{"id":783,"date":"2026-10-15T16:30:23","date_gmt":"2026-10-15T16:30:23","guid":{"rendered":"https:\/\/hoge.gg\/de\/gensyn-2026-bandbreite-nachfrage-ki-training\/"},"modified":"2026-10-15T16:30:23","modified_gmt":"2026-10-15T16:30:23","slug":"gensyn-2026-bandbreite-nachfrage-ki-training","status":"publish","type":"post","link":"https:\/\/hoge.gg\/de\/gensyn-2026-bandbreite-nachfrage-ki-training\/","title":{"rendered":"Gensyn 2026: Vertrauen war der einfache Teil, Bandbreite nicht"},"content":{"rendered":"

Der Markt hat sich f\u00fcr Gensyn eine einfache Geschichte zurechtgelegt: ein Token, der nicht steigt. Das $AI-Token des in London gegr\u00fcndeten Rechen-Protokolls notiert Mitte Oktober 2026 bei rund 0,0163 Euro (etwa 0,0183 US-Dollar) und hat in den vergangenen Tagen ein frisches Allzeittief markiert, rund 0,0155 Euro beziehungsweise 0,01731 US-Dollar, gut 83 Prozent unter dem Hoch vom April. Doch diese Geschichte verfehlt den Kern.<\/p>

Gensyn hat das Problem gel\u00f6st, an dem sich die Branche jahrelang die Z\u00e4hne ausgebissen hat: maschinelles Lernen auf fremder, nicht vertrauensw\u00fcrdiger Hardware so auszuf\u00fchren, dass das Ergebnis mathematisch \u00fcberpr\u00fcfbar ist. Dieser Beweis l\u00e4uft inzwischen in Produktion. Die eigentliche Frage f\u00fcr 2026 ist eine andere, und sie ist unbequemer: Kann \u00fcberhaupt jemand das Netzwerk sinnvoll nutzen, und wird jemand daf\u00fcr bezahlen? Die Antwort h\u00e4ngt an zwei Dingen, die mit Kryptografie nichts zu tun haben, an der Physik der Bandbreite und an der Nachfrage.<\/p>

Was Gensyn gebaut hat, und was gerade stillsteht<\/h2>

Gensyn wurde 2020 in London von Ben Fielding (CEO) und Harry Grieve (CTO) gegr\u00fcndet, die sich \u00fcber das Gr\u00fcnderprogramm Entrepreneur First kennengelernt hatten. Die Idee war gro\u00df: ein globaler, erlaubnisfreier Marktplatz f\u00fcr Rechenleistung, auf dem jede GPU der Welt am Training von KI-Modellen mitverdienen kann. Hinter dem Projekt stehen prominente Kapitalgeber. Laut The Block<\/a> hat Gensyn seit 2020 mehr als 78 Millionen US-Dollar eingesammelt, darunter eine 43-Millionen-Dollar-Series-A aus dem Jahr 2023 unter F\u00fchrung von a16z crypto, eine Risikokapitalrunde \u00fcber 16,7 Millionen Dollar im Oktober 2025 (ebenfalls a16z, Bewertung 1 Milliarde Dollar voll verw\u00e4ssert) sowie einen Token-Verkauf im Dezember 2025. Weitere Investoren sind Galaxy Digital und CoinFund.<\/p>

Technisch besteht Gensyn aus vier Schichten. Eine Ausf\u00fchrungsumgebung (REE) macht KI-Inferenz hardwareunabh\u00e4ngig und bitgenau reproduzierbar. Dar\u00fcber liegt eine Verifikationsschicht aus Verde und dem Bewertungssystem Judge. Eine Agentenschicht (AXL) sorgt f\u00fcr verschl\u00fcsselte Peer-to-Peer-Kommunikation, und eine On-Chain-Koordinationsschicht auf Basis des OP Stack verbindet das Ganze und beherbergt den Informationsmarkt Delphi.<\/p>

So weit die Architektur. Der Haken: Das Herzst\u00fcck, f\u00fcr das Gensyn urspr\u00fcnglich angetreten ist, l\u00e4uft gerade nicht. RL Swarm, der verteilte Trainingslauf, in dem viele tausend Knoten gemeinsam ein Modell per Reinforcement Learning verbessern, ist pausiert. Die Entwicklerdokumentation sagt es unverbl\u00fcmt: „There are no official swarms running right now.“ Stattdessen verweist die Dokumentation<\/a> auf von der Community betriebene Swarms oder gleich auf Delphi. Das live laufende Produkt von Gensyn ist also nicht das Training, sondern ein Wettmarkt, der von einer KI abgerechnet wird.<\/p>

Der Beweis steht: Verde, RepOps und Judge in Produktion<\/h2>

Um zu verstehen, warum das kein kleines Detail ist, muss man das Problem kennen, das Gensyn tats\u00e4chlich gel\u00f6st hat. Wer Rechenleistung von Fremden mietet, hat keine Garantie, dass die Gegenseite die Arbeit wirklich erledigt. Sie k\u00f6nnte ein billigeres, schlechteres Modell laufen lassen, abk\u00fcrzen oder einfach ein plausibles Ergebnis erfinden. Bei maschinellem Lernen kommt erschwerend hinzu, dass dieselbe Rechnung auf unterschiedlicher Hardware minimal unterschiedliche Zahlen liefert, weil Gleitkomma-Operationen nicht assoziativ sind. Man kann also nicht einfach zwei Ergebnisse nebeneinanderlegen und auf Gleichheit pr\u00fcfen.<\/p>

Genau hier setzt Gensyns Technik an. RepOps (reproducible operators) erzwingt eine feste Reihenfolge der Rechenoperationen f\u00fcr g\u00e4ngige ML-Bausteine wie die Matrixmultiplikation. Das Resultat beschreibt Gensyn so: „With RepOps, we achieve bitwise-reproducible results across diverse hardware.“ Kommt es trotzdem zum Streit, greift Verde, ein Schiedsrichter-Protokoll, das in einem Forschungspapier<\/a> (unter den Autoren der NYU-Kryptograf Joseph Bonneau) beschrieben ist. Verde l\u00e4sst mehrere Anbieter dieselbe Aufgabe rechnen und grenzt bei Uneinigkeit den exakten Operator ein, an dem die Ergebnisse auseinanderlaufen. Die Garantie formuliert Gensyn so: „if two compute providers disagree on an ML execution, a referee can determine which provider is honest by executing a single operation rather than running the entire task.“ Es gen\u00fcgt, dass von allen Beteiligten mindestens einer ehrlich ist.<\/p>

Das Entscheidende an 2026: Diese Mechanik ist keine Theorie mehr. In einem Blogbeitrag<\/a> vom November 2025 h\u00e4lt Gensyn fest: „Verde and RepOps are already deployed in Judge“, dem System zur \u00fcberpr\u00fcfbaren Bewertung von KI-Modellen. Damit geh\u00f6rt Gensyn zu der kleinen Gruppe von Projekten, die \u00fcberpr\u00fcfbare KI tats\u00e4chlich on-chain bringen, ein Feld, in dem etwa auch Ritual<\/a> unterwegs ist. Das Team von a16z crypto um Ali Yahya und Guy Wuollet hatte bei seinem Investment<\/a> die These ausgegeben, Gensyn k\u00f6nne „10-100x the available compute power for machine learning“ erschlie\u00dfen. Die Vertrauensschicht, die das m\u00f6glich machen soll, funktioniert. Oder, wie Fielding es gegen\u00fcber Decrypt<\/a> formulierte: „That’s the big secret sauce behind Gensyn, we’ve solved that problem for machine learning training specifically.“<\/p>

Judge selbst ist dabei mehr als ein Detail. Es beantwortet eine Frage, an der sich die gesamte KI-Branche abarbeitet: Wer bewertet die Bewerter? Wenn ein geschlossenes Spitzenmodell dar\u00fcber urteilt, ob die Antwort eines anderen Modells richtig ist, bleibt dieses Urteil eine Blackbox, jederzeit still ver\u00e4nderbar und nicht zuverl\u00e4ssig reproduzierbar. Gensyn setzt dem deterministische Kernels und eine l\u00fcckenlose Nachvollziehbarkeit auf Operationsebene entgegen. Die erste Anwendung von Judge war bezeichnenderweise eine Denkaufgabe, die als Prognosemarkt strukturiert war, also exakt das Muster, das sp\u00e4ter Delphi tr\u00e4gt.<\/p>

Warum das trotzdem nicht reicht<\/h2>

Hier beginnt das Problem, \u00fcber das in den Tokenomics-Debatten selten gesprochen wird. Gensyn hat das Vertrauensproblem gel\u00f6st, aber Vertrauen war nie der einzige Engpass. Zwischen einem funktionierenden Beweis und einem funktionierenden Gesch\u00e4ft stehen zwei weitere H\u00fcrden, und beide haben nichts mit Kryptografie zu tun. Die erste ist Physik: Training \u00fcber das offene Internet st\u00f6\u00dft an eine Bandbreitenwand, die kein Protokoll wegzaubern kann. Die zweite ist \u00d6konomie: F\u00fcr verteiltes Training gibt es bislang kaum zahlende Nachfrage. Das eine erkl\u00e4rt, warum RL Swarm technisch schwierig bleibt; das andere erkl\u00e4rt, warum es derzeit ohnehin kaum jemand dringend braucht. Mitgr\u00fcnder Grieve hat die urspr\u00fcngliche Mission einmal gegen\u00fcber Decrypt<\/a> so beschrieben: „We have a very acute machine learning problem that needed a decentralized trust layer.“ Die Betonung lag auf dem Trust Layer. Doch ein Trust Layer ist eben nur eine von mehreren Zutaten.<\/p>

Man kann die beiden H\u00fcrden auch anders fassen. Die Verifikation beantwortet die Frage, ob man einem Ergebnis vertrauen kann. Die Bandbreite entscheidet, ob man es in vertretbarer Zeit \u00fcberhaupt bekommt. Und die Nachfrage entscheidet, ob es jemanden gibt, der daf\u00fcr zahlt. Gensyn hat die erste Frage gel\u00f6st, k\u00e4mpft mit der zweiten und steht bei der dritten noch am Anfang. Das ist keine Schande, sondern die normale Reihenfolge, in der ein tiefes Infrastrukturproblem gel\u00f6st wird. Nur erkl\u00e4rt es, warum ein technischer Durchbruch und ein schwacher Token kein Widerspruch sein m\u00fcssen.<\/p>

Die Bandbreitenwand: Physik schl\u00e4gt Kryptografie<\/h2>

Die harte Grenze hat das Forschungsinstitut Epoch AI in einer vielzitierten Analyse<\/a> vermessen, und das Ergebnis ist ern\u00fcchternd. W\u00fcrde man ein Modell von der Gr\u00f6\u00dfe von DeepSeek v3 (671 Milliarden Parameter) naiv per Data-Parallelismus \u00fcber typische Consumer-Uploads von rund 60 Mbit\/s trainieren, dauerte das laut Epoch AI „5,000 years“. Der Grund: Beim verteilten Training m\u00fcssen die Knoten nach jedem Schritt Gradienten austauschen, und diese Datenmengen sprengen Heim-Internetanschl\u00fcsse um Gr\u00f6\u00dfenordnungen. Die Rechnung hat die Bandbreite als Flaschenhals, nicht die Rechenleistung.<\/p>

Die Forschung hat Werkzeuge entwickelt, um das Problem zu lindern. Das Verfahren DiLoCo l\u00e4sst Knoten mehrere Schritte unabh\u00e4ngig rechnen, bevor sie sich synchronisieren, und senkt den Kommunikationsbedarf laut Epoch AI um rund das 500-Fache. Trotzdem bleibt eine gewaltige L\u00fccke. Die gr\u00f6\u00dften dezentralen Pretraining-L\u00e4ufe bewegen sich im Bereich von 6×1022<\/sup> bis 6×1023<\/sup> FLOP, was Epoch AI als rund „1000x less compute“ gegen\u00fcber den gr\u00f6\u00dften heutigen Modellen einordnet. Beim Durchsatz erreichen dezentrale Netze etwa 9×1017<\/sup> FLOP\/s, w\u00e4hrend zentrale Frontier-Rechenzentren bei rund 3×1020<\/sup> FLOP\/s liegen, also etwa 300-fach mehr.<\/p>

Der naheliegende Einwand lautet: Dezentrales Training w\u00e4chst schneller. Das stimmt, und zwar deutlich, rund 20-fach pro Jahr seit 2020 gegen\u00fcber etwa 5-fach bei der Spitze. Doch selbst dieses Tempo reicht nicht. Epoch AI zieht ein klares Fazit: „at the current rate of growth, we won’t see decentralized training runs catch up to the frontier of training in scale this decade.“ Kryptografische Beweise \u00e4ndern an dieser Rechnung nichts. Ein bitgenau reproduzierbares Ergebnis ist kein schnelleres Ergebnis.<\/p>

Messgr\u00f6\u00dfe<\/th>Wert (laut Epoch AI)<\/th><\/tr><\/thead>
Naives Data-Parallel-Training (DeepSeek v3, 671 Mrd. Parameter) bei rund 60 Mbit\/s<\/td>rund 5.000 Jahre<\/td><\/tr>
Kommunikationsersparnis durch DiLoCo<\/td>rund 500-fach<\/td><\/tr>
Gr\u00f6\u00dfte dezentrale Pretraining-L\u00e4ufe vs. gr\u00f6\u00dfte heutige Modelle<\/td>rund 1.000-fach weniger Compute<\/td><\/tr>
Durchsatz dezentral vs. zentrale Rechenzentren<\/td>rund 9×1017<\/sup> vs. 3×1020<\/sup> FLOP\/s (rund 300-fach)<\/td><\/tr>
Wachstum pro Jahr, dezentral vs. Frontier<\/td>rund 20-fach vs. 5-fach<\/td><\/tr>
Aufholen der Spitze noch in diesem Jahrzehnt<\/td>nein<\/td><\/tr><\/tbody><\/table><\/figure>

DiLoCo, DisTrO und die halbe L\u00f6sung<\/h2>

Es gibt eine Nuance, die der Bandbreitenwand etwas von ihrer Sch\u00e4rfe nimmt, und sie ist f\u00fcr Gensyn zentral. Nicht jedes Training ist gleich kommunikationshungrig. Das klassische Pretraining, bei dem ein Modell von Grund auf mit Billionen Token gef\u00fcttert wird, ist der schwierigste Fall. Das Nachtrainieren per Reinforcement Learning, bei dem ein bereits fertiges Modell f\u00fcr Aufgaben wie logisches Schlie\u00dfen oder Programmieren verfeinert wird, ist dagegen deutlich dezentralisierungsfreundlicher: Hier l\u00e4sst sich die Kommunikation mit der rechenintensiven Erzeugung von L\u00f6sungswegen \u00fcberlappen, wie Epoch AI betont. Genau dieses asynchrone RL ist das, was RL Swarm versucht hat. Die pausierte Trainingsschicht adressiert also ausgerechnet den Teil des Problems, der am ehesten l\u00f6sbar ist.<\/p>

Die Konkurrenz hat dieselbe Einsicht. Nous Research treibt mit den Optimierern DisTrO und DeMo und dem Framework Psyche auf Solana verteiltes Training voran und meldete mit dem 40-Milliarden-Parameter-Lauf Consilience den nach eigenen Angaben largest distributed pre-training run ever<\/a>. Prime Intellect hat mit INTELLECT-2 ein 32-Milliarden-Modell per dezentralem RL trainiert. Doch die Grenzen zeigen sich genau dort, wo es ernst wird: F\u00fcr sein j\u00fcngstes und gr\u00f6\u00dftes Modell INTELLECT-3, ein Mixture-of-Experts jenseits der 100-Milliarden-Marke, griff Prime Intellect wieder auf einen konzentrierten Cluster aus NVIDIA-H200-GPUs zur\u00fcck. Wenn selbst die Vorreiter f\u00fcr die schwere Arbeit zur\u00fcck in den klassischen Rechenzentrumscluster wechseln, sagt das viel \u00fcber den aktuellen Stand des verteilten Trainings. Es funktioniert f\u00fcr vieles, aber noch nicht f\u00fcr das, was die Schlagzeilen macht.<\/p>

Was RL Swarm eigentlich war, und warum es still ist<\/h2>

Um die Pause richtig einzuordnen, lohnt ein Blick darauf, was RL Swarm konkret tat. Viele unabh\u00e4ngige Knoten verbesserten gemeinsam ein Modell per Reinforcement Learning; jeder Knoten rechnete lokal, l\u00f6ste Aufgaben und teilte seine Ergebnisse, sodass die Gruppe schneller lernte als ein einzelner Teilnehmer. Im November 2025 ersetzte Gensyn das fr\u00fchere Reasoning Gym durch CodeZero, ein Setup mit drei Rollen (Solver, Proposer und Evaluator), bei dem ein lokaler Evaluator regelbasiert belohnt. Es war ein beeindruckendes St\u00fcck verteilter Koordination.<\/p>

Und doch laufen seit Monaten keine offiziellen Swarms. Technisch ist das kein Totalausfall: Die Bausteine existieren, und die Dokumentation l\u00e4dt sogar dazu ein, eigene, von der Community betriebene Swarms aufzusetzen. Was fehlt, ist ein dauerhaft laufender, bezahlter Swarm mit einem Abnehmer, der das trainierte Modell braucht und daf\u00fcr zahlt. Genau das ist der Unterschied zwischen einem Forschungs-Demo und einem Produkt, und genau an dieser Stelle geht die technische Frage in eine wirtschaftliche \u00fcber.<\/p>

Das eigentliche Loch ist die Nachfrage<\/h2>

Selbst wenn man die Physik ausklammert, bleibt die zweite, h\u00e4rtere Frage: F\u00fcr wen wird hier eigentlich gerechnet? DePIN-Netze (Decentralized Physical Infrastructure) teilen ein strukturelles Problem. Angebot l\u00e4sst sich mit Token-Anreizen leicht herbeilocken, Nachfrage nicht. Man kann tausende GPU-Besitzer daf\u00fcr bezahlen, ihre Hardware bereitzustellen, aber Token drucken erzeugt keine zahlenden Kunden. Verf\u00fcgbare Kapazit\u00e4t ist nicht dasselbe wie genutzte Kapazit\u00e4t, und genau diese Verwechslung steckt hinter vielen beeindruckend klingenden Zahlen zur angeschlossenen Rechenleistung.<\/p>

Bei Gensyn ist diese Asymmetrie mit H\u00e4nden zu greifen. RL Swarm ist nicht pausiert, weil die Technik versagt h\u00e4tte, sondern weil es f\u00fcr ein permanentes, bezahltes Schwarm-Training derzeit keinen zahlungskr\u00e4ftigen Abnehmer gibt. Ein KI-Labor, das ein Modell trainieren will, hat die Wahl zwischen einem schnellen, eng vernetzten H100-Cluster und einem langsameren, latenzbehafteten, erst noch zu koordinierenden Netz aus fremden Knoten. Solange die Kostenersparnis die Nachteile nicht klar \u00fcberwiegt, f\u00e4llt die Wahl selten auf das verteilte Netz. Die Vertrauensschicht l\u00f6st das Problem „Kann ich dem Rechenergebnis trauen?“. Sie l\u00f6st nicht das Problem „Will \u00fcberhaupt jemand so rechnen?“.<\/p>

Das ist kein Gensyn-spezifischer Vorwurf, sondern die Grundrechnung des gesamten Sektors f\u00fcr dezentrales Rechnen. Genau deshalb ist der Blick auf jene Produkte, die tats\u00e4chlich Umsatz erzeugen, so aufschlussreich. GPU-Netze wie Render<\/a>, die reale, zahlende Nachfrage nachweisen k\u00f6nnen, werden vom Markt inzwischen anders behandelt als reine Infrastrukturversprechen. Nachfrage ist die knappe Ressource, nicht Angebot.<\/p>

