Vor kurzem waren Kryptowährungen mit Bezug zu künstlicher Intelligenz (KI) der letzte Schrei. Experten riefen zu einer KI-Revolution an den Krypto-Märkten auf. