CTO), die sich \u00fcber das Gr\u00fcnderprogramm Entrepreneur First kennengelernt hatten. Die Grundidee ist bestechend einfach: Weltweit steht enorm viel GPU-Leistung ungenutzt herum, in Gaming-Rechnern, in kleinen Rechenzentren, in Firmen-Clustern. Wenn man diese Leistung zu einem Markt f\u00fcr maschinelles Lernen zusammenschalten k\u00f6nnte, lie\u00dfe sich Training radikal verbilligen. Die a16z-Partner Ali Yahya und Guy Wuollet, die 2023 die 43 Millionen Dollar schwere Series A anf\u00fchrten, formulierten die Wette so, dass Gensyn die f\u00fcr maschinelles Lernen verf\u00fcgbare Rechenleistung potenziell „um das 10- bis 100-Fache“ steigern k\u00f6nne (a16z crypto<\/a>).<\/p>

Das eigentliche Problem ist aber nicht die Rechenleistung, sondern das Vertrauen. Wenn ein anonymer Rechner irgendwo auf der Welt behauptet, er habe einen Trainingsschritt korrekt ausgef\u00fchrt, muss das Netzwerk das \u00fcberpr\u00fcfen k\u00f6nnen, ohne die gesamte Rechnung selbst zu wiederholen. Genau dort verortet Fielding den Kern des Unternehmens. „Das ist die geheime Zutat hinter Gensyn: Wir haben dieses Problem speziell f\u00fcr das Training von Machine-Learning-Modellen gel\u00f6st“, sagte er dem Branchenmagazin Decrypt<\/a>. Grieve erg\u00e4nzte dort, man habe „ein sehr akutes Machine-Learning-Problem, das eine dezentrale Vertrauensschicht brauchte“. Insgesamt sammelte Gensyn \u00fcber mehrere Runden rund 66,7 Millionen Dollar ein; der \u00f6ffentliche $AI-Token kam erst im April 2026 mit dem Mainnet dazu.<\/p>

Der Beweis-Stack: Verde, RepOps und Judge<\/h2>

Warum ist das \u00dcberpr\u00fcfen von Training so schwer? Weil GPU-Rechnungen nicht deterministisch sind. Dieselbe Trainingsoperation liefert auf zwei unterschiedlichen Grafikkarten leicht abweichende Flie\u00dfkomma-Ergebnisse, weil Reihenfolge und Parallelit\u00e4t der Rechenschritte variieren. F\u00fcr einen Betrugsbeweis ist das fatal: Man kann ein ehrliches Ergebnis nicht von einem manipulierten unterscheiden, wenn schon ehrliche Hardware unterschiedliche Zahlen ausspuckt. Gensyns Antwort besteht aus mehreren Bausteinen, die zusammen den technischen Kern des Projekts bilden.<\/p>

RepOps (reproduzierbare Operatoren) erzwingt bitgenaue, identische Rechenergebnisse \u00fcber verschiedene Hardware hinweg, indem die mathematischen Grundoperationen streng festgelegt werden. Darauf setzt Verde auf, ein Schiedsrichter-Protokoll, das im Streitfall die exakte Rechenoperation identifiziert, an der ein ehrlicher und ein behaupteter Ausf\u00fchrer auseinanderlaufen, und nur diesen winzigen Schritt on-chain nachrechnen l\u00e4sst (das zugeh\u00f6rige Paper erschien im Februar 2025, Mitautor ist der NYU-Kryptograf Joseph Bonneau, arXiv 2502.19405<\/a>). Hinzu kommt Judge, ein kryptografisch \u00fcberpr\u00fcfbares System zur Bewertung von KI-Ausgaben, das Gensyn im August 2025 vorstellte (Gensyn-Blog<\/a>). Das Ganze ist ein krypto-\u00f6konomischer, kein rein kryptografischer Ansatz: Er unterscheidet sich damit deutlich von zero-knowledge-Verfahren, die einen mathematischen Beweis liefern, aber bei gro\u00dfen Modellen an Rechenkosten scheitern, und von hardwarebasierten TEE-L\u00f6sungen, deren Vertrauensanker der Chiphersteller ist. Wer die Alternativen einordnen will, findet in unseren Analysen zu zk-ML<\/a> und zum Confidential Computing<\/a> die Details.<\/p>

Technisch ordnet Gensyn diese Bausteine in vier Schichten: eine reproduzierbare Ausf\u00fchrungsumgebung (REE), die Rechnungen bitgenau wiederholbar macht; eine Verifikationsschicht aus Verde und Judge; eine Kommunikationsschicht namens AXL, die Modelle und Nachrichten zwischen den Knoten transportiert und dabei Agentenprotokolle unterst\u00fctzt; und schlie\u00dflich die On-Chain-Koordination, die Bezahlung und Streitschlichtung abwickelt. Der harte Kern bleibt dabei ein Paradox: Gro\u00dfe Sprachmodelle rechnen auf GPUs aus Geschwindigkeitsgr\u00fcnden nicht deterministisch, doch jeder Betrugsbeweis braucht exakt reproduzierbare Ergebnisse. RepOps l\u00f6st genau diesen Widerspruch auf, indem es die erlaubten Rechenoperationen so eng fasst, dass zwei ehrliche Rechner garantiert dieselbe Zahl liefern. Das ist unspektakul\u00e4r, aber es ist die Voraussetzung daf\u00fcr, dass der ganze Rest \u00fcberhaupt funktionieren kann.<\/p>

Was Gensyn heute betreibt: Delphi statt Training<\/h2>

So elegant der Beweis-Stack klingt, so n\u00fcchtern ist die Produktrealit\u00e4t. Das einzige lebende Mainnet-Produkt von Gensyn ist Delphi, ein Marktplatz f\u00fcr sogenannte Informationsm\u00e4rkte. Nutzer k\u00f6nnen M\u00e4rkte auf beliebige Fragen er\u00f6ffnen, von Bitcoin-Kurszielen \u00fcber Sportergebnisse bis zu geopolitischen Ereignissen; abgerechnet wird nicht durch menschliche Orakel oder Insider, sondern durch KI-Modelle mit fixierten Gewichten, deren Urteil sich \u00fcber Gensyns reproduzierbare Ausf\u00fchrungsumgebung nachpr\u00fcfen l\u00e4sst (The Block<\/a>). Fielding grenzt das Produkt bewusst von den gro\u00dfen Wettb\u00f6rsen ab: „Das sind keine Vorhersagem\u00e4rkte, das sind Informationsm\u00e4rkte“, sagte er, Delphi ziele auf die Nische kreatorgef\u00fchrter M\u00e4rkte statt auf die Massenm\u00e4rkte von Polymarket und Kalshi.<\/p>

Wie ernst Gensyn die Beweisbarkeit nimmt, zeigt die Abrechnung im Detail. Nach einer Analyse des Handelsunternehmens FalconX kennt Delphi zwei Modi: einen nicht verifizierbaren, bei dem ein Cloud-Modell das Internet liest und man dem Betreiber vertrauen muss, und einen verifizierbaren, der eine Art Quittung erzeugt (Modell, vollst\u00e4ndiger Prompt, angeh\u00e4ngte Daten und ein Hash), die jeder unabh\u00e4ngig nachrechnen kann (FalconX<\/a>). Damit sitzt Delphi in einem der hei\u00dfesten Segmente des Jahres: Vorhersage- und Informationsm\u00e4rkte kamen 2026 zeitweise auf eine annualisierte Handelsrate im Bereich von mehreren hundert Milliarden Dollar. Genau dieser R\u00fcckenwind erkl\u00e4rt, warum Gensyn seine Energie vorerst in Delphi steckt und nicht in den Neustart von RL Swarm.<\/p>

\u00d6konomisch funktioniert Delphi \u00fcber eine Gesamtgeb\u00fchr von 2 Prozent des Volumens: 1,5 Prozentpunkte gehen an den Marktsch\u00f6pfer, 0,5 Prozentpunkte flie\u00dfen in einen BuyBack-Vault, der $AI am Markt zur\u00fcckkauft und den \u00fcberwiegenden Teil davon verbrennt (Bitcoin.com<\/a>). Weil die Vertr\u00e4ge nicht zwischen Menschen und autonomen Agenten unterscheiden, ist Delphi zugleich eine Spielwiese f\u00fcr handelnde KI-Agenten, ein Feld, das eng mit Fragen der Agenten-Identit\u00e4t und -Reputation verzahnt ist (siehe unsere Analyse zu KI-Agenten und ERC-8004<\/a>). Delphi ist ein reales, geb\u00fchrengenerierendes Produkt. Nur ist es eben Abrechnung, nicht Training. Das Herzst\u00fcck, f\u00fcr das Gensyn gebaut wurde, steht still.<\/p>

RL Swarm, das pausierte Herzst\u00fcck<\/h2>

RL Swarm war Gensyns sichtbarstes Trainingsexperiment: ein offenes Framework, in dem viele Rechner gemeinsam ein Modell per Reinforcement Learning verbessern, koordiniert \u00fcber das Internet. Die Trainingsaufgabe wurde im Laufe von 2025 mehrfach umgebaut, zuletzt im November 2025 von der „Reasoning Gym“ auf ein System namens CodeZero mit den Rollen Proposer, Solver und Evaluator. Doch wer heute die Dokumentation aufruft, liest einen unmissverst\u00e4ndlichen Satz: „There are no official swarms running right now.“ Es laufen aktuell keine offiziellen Schw\u00e4rme; die Seite verweist Interessierte stattdessen auf Delphi (docs.gensyn.ai<\/a>).<\/p>

Das ist mehr als eine Fu\u00dfnote. RL Swarm hatte in seiner aktiven Phase zehntausende Teilnehmer angezogen und war der beste Beweis daf\u00fcr, dass Gensyns Koordinations- und Verifikationsschicht in freier Wildbahn funktioniert. Dass ausgerechnet diese Schicht dunkel ist, w\u00e4hrend das Wett-Produkt Umsatz macht, verschiebt die Erz\u00e4hlung: Aus dem Trainingsnetzwerk, das nebenbei M\u00e4rkte abrechnet, ist vorerst ein Marktbetreiber geworden, der irgendwann wieder trainieren will. F\u00fcr ein Projekt, dessen ganze Investmentthese am Training h\u00e4ngt, ist das die entscheidende Leerstelle. Und sie wird umso greller, je mehr die Konkurrenz liefert.<\/p>

Der Wettlauf nebenan<\/h2>

Denn Gensyn ist mit seiner Idee nie allein gewesen, und 2026 ist das Feld der dezentralen Trainer erwachsen geworden. Drei Namen ragen heraus: Prime Intellect, das inzwischen eine Milliarden-Bewertung tr\u00e4gt und reihenweise Modelle ver\u00f6ffentlicht; Nous Research, das den bislang gr\u00f6\u00dften verteilten Pre-Training-Lauf hingelegt hat; und Pluralis Research, das an einem besonders radikalen Ansatz namens Protocol Learning arbeitet. Hinzu kommen Pretraining-Subnetze im Bittensor-\u00d6kosystem. Alle verfolgen dasselbe Ziel wie Gensyn, n\u00e4mlich Modelle \u00fcber verstreute, heterogene Hardware zu trainieren. Nur gehen sie es anders an, und sie finanzieren sich anders. Der Vergleich sagt viel \u00fcber den Zustand des ganzen Sektors aus.<\/p>

Warum verteiltes Training an der Bandbreite h\u00e4ngt<\/h2>

Um zu verstehen, warum manche L\u00e4ufe verteilt gelingen und andere ins zentrale Cluster zur\u00fcckfallen, hilft ein Blick auf den eigentlichen Engpass. Beim Training tauschen die GPUs nach jedem Schritt riesige Mengen an Gradienten aus, damit alle Kopien des Modells synchron bleiben. In einem Rechenzentrum erledigt das ein InfiniBand-Netz mit hunderten Gigabit pro Sekunde und minimaler Latenz. \u00dcber normales Internet bricht dieser Austausch zusammen: Die Knoten verbringen mehr Zeit mit Warten als mit Rechnen, und der Lauf wird unwirtschaftlich. Das ist die physikalische Wand, an der die Idee vom global verteilten Training jahrelang hing.<\/p>

Der Durchbruch der letzten beiden Jahre bestand darin, diesen Kommunikationsbedarf drastisch zu senken. Verfahren wie DiLoCo (urspr\u00fcnglich von Google DeepMind) lassen jeden Knoten viele lokale Schritte rechnen, bevor \u00fcberhaupt synchronisiert wird; Nous Research trieb das mit seinen Optimierern DeMo und DisTrO auf die Spitze und reduzierte den n\u00f6tigen Datenaustausch um mehrere Gr\u00f6\u00dfenordnungen. Genau deshalb konnte ein 40-Milliarden-Modell wie Consilience \u00fcber das offene Internet entstehen. Doch je gr\u00f6\u00dfer das Modell und je enger die Synchronisation, desto weniger tragen diese Tricks. An der Frontier, wo Reinforcement Learning enge R\u00fcckkopplung verlangt, bleibt die eng gekoppelte InfiniBand-Verkabelung vorerst unschlagbar, wie INTELLECT-3 vorf\u00fchrt. Gensyns Verifikationswette \u00e4ndert an dieser Physik nichts; sie setzt eine Ebene h\u00f6her an, bei der Frage, ob man den beteiligten Rechnern \u00fcberhaupt trauen kann.<\/p>

Prime Intellect: von INTELLECT-1 zu INTELLECT-3<\/h2>

Prime Intellect, 2024 gegr\u00fcndet, ist zum Aush\u00e4ngeschild des dezentralen Trainings geworden. Den Anfang machte Ende 2024 INTELLECT-1, ein Modell mit 10 Milliarden Parametern, trainiert \u00fcber f\u00fcnf L\u00e4nder und drei Kontinente hinweg auf bis zu 112 H100-GPUs, mit einer globalen Rechenauslastung von etwa 83 Prozent. Es folgte INTELLECT-2, ein 32-Milliarden-Parameter-Modell, das per Reinforcement Learning \u00fcber ein permissionless-Netzwerk beitragender Rechner nachtrainiert wurde (arXiv 2505.07291<\/a>). Damit war der Beweis erbracht: Verteiltes Training funktioniert nicht nur im Kleinen.<\/p>

Der j\u00fcngste Schritt ist zugleich der aufschlussreichste. Das Flaggschiff INTELLECT-3, ein Mixture-of-Experts-Modell mit 106 Milliarden Parametern (davon rund 12 Milliarden aktiv), lief laut Berichten eben nicht \u00fcber ein weltweites Bastelnetz, sondern auf einem klassischen, eng gekoppelten Cluster aus 512 NVIDIA-H200-GPUs mit InfiniBand-Vernetzung, \u00fcber rund zwei Monate (Implicator<\/a>). Trotz des dezentralen Markennamens brauchte das Frontier-Modell die enge Synchronisation, die nur InfiniBand liefert, nicht handels\u00fcbliches Breitband. Das ist die harte Realit\u00e4t, die auch Gensyn einholen wird: Je n\u00e4her man an die Spitze der Modellgr\u00f6\u00dfe kommt, desto st\u00e4rker widersetzt sich das Training der Verteilung.<\/p>

Finanziell spielt Prime Intellect in einer anderen Liga als Gensyns Token-Markt. Nach einer Seed-Runde \u00fcber 5,5 Millionen Dollar (April 2024) und einer Erweiterung um 15 Millionen Dollar (Februar 2025, unter anderem mit den Angel-Investoren Andrej Karpathy und Clem Delangue) folgte im Juli 2026 die gro\u00dfe Series A \u00fcber 130 Millionen Dollar zu einer Bewertung von einer Milliarde Dollar, angef\u00fchrt von Radical Ventures, mit Nvidia Ventures, Intel Capital, Dell Technologies Capital und Iconiq an Bord (TechCrunch<\/a>, Prime-Intellect-Blog<\/a>). Kunden wie Ramp und Zapier sollen das Unternehmen bereits auf eine annualisierte Umsatzrate von rund 100 Millionen Dollar gehoben haben. David Katz, Partner bei Radical Ventures, lobte, das Team betreibe seinen Stack „auf dem Niveau der Spitzenforschung, und zwar auf eine Art, die bezahlbar ist“, als „one-stop shop“ f\u00fcr Unternehmen, die eigene Modelle trainieren wollen. Bemerkenswert: Prime Intellect hat keinen \u00f6ffentlich gehandelten Token. Der Wert steckt im Eigenkapital.<\/p>

Nous Research: der gr\u00f6\u00dfte verteilte Trainingslauf<\/h2>

Der zweite gro\u00dfe Herausforderer ist Nous Research. Sein Trainingsnetzwerk Psyche koordiniert verteilte GPUs \u00fcber Smart Contracts auf der Solana-Blockchain und st\u00fctzt sich auf hauseigene Optimierer (DisTrO und dessen Vorl\u00e4ufer DeMo), die den n\u00f6tigen Datenaustausch zwischen den Knoten um mehrere Gr\u00f6\u00dfenordnungen senken. Genau das macht Training \u00fcber normale Internetbandbreite \u00fcberhaupt praktikabel. Das Vorzeigeprojekt hei\u00dft Consilience: ein Modell mit 40 Milliarden Parametern, das Nous als „den bislang gr\u00f6\u00dften verteilten Pre-Training-Lauf“ bezeichnet, gemessen an Parameterzahl und Datensatzgr\u00f6\u00dfe, trainiert \u00fcber das offene Internet (Nous Research<\/a>). Anders als bei Prime Intellects Frontier-Flaggschiff blieb hier die Verteilung erhalten. Erkl\u00e4rtes Ziel ist ausdr\u00fccklich kein Benchmark-Sieg, sondern ein echtes Basismodell, das die kreative Bandbreite der Menschheit abbilden soll; parallel trainiert Nous auf Psyche seine bekannte Hermes-Modellreihe weiter.<\/p>

Auch Nous ist gut kapitalisiert, und der Vergleich mit Gensyns Kapitalstruktur ist lehrreich. Im April 2025 f\u00fchrte die Krypto-VC-Gr\u00f6\u00dfe Paradigm eine Series A \u00fcber 50 Millionen Dollar an, zu einer Token-Bewertung von einer Milliarde Dollar, strukturiert als SAFT (Simple Agreement for Future Tokens) (The Block<\/a>). Mitte 2026 verhandelte Nous Berichten zufolge \u00fcber eine weitere Runde von mindestens 75 Millionen Dollar zu einer Bewertung von 1,5 Milliarden Dollar (TechCrunch<\/a>). Ein handelbarer Token steht also im Raum, ist aber noch nicht auf dem Markt, w\u00e4hrend Gensyns $AI l\u00e4ngst notiert und den vollen Abschwung des Sektors mitmacht.<\/p>

Pluralis und der Rest des Feldes<\/h2>

Radikaler noch denkt Pluralis Research. Sein Ansatz, genannt Protocol Learning, verteilt ein Modell so \u00fcber viele Beitragende, dass keine einzelne Partei jemals die kompletten Gewichte kontrolliert; das Modell existiert nur als Protokoll, nicht als Datei auf einem Server. Finanziert wurde das Team im M\u00e4rz 2025 mit einer Seed-Runde \u00fcber 7,6 Millionen Dollar, gemeinsam angef\u00fchrt von Union Square Ventures und CoinFund, mit Angel-Investoren wie Balaji Srinivasan und HuggingFace-Mitgr\u00fcnder Clem Delangue (GlobeNewswire<\/a>). Im Juli 2026 versammelte Pluralis auf der Fachkonferenz ICML einen eigenen Workshop zum Thema, ein Signal, dass Protocol Learning als ernsthaftes Forschungsparadigma wahrgenommen wird.<\/p>

Dazu kommen die Pretraining-Subnetze im Bittensor-\u00d6kosystem, in denen Teilnehmer um Emissionen konkurrieren, indem sie Modelle vortrainieren, sowie eine wachsende akademische Literatur zu den Governance-Risiken verteilten Trainings (Stichwort „No-Off-Problem“: ein Modell, das niemandem geh\u00f6rt, l\u00e4sst sich auch von niemandem abschalten). Das Feld ist also dicht besiedelt, technisch vielf\u00e4ltig und, mit Ausnahme von Gensyn und den GPU-Marktpl\u00e4tzen, \u00fcberwiegend \u00fcber Eigenkapital oder SAFTs finanziert, nicht \u00fcber frei handelbare Token. Genau diese Trennung wird gleich noch wichtig.<\/p>

Was der Vergleich verr\u00e4t<\/h2>

Legt man die Trainingsl\u00e4ufe nebeneinander, kristallisieren sich zwei n\u00fcchterne Wahrheiten heraus. Erstens: Dezentrales Training ist real. Ein 40-Milliarden-Parameter-Modell \u00fcber das offene Internet zu trainieren (Consilience) oder ein 32-Milliarden-Modell per permissionless Reinforcement Learning (INTELLECT-2) war vor zwei Jahren noch Science-Fiction. Zweitens: An der absoluten Spitze schl\u00e4gt die Physik zur\u00fcck. Sobald die Modelle gro\u00df und die Synchronisationsanforderungen hoch werden, weichen selbst die Pioniere auf eng gekoppelte InfiniBand-Cluster aus, wie INTELLECT-3 zeigt. Zwischen diesen beiden Polen entscheidet sich, wie gro\u00df der adressierbare Markt f\u00fcr dezentrales Training wirklich ist.<\/p>

Und Gensyn? Gensyns eigentliche Wette liegt quer zu dieser Achse. Das Projekt konkurriert weniger \u00fcber die Gr\u00f6\u00dfe des trainierten Modells als \u00fcber die Verifizierbarkeit<\/em> der Rechnung. Je heterogener, anonymer und weniger vertrauensw\u00fcrdig die beteiligte Hardware, desto wertvoller ist ein Beweis-Stack wie Verde plus RepOps. Das ist ein legitimer, sogar wichtiger Blickwinkel. Nur hat Gensyn bislang keinen Trainingslauf in der Gr\u00f6\u00dfenordnung vorgelegt, mit der Nous und Prime Intellect Schlagzeilen machen. Die Verifikationsschicht ist die Antwort auf eine Frage, die andere gerade erst durch schiere Ingenieursleistung aufwerfen. Die folgende Tabelle ordnet die j\u00fcngsten Meilensteine ein.<\/p>

Modell \/ Lauf<\/th>Team<\/th>Gr\u00f6\u00dfe<\/th>Wirklich verteilt?<\/th>Hardware<\/th><\/tr><\/thead>
INTELLECT-1<\/td>Prime Intellect<\/td>10 Mrd. Parameter<\/td>Ja (5 L\u00e4nder, 3 Kontinente)<\/td>bis zu 112 H100<\/td><\/tr>
INTELLECT-2<\/td>Prime Intellect<\/td>32 Mrd. Parameter<\/td>Ja (permissionless RL)<\/td>verteilte Beitragende<\/td><\/tr>
INTELLECT-3<\/td>Prime Intellect<\/td>106 Mrd. (MoE, 12 Mrd. aktiv)<\/td>Nein (zentrales Cluster)<\/td>512 H200 mit InfiniBand<\/td><\/tr>
Consilience 40B<\/td>Nous Research (Psyche)<\/td>40 Mrd. Parameter<\/td>Ja (offenes Internet)<\/td>verteilte Knoten weltweit<\/td><\/tr>
RL Swarm<\/td>Gensyn<\/td>RL-Feinabstimmung<\/td>Ja (im Prinzip)<\/td>pausiert, keine L\u00e4ufe<\/td><\/tr><\/tbody><\/table><\/figure>

Token gegen Eigenkapital<\/h2>

Die vielleicht wichtigste Beobachtung steht nicht im Code, sondern in der Kapitalstruktur. Die Teams, die 2026 die spektakul\u00e4rsten Trainingsl\u00e4ufe abliefern, haben sich \u00fcberwiegend gegen einen frei handelbaren Token entschieden. Prime Intellect tr\u00e4gt eine Milliarden-Bewertung, aber die steckt im Eigenkapital, das nur professionellen Investoren offensteht. Nous Research finanziert sich \u00fcber eine SAFT-Struktur zu ein bis anderthalb Milliarden Dollar, der eigentliche Token ist noch nicht am Markt. Pluralis l\u00e4uft auf Seed-Kapital. Gensyn dagegen hat einen \u00f6ffentlichen Token, und dieser Token tr\u00e4gt den vollen Kursverlust des Sektors, w\u00e4hrend die operative Wertentwicklung in privaten Runden bei anderen anf\u00e4llt.<\/p>

Das wirft eine unbequeme Grundsatzfrage auf, die den ganzen Sektor betrifft: Braucht dezentrales KI-Training \u00fcberhaupt einen eigenen Token? Prime Intellect, Nous und Pluralis zeigen, dass sich die Forschung auch ohne handelbares Asset finanzieren l\u00e4sst, allein \u00fcber Eigenkapital, SAFTs und echte Ums\u00e4tze mit Unternehmenskunden. Ein Token ergibt vor allem dort Sinn, wo er eine Ressource koordiniert, die kein Unternehmen allein besitzt, etwa die verstreute GPU-Leistung tausender anonymer Beitragender. Genau das ist Gensyns Argument. Nur muss dieser Koordinationsnutzen erst sichtbar werden, bevor der Markt ihn bezahlt, und bis dahin tr\u00e4gt der Token das Risiko, w\u00e4hrend die Technik anderswo reift.<\/p>

F\u00fcr Privatanleger ist das eine unbequeme Asymmetrie. Wer an dezentrales KI-Training glaubt, kann \u00f6ffentlich fast nur die Token kaufen (Gensyns $AI oder die GPU-Marktpl\u00e4tze), w\u00e4hrend die Teams mit den beeindruckendsten Ergebnissen den Aufschlag im geschlossenen Eigenkapitalmarkt einsammeln. Diese Dynamik erinnert an fr\u00fchere Krypto-Zyklen, in denen sich Erz\u00e4hlung und realer Wertfluss entkoppelten; \u00e4hnliche Bereinigungsmuster haben wir zuletzt bei den Bitcoin-L2s<\/a> gesehen. Die folgende \u00dcbersicht stellt die Finanzierungswege nebeneinander.<\/p>

Projekt<\/th>Ansatz<\/th>Finanzierung<\/th>Bewertung \/ Marktwert<\/th>\u00d6ffentlicher Token?<\/th><\/tr><\/thead>
Gensyn ($AI)<\/td>Beweisbares Training + Delphi<\/td>ca. 66,7 Mio. $ (VC + Community-Sale)<\/td>ca. 23 Mio. \u20ac Marktwert<\/td>Ja, nahe Allzeittief<\/td><\/tr>
Prime Intellect<\/td>Verteiltes Training + Enterprise-Stack<\/td>130 Mio. $ Series A<\/td>ca. 1 Mrd. $ (Eigenkapital)<\/td>Nein<\/td><\/tr>
Nous Research<\/td>Verteiltes Pre-Training (Psyche)<\/td>50 Mio. $ + Gespr\u00e4che \u00fcber 75 Mio. $<\/td>ca. 1 bis 1,5 Mrd. $ (SAFT)<\/td>Noch nicht (SAFT)<\/td><\/tr>
Pluralis<\/td>Protocol Learning<\/td>7,6 Mio. $ Seed<\/td>k. A.<\/td>Nein<\/td><\/tr>
Bittensor ($TAO)<\/td>Subnetz-Markt (auch Pre-Training)<\/td>dTAO-Emissionen<\/td>ca. 2,04 Mrd. \u20ac Marktwert<\/td>Ja<\/td><\/tr>
io.net ($IO)<\/td>GPU-Marktplatz<\/td>Token + VC<\/td>ca. 45,8 Mio. \u20ac Marktwert<\/td>Ja<\/td><\/tr>
Akash ($AKT)<\/td>GPU-Marktplatz<\/td>Token<\/td>ca. 143,5 Mio. \u20ac Marktwert<\/td>Ja<\/td><\/tr><\/tbody><\/table><\/figure>

Zahlen zum $AI-Token<\/h2>

Zur\u00fcck zum Kurschart, das die Debatte bisher dominiert hat. $AI notiert Anfang September bei rund 0,01759 Euro (0,01987 Dollar), mit einem Marktwert von knapp 23 Millionen Euro und einer voll verw\u00e4sserten Bewertung (FDV) von etwa 176 Millionen Euro. Diese L\u00fccke ist der eigentliche \u00dcberhang: Nur gut 13 Prozent der maximal 10 Milliarden Token zirkulieren, der gro\u00dfe Rest, vor allem die Anteile von Team und Investoren, entsperrt sich erst \u00fcber die kommenden Jahre, mit einer ersten gro\u00dfen Welle rund um April 2027. Wer die Entsperrungs-Mechanik im Detail nachvollziehen will, findet die Rechnung in unserer fr\u00fcheren Analyse zur $AI-Unlock-Klippe; hier gen\u00fcgt der Befund, dass die Emission die bescheidenen Verbrennungen aus Delphi absehbar \u00fcbersteigt.<\/p>

Kennzahl<\/th>Wert (Stand 6. September 2026)<\/th><\/tr><\/thead>
Preis<\/td>0,01759 \u20ac (0,01987 $)<\/td><\/tr>
Marktwert<\/td>ca. 22,9 Mio. \u20ac<\/td><\/tr>
Voll verw\u00e4sserte Bewertung (FDV)<\/td>ca. 175,9 Mio. \u20ac<\/td><\/tr>
Marktwert-Rang<\/td>#703<\/td><\/tr>
Zirkulierendes Angebot<\/td>1,305 Mrd. (13,05 % von 10 Mrd.)<\/td><\/tr>
24-Stunden-Volumen<\/td>ca. 2,3 Mio. \u20ac<\/td><\/tr>
Allzeithoch<\/td>0,0917 \u20ac (29. April 2026)<\/td><\/tr>
Allzeittief<\/td>ca. 0,016 \u20ac (30. August 2026)<\/td><\/tr>
Abstand zum Hoch<\/td>rund -81 %<\/td><\/tr><\/tbody><\/table><\/figure>

Der Kursverfall ist kein Gensyn-Sonderfall, sondern Sektortrend. Bittensor ($TAO) notiert bei 212,63 Euro und rund 2,04 Milliarden Euro Marktwert, etwa 70 Prozent unter dem Allzeithoch (CoinGecko<\/a>). Der GPU-Marktplatz Akash ($AKT) liegt bei 0,4835 Euro und knapp 143,5 Millionen Euro, gut 93 Prozent unter dem Hoch (CoinGecko<\/a>). io.net ($IO) steht bei 0,1162 Euro und 45,8 Millionen Euro, rund 98 Prozent unter dem Rekord (CoinGecko<\/a>). Anders gesagt: Der Markt preist die gesamte tokenisierte KI-Compute-Kohorte skeptisch, unabh\u00e4ngig davon, wie viel Technik tats\u00e4chlich ausgeliefert wird. Das ist der Kern der Entkopplung von Technik und Token, die diesen Sektor 2026 pr\u00e4gt.<\/p>

Regulierung: BaFin, MiCA und das Trainingsnetzwerk<\/h2>

F\u00fcr deutsche Anleger stellt sich die Frage, wo ein solches Konstrukt regulatorisch steht. Gensyn ist ein britisches Unternehmen und f\u00e4llt als Protokoll nicht direkt unter die europ\u00e4ische MiCA-Verordnung. Der $AI-Token ist weder ein wertreferenzierter Token (ART) noch ein E-Geld-Token (EMT), sondern z\u00e4hlt zur Restkategorie der „sonstigen Kryptowerte“. Regulatorische Pflichten greifen deshalb nicht am Protokoll, sondern auf der Ebene der Dienstleister: Handelsplattformen und Verwahrer, die deutschen Kunden $AI anbieten, brauchen eine CASP-Erlaubnis, und die BaFin beaufsichtigt diese Dienstleister (BaFin-Merkblatt Kryptowerte-Dienstleistungen<\/a>). Wie aus der Lizenz laufende Aufsicht wird, haben wir in unserer Analyse zur MiCA-Umsetzung<\/a> beschrieben.<\/p>

Zwei Sonderf\u00e4lle sind f\u00fcr Gensyn relevant. Erstens Delphi: Ein KI-Orakel \u00e4ndert nichts an der rechtlichen Einordnung des zugrundeliegenden Marktes. Wetten auf Nicht-Sportereignisse sind nach dem deutschen Gl\u00fccksspielstaatsvertrag praktisch nicht lizenzierbar, und Krypto-Derivate fallen unter MiFID II, nicht unter MiCA. Zweitens das Training selbst: Das Trainieren von Modellen ist keine erlaubnispflichtige Finanzdienstleistung, wohl aber ein Feld, das der EU AI Act zunehmend erfasst. Dessen Pflichten f\u00fcr allgemeine KI-Modelle (GPAI) gelten seit August 2025, die Durchsetzungsbefugnisse der Kommission seit August 2026. Die spannende, bislang ungel\u00f6ste Frage lautet: Wer ist der „Anbieter“ eines Modells, das \u00fcber tausende anonyme Rechner trainiert wurde und niemandem allein geh\u00f6rt? Genau dieses No-Off-Problem macht dezentrales Training juristisch so unhandlich.<\/p>

Konkret unterscheidet der AI Act nach Rechenaufwand: Modelle oberhalb einer Schwelle von 10 hoch 25 Rechenoperationen (FLOP) gelten als potenziell systemisch und tragen strengere Pflichten. Die meisten offenen, verteilt trainierten Modelle liegen heute darunter, doch die Gr\u00f6\u00dfenordnungen der Consilience- und INTELLECT-L\u00e4ufe zeigen, wie schnell diese Grenze n\u00e4her r\u00fcckt. F\u00fcr Anleger in Deutschland hei\u00dft das zweierlei: Der $AI-Token selbst ist ein handelbarer Kryptowert, dessen Handel und Verwahrung eine BaFin-beaufsichtigte CASP-Erlaubnis erfordert; das Training dahinter ist ein KI-, kein Finanzthema und wird auf EU-Ebene reguliert. Beide Regelwerke greifen an unterschiedlichen Stellen, und keines davon adressiert bislang sauber, wer bei einem herrenlosen, verteilt trainierten Modell die Verantwortung tr\u00e4gt.<\/p>

Was 2026 und 2027 \u00fcber Gensyn entscheiden<\/h2>

Am Ende l\u00e4uft alles auf eine Identit\u00e4tsfrage hinaus: Ist Gensyn ein Trainingsnetzwerk, das nebenbei M\u00e4rkte abrechnet, oder ein Marktbetreiber, der einmal ein Trainingsnetzwerk sein wollte? Solange Delphi das einzige Live-Produkt ist und RL Swarm pausiert, gibt der Markt die zweite Antwort, und bepreist den Token entsprechend. Mehrere konkrete Ausl\u00f6ser k\u00f6nnten das drehen: der Neustart von RL Swarm als dauerhaft laufender, bezahlter Trainingsschwarm; die Ver\u00f6ffentlichung des vollst\u00e4ndigen Trail-of-Bits-Audits zu Delphi; die erste Integration von Gensyns Verifikation au\u00dferhalb des eigenen Hauses; oder schlicht der erste \u00f6ffentlich nachweisbare Trainingslauf in der Gr\u00f6\u00dfenordnung, die Nous und Prime Intellect vorgelegt haben.<\/p>