Delphi: aus Rechen-Infrastruktur wird ein Informationsmarkt<\/h2>

Gensyns faktische Antwort auf die Nachfragel\u00fccke hei\u00dft Delphi. Und Delphi ist bemerkenswert, weil es gar kein Trainingsprodukt ist. Es ist ein Markt, auf dem Menschen (und Agenten) auf den Ausgang von Ereignissen wetten, wobei nicht ein menschliches Orakel, sondern ein KI-Modell die Abrechnung \u00fcbernimmt. Gensyn nennt es den world’s first AI-powered information market<\/a> und grenzt es bewusst vom Begriff Prognosemarkt ab: „AI calls the outcomes, creators own the economics, and open infrastructure replaces the company that calls the shots.“<\/p>

Technisch ist Delphi der sichtbarste Einsatzort von Gensyns Verifikationsstack. Marktersteller w\u00e4hlen ein oder mehrere KI-Modelle als Abrechnungsorakel. Gensyn unterscheidet dabei mehrere Stufen: schnelle, aber nicht \u00fcberpr\u00fcfbare Foundation-Modelle f\u00fcr den langen Schwanz an M\u00e4rkten auf der einen Seite, \u00fcberpr\u00fcfbare L\u00e4ufe in der eigenen Ausf\u00fchrungsumgebung auf der anderen. Bei den \u00fcberpr\u00fcfbaren Varianten entsteht eine Art Quittung aus Modell, Eingabe und Daten, die jeder unabh\u00e4ngig nachrechnen kann, und die Abrechnung erfolgt automatisch, nachdem ein Markt geschlossen hat. Delphi startete im Dezember 2025 als Testnetz und ging am 22. April 2026 ins Mainnet. Es ist das erste und bislang einzige live laufende Produkt mit echtem wirtschaftlichem Wert.<\/p>

Diese Verschiebung ist strategisch gr\u00f6\u00dfer, als sie klingt. Ein Unternehmen, das Rechen-Infrastruktur verkauft, konkurriert mit AWS, CoreWeave oder spezialisierten GPU-Netzen. Ein Unternehmen, das einen Informationsmarkt betreibt, konkurriert mit Polymarket und Kalshi. Das sind v\u00f6llig andere Vergleichsgr\u00f6\u00dfen, eine andere Regulierung und andere Erfolgskennzahlen. CEO Fielding stellt die Abgrenzung offensiv dar. Gegen\u00fcber The Block<\/a> sagte er: „Delphi isn’t directly competing with Polymarket and Kalshi for the same markets. The strategy is to open up an entirely new category of niche, creator-owned markets that those platforms would never build.“ Ein Ersteller verdiene „1.5% of all of the volume in the market as a fee when the market successfully settles“.<\/p>

Eine Viertelmillion Dollar, und was sie \u00fcber die Nachfrage verr\u00e4t<\/h2>

Wie gro\u00df ist diese Nachfrage? Hier wird es f\u00fcr die Buyback-Burn-Erz\u00e4hlung unbequem. Monate nach dem Mainnet-Start feierte Gensyn als Meilenstein auf X<\/a>, dass die Delphi-H\u00e4ndler gemeinsam die Marke von einer Viertelmillion Dollar an Volumen \u00fcberschritten h\u00e4tten. Zum Vergleich: Polymarket und Kalshi wickeln Handelsvolumina im Milliardenbereich ab. Wenn eine Viertelmillion Dollar die feierw\u00fcrdige Zahl ist, dann ist die reale, zahlende Nachfrage noch sehr klein, so elegant die Technik darunter auch sein mag.<\/p>

Das ist deshalb relevant, weil Delphis Geb\u00fchrenmodell der einzige Mechanismus ist, der dem $AI-Token einen fundamentalen R\u00fcckenwind geben soll. Von jedem gehandelten Volumen flie\u00dfen laut news.bitcoin.com<\/a> 2 Prozent als Geb\u00fchr ab: 1,5 Prozentpunkte an den Marktersteller, rund 0,5 Prozentpunkte in einen AI-BuyBack-Vault. Aus diesem Vault werden 70 Prozent der Geb\u00fchren dauerhaft verbrannt, 29 Prozent gehen in die Community-Treasury, 1 Prozent an den Ausf\u00fchrer. Der Haken ist offensichtlich: 0,5 Prozent von einer Viertelmillion Dollar sind etwas mehr als tausend Dollar, von denen dann 70 Prozent verbrannt werden. Das ist ein Rinnsal gegen die Angebotsflut aus den Vesting-Pl\u00e4nen, zu der wir gleich kommen.<\/p>

Das Feld: wer dezentrales Training sonst versucht, und wie es sich finanziert<\/h2>

Gensyn ist nicht allein, und der Vergleich mit den Mitbewerbern legt eine zweite L\u00fccke offen: die zwischen Token-Finanzierung und ausgeliefertem Produkt. Prime Intellect hat im Juli 2026 eine Series A \u00fcber 130 Millionen US-Dollar<\/a> bei einer Bewertung von 1 Milliarde Dollar eingesammelt, angef\u00fchrt von Radical Ventures, mit NVIDIA Ventures, Intel Capital und Dell im Boot. Das Unternehmen hat mehrere Modelle ausgeliefert, meldet einen Umsatzlauf im Bereich von 100 Millionen Dollar und hat, das ist der entscheidende Punkt, keinen \u00f6ffentlichen Token.<\/p>

Nous Research sammelte 50 Millionen Dollar von Paradigm ein (Bewertung 1 Milliarde Dollar, als SAFT strukturiert) und betreibt mit Psyche eines der ambitioniertesten verteilten Trainingsprogramme. Pluralis Research, mit einer Seed-Runde im einstelligen Millionenbereich von Union Square Ventures und CoinFund, forscht am sogenannten Protocol Learning, hat aber noch kein Produkt am Markt. Der Kontrast ist aufschlussreich. Die Wettbewerber mit dem meisten Schwung finanzieren sich \u00fcber Eigenkapital und liefern Modelle; Gensyn finanziert sich \u00fcber einen Token, der am Allzeittief notiert, w\u00e4hrend sein Trainingsprodukt pausiert. Das ist keine Frage von besserer oder schlechterer Technik, sondern eine Frage, welche Finanzierungsform in dieser Marktphase belohnt wird.<\/p>

Projekt<\/th>Finanzierung<\/th>Eigener Token<\/th>Status<\/th><\/tr><\/thead>
Gensyn<\/td>\u00fcber 78 Mio. USD (a16z, Galaxy, CoinFund)<\/td>$AI (am Allzeittief)<\/td>Verifikation in Produktion, Training (RL Swarm) pausiert, Delphi live<\/td><\/tr>
Prime Intellect<\/td>130 Mio. USD Series A @ 1 Mrd. USD<\/td>kein \u00f6ffentlicher Token<\/td>mehrere Modelle ausgeliefert, Umsatzlauf im Bereich 100 Mio. USD<\/td><\/tr>
Nous Research<\/td>50 Mio. USD (Paradigm), als SAFT<\/td>kein Live-Token<\/td>Consilience (40 Mrd. Parameter), Hermes, Psyche auf Solana<\/td><\/tr>
Pluralis Research<\/td>Seed im einstelligen Mio.-Bereich (USV, CoinFund)<\/td>kein Token<\/td>Forschung (Protocol Learning), noch kein Produkt<\/td><\/tr><\/tbody><\/table><\/figure>

Der Token als Kursbarometer der L\u00fccke<\/h2>

All das b\u00fcndelt sich im Kurs. Mitte Oktober 2026 kostet $AI laut CoinGecko<\/a> rund 0,0163 Euro, die Marktkapitalisierung liegt bei etwa 21 Millionen Euro (Rang 763), die voll verw\u00e4sserte Bewertung bei rund 163 Millionen Euro. Das Verh\u00e4ltnis von Marktkapitalisierung zu FDV betr\u00e4gt 0,13: Rund 87 Prozent des potenziellen Werts stecken in Angebot, das noch gar nicht zirkuliert. Von 10 Milliarden maximalen Token sind erst 1,305 Milliarden (13,05 Prozent) im Umlauf. In den vergangenen sieben Tagen hat der Token knapp 10 Prozent verloren und dabei das bereits erw\u00e4hnte frische Allzeittief markiert.<\/p>

Warum ein so niedriger Streubesitz plus eine so gro\u00dfe k\u00fcnftige Angebotsmenge den Kurs selbst in einer KI-Rally nach unten zieht, hat HOGE Wire an anderer Stelle<\/a> ausf\u00fchrlich auseinandergenommen. Kurz gefasst: $AI ist ein Langl\u00e4ufer ohne Aussch\u00fcttung an die Halter, und bei einem risikofreien Zins von rund 4 Prozent bestraft der Markt genau solche Profile besonders hart. Dieselbe Zins- und Risikologik dr\u00fcckt derzeit auf den gesamten Krypto-Markt, wie der stockende Uptober<\/a> vor der Fed-Sitzung zeigt.<\/p>

Die Freischaltungen machen es konkret. Laut der Token-Dokumentation<\/a> entfallen 40,4 Prozent auf die Community-Treasury (20 Prozent bei Start, der Rest, 3,232 Milliarden Token, linear \u00fcber 36 Monate, also rund 89,8 Millionen pro Monat). Team (25 Prozent) und Investoren (29,6 Prozent), zusammen 54,6 Prozent, unterliegen einer zw\u00f6lfmonatigen Sperre ab dem Token-Start im April 2026 und danach einer linearen Freigabe \u00fcber 24 Monate; die erste gro\u00dfe Insider-Welle landet also um April 2027. Eine \u00dcberschlagsrechnung (illustrativ, nicht pr\u00e4zise): Allein der Treasury-Zufluss von rund 89,8 Millionen Token pro Monat entspricht bei aktuellen Kursen grob 1,5 Millionen Euro an potenziell verkaufbarem Angebot. Um das per Burn auszugleichen, br\u00e4uchte Delphi ein Handelsvolumen in der Gr\u00f6\u00dfenordnung von mehreren hundert Millionen Euro pro Monat. Gegenw\u00e4rtig liegt das kumulierte Volumen bei einer Viertelmillion Dollar. Die L\u00fccke ist nicht graduell, sie ist um Gr\u00f6\u00dfenordnungen.<\/p>