F\u00fcr Anleger lohnt es sich, diese Ausl\u00f6ser von der reinen Kursbewegung zu trennen. Ein neues Allzeittief sagt wenig dar\u00fcber aus, ob Gensyns Technik tr\u00e4gt; umgekehrt w\u00e4re ein kurzer Kurssprung ohne laufenden Trainingsmarkt nur ein Strohfeuer. Die belastbaren Signale sind operativer Natur: messbares Delphi-Volumen, das die Verbrennungen real werden l\u00e4sst; ein ver\u00f6ffentlichter, unabh\u00e4ngiger Sicherheitsaudit; und vor allem ein Trainingslauf, der zeigt, dass Gensyns Verifikation nicht nur auf dem Papier funktioniert, sondern echte, bezahlte Rechenarbeit absichert. Erst wenn diese Bausteine zusammenkommen, verwandelt sich die gute Idee in ein tragf\u00e4higes Gesch\u00e4ftsmodell.<\/p>

Bis dahin bleibt die zentrale Ironie bestehen. Gensyn hat fr\u00fch die richtige Frage gestellt, n\u00e4mlich wie man Training dezentral und<\/em> \u00fcberpr\u00fcfbar macht. Die \u00dcberpr\u00fcfbarkeit ist Gensyns beste Karte, und sie k\u00f6nnte umso mehr wert sein, je mehr sich das Training \u00fcber nicht vertrauensw\u00fcrdige Hardware verteilt. Doch die spektakul\u00e4ren Antworten auf die Trainingsfrage kommen 2026 von anderen, die vorerst auf die Verifikation verzichten und daf\u00fcr ausliefern. Der $AI-Token wird sich erst dann nachhaltig erholen, wenn Gensyn beides zusammenbringt: einen echten, laufenden Trainingsmarkt und den Beweis-Stack, der ihn von den Rivalen unterscheidet. Die Idee war und ist richtig. Die Frage ist, ob Gensyn sie schneller einl\u00f6st, als der Kapitalmarkt die Geduld verliert.<\/p>

H\u00e4ufige Fragen (FAQ)<\/h2>

Was ist Gensyn und wof\u00fcr ist der $AI-Token da?<\/h3>

Gensyn ist ein 2020 in London gegr\u00fcndetes Protokoll, das ungenutzte GPU-Leistung zu einem Markt f\u00fcr maschinelles Lernen zusammenschalten und die geleistete Rechenarbeit beweisbar machen will. Der $AI-Token, seit April 2026 live, dient f\u00fcr Zahlungen, Staking und Sicherheit sowie Governance im Netzwerk und wird \u00fcber die Geb\u00fchren des Marktplatzes Delphi teilweise zur\u00fcckgekauft und verbrannt.<\/p>

Warum ist RL Swarm pausiert und was betreibt Gensyn stattdessen?<\/h3>

RL Swarm, Gensyns verteiltes Reinforcement-Learning-Framework, l\u00e4uft derzeit nicht; die Dokumentation stellt ausdr\u00fccklich fest, dass aktuell keine offiziellen Schw\u00e4rme aktiv sind. Das einzige lebende Mainnet-Produkt ist Delphi, ein KI-gest\u00fctzter Informationsmarkt, der Geb\u00fchren generiert, aber selbst kein Modelltraining ist.<\/p>

Wer sind die gr\u00f6\u00dften Konkurrenten von Gensyn beim dezentralen KI-Training?<\/h3>

Die wichtigsten Herausforderer sind Prime Intellect (Modelle der INTELLECT-Reihe, 130 Mio. Dollar Series A zu 1 Mrd. Dollar Bewertung) und Nous Research (Psyche-Netzwerk und das 40-Milliarden-Modell Consilience, der bislang gr\u00f6\u00dfte verteilte Pre-Training-Lauf). Hinzu kommen Pluralis Research mit seinem Protocol-Learning-Ansatz sowie Pretraining-Subnetze im Bittensor-\u00d6kosystem.<\/p>

Warum ist der $AI-Token 2026 so stark gefallen?<\/h3>

$AI liegt rund 81 Prozent unter seinem Allzeithoch vom April 2026 und notiert nahe dem Tief vom 30. August. Gr\u00fcnde sind ein gro\u00dfer Angebots\u00fcberhang (nur gut 13 Prozent der Token zirkulieren, gro\u00dfe Entsperrungen stehen ab April 2027 an), das Fehlen eines laufenden Trainingsprodukts sowie ein sektorweiter Abschwung, der auch TAO, AKT und IO um 70 bis 98 Prozent unter ihre Hochs gedr\u00fcckt hat.<\/p>

Wie wird Gensyn in Deutschland reguliert?<\/h3>

Gensyn ist ein britisches Unternehmen und f\u00e4llt als Protokoll nicht direkt unter MiCA; der $AI-Token z\u00e4hlt zu den sonstigen Kryptowerten. Regulierungspflichten greifen bei den Dienstleistern: Plattformen und Verwahrer f\u00fcr deutsche Kunden brauchen eine CASP-Erlaubnis und werden von der BaFin beaufsichtigt. Der Wettmarkt Delphi ber\u00fchrt zus\u00e4tzlich Gl\u00fccksspiel- und MiFID-II-Fragen, das Training selbst zunehmend den EU AI Act.<\/p>