Token<\/th>Preis (EUR)<\/th>Marktkap.<\/th>Rang<\/th>Abstand zum ATH<\/th>7 Tage<\/th><\/tr><\/thead>
$AI (Gensyn)<\/td>0,0163<\/td>rund 21 Mio.<\/td>763<\/td>rund -83 %<\/td>-9,9 %<\/td><\/tr>
TAO (Bittensor)<\/td>243,54<\/td>rund 2,76 Mrd.<\/td>34<\/td>rund -64 %<\/td>-2,7 %<\/td><\/tr>
AKT (Akash)<\/td>0,6049<\/td>rund 180 Mio.<\/td>186<\/td>rund -92 %<\/td>-8,3 %<\/td><\/tr>
IO (io.net)<\/td>0,1468<\/td>rund 61 Mio.<\/td>369<\/td>rund -97 %<\/td>+4,3 %<\/td><\/tr><\/tbody><\/table><\/figure>

Der Korb zeigt zugleich, dass $AI mit seinem Problem nicht allein ist. Akash und io.net notieren noch tiefer unter ihren H\u00f6chstst\u00e4nden. Was Gensyn heraushebt, ist nicht der gr\u00f6\u00dfte Kursverfall, sondern die Kombination aus dem niedrigsten Streubesitz und dem gr\u00f6\u00dften noch ausstehenden Angebot (Zahlen: CoinGecko).<\/p>

Einordnung f\u00fcr deutsche Anleger: BaFin, MiCA und Steuer<\/h2>

F\u00fcr Leserinnen und Leser in Deutschland ist die regulatorische Einordnung n\u00fcchtern. Gensyn ist ein britisches Unternehmen und f\u00e4llt nicht unter die Emittentenpflichten der EU-Verordnung MiCA. Das $AI-Token ist weder ein wertreferenzierter Token (ART) noch ein E-Geld-Token (EMT), sondern f\u00e4llt in die Restkategorie der sonstigen Kryptowerte. Pflichten entstehen dort, wo gehandelt wird: bei den Kryptowerte-Dienstleistern (B\u00f6rsen, Verwahrer), die die BaFin beaufsichtigt und f\u00fcr die ihr Merkblatt zu Kryptowerte-Dienstleistungen<\/a> den Rahmen absteckt.<\/p>

Zwei Punkte sind f\u00fcr 2026 wichtig. Erstens hat die BaFin Kryptowerte in ihrem Bericht „Risiken im Fokus 2026“ erstmals als ein Top-Verbraucherrisiko eingestuft, mit Verweis auf Totalverlustgefahr, fehlende Einlagensicherung und den Einfluss von Finfluencern. Ein Token, der 83 Prozent unter seinem Hoch notiert, illustriert diese Warnung von selbst. Zweitens \u00e4ndert Delphis KI-Orakel nichts an der rechtlichen Einordnung der Wetten selbst: Informations- und Prognosem\u00e4rkte auf Nicht-Sportereignisse sind unter dem deutschen Gl\u00fccksspielstaatsvertrag in der Regel nicht lizenzierbar, und Krypto-Derivate fallen ohnehin unter MiFID II, nicht unter MiCA.<\/p>

Steuerlich gilt f\u00fcr Privatanleger in Deutschland weiterhin die Haltefrist-Logik des Paragrafen 23 EStG, flankiert vom automatischen Informationsaustausch unter DAC8, den wir separat beleuchtet<\/a> haben. Wer $AI mit Verlust verkauft, sollte die Spekulationsfrist und die Verrechnung mit anderen privaten Ver\u00e4u\u00dferungsgesch\u00e4ften kennen; wer trotz des Kursverfalls im Plus liegt, ebenso.<\/p>

Was den Blick auf Gensyn drehen w\u00fcrde<\/h2>

Diese Analyse ist eine Momentaufnahme, kein Urteil \u00fcber die kommenden Jahre. Mehrere Entwicklungen w\u00fcrden das Bild sp\u00fcrbar ver\u00e4ndern, und sie sind die richtigen Dinge, auf die man achten sollte, statt allein auf den Tageskurs zu schauen.<\/p>

  • Ein Neustart von RL Swarm als permanenter, bezahlter Trainingslauf mit echten Abnehmern. Das w\u00e4re der Beleg, dass die Nachfrage existiert, nicht nur das Angebot.<\/li>
  • Die erste Integration von REE, Verde oder Judge au\u00dferhalb von Delphi, also durch einen externen Kunden. Das w\u00fcrde zeigen, dass der Verifikationsstack als eigenst\u00e4ndiges Produkt tragf\u00e4hig ist.<\/li>
  • Nachpr\u00fcfbar wachsendes Delphi-Volumen. Der Sprung von einer Viertelmillion auf zweistellige Millionenbetr\u00e4ge w\u00e4re der Unterschied zwischen Nische und Markt.<\/li>
  • Die Insider-Freischaltung um April 2027. Wie der Markt die gr\u00f6\u00dfte Angebotswelle verdaut, wird viel \u00fcber das verbleibende Vertrauen aussagen.<\/li><\/ul>

    Fazit: die L\u00fccke zwischen K\u00f6nnen und Brauchen<\/h2>

    Die Gensyn-Geschichte des Jahres 2026 ist nicht die eines gescheiterten Projekts, sondern die eines gel\u00f6sten Problems, das auf ein ungel\u00f6stes trifft. Die Verifikation, der Teil, den alle f\u00fcr den schwierigsten hielten, l\u00e4uft in Produktion. Die Bandbreitenwand und die fehlende Nachfrage, die Teile, \u00fcber die seltener gesprochen wird, bleiben. Ein Token am Allzeittief ist dabei kein Zufall und kein reines Stimmungsthema, sondern der Preis, den der Markt dieser L\u00fccke gibt. Wer Gensyn beurteilen will, sollte aufh\u00f6ren, nur auf den Kurs zu starren, und anfangen, auf das Volumen und die Abnehmer zu schauen. Dort entscheidet sich, ob aus einem beeindruckenden Beweis ein Gesch\u00e4ft wird.<\/p>

    Frequently Asked Questions<\/h2>

    Warum steht der Gensyn-Token $AI auf einem Allzeittief?<\/h3>

    $AI notiert Mitte Oktober 2026 bei rund 0,0163 Euro und hat ein frisches Tief bei 0,01731 US-Dollar markiert, rund 83 Prozent unter dem April-Hoch. Hauptgr\u00fcnde sind der niedrige Streubesitz von 13,05 Prozent bei zugleich gro\u00dfer k\u00fcnftiger Angebotsmenge, fehlende Aussch\u00fcttungen an die Halter und die Tatsache, dass das Kernprodukt dezentrales Training pausiert, w\u00e4hrend der einzige Umsatzbringer Delphi noch sehr kleine Volumina aufweist.<\/p>

    L\u00e4uft RL Swarm von Gensyn wieder?<\/h3>

    Nein. Die offizielle Dokumentation von Gensyn h\u00e4lt unver\u00e4ndert fest, dass derzeit keine offiziellen Swarms laufen; Nutzer werden auf von der Community betriebene Swarms oder auf den Informationsmarkt Delphi verwiesen. Ein Neustart als permanenter, bezahlter Trainingslauf mit echten Abnehmern w\u00e4re ein wichtiges Signal, steht aber bisher aus.<\/p>

    Was ist die Bandbreitenwand beim dezentralen KI-Training?<\/h3>

    Verteiltes Training erfordert st\u00e4ndigen Austausch gro\u00dfer Datenmengen zwischen den Knoten. \u00dcber normale Internetanschl\u00fcsse dauerte ein naives Training eines Modells von der Gr\u00f6\u00dfe von DeepSeek v3 laut Epoch AI rund 5.000 Jahre. Verfahren wie DiLoCo senken den Bedarf um etwa das 500-Fache, doch dezentrale L\u00e4ufe bleiben rund 1.000-fach hinter den gr\u00f6\u00dften Modellen zur\u00fcck und werden die Spitze laut Epoch AI in diesem Jahrzehnt nicht einholen.<\/p>

    Was ist Delphi und wie verdient Gensyn daran?<\/h3>

    Delphi ist ein KI-abgerechneter Informationsmarkt und Gensyns einziges live laufendes Produkt, im Mainnet seit dem 22. April 2026. Von jedem Handelsvolumen gehen 2 Prozent als Geb\u00fchr ab: 1,5 Prozentpunkte an den Marktersteller und rund 0,5 Prozentpunkte in einen Vault, aus dem 70 Prozent verbrannt werden. Dieser Burn soll den $AI-Token st\u00fctzen, f\u00e4llt bei den aktuellen Volumina aber sehr gering aus.<\/p>

    Wie ist $AI in Deutschland reguliert und besteuert?<\/h3>

    Gensyn ist ein britisches Unternehmen au\u00dferhalb der MiCA-Emittentenpflichten; $AI z\u00e4hlt zu den sonstigen Kryptowerten. Pflichten greifen bei den von der BaFin beaufsichtigten Kryptowerte-Dienstleistern wie B\u00f6rsen und Verwahrern. Steuerlich gilt f\u00fcr Privatpersonen die Haltefrist-Logik des Paragrafen 23 EStG, flankiert vom Informationsaustausch unter DAC8; Gewinne und Verluste sind als private Ver\u00e4u\u00dferungsgesch\u00e4fte relevant.<\/p>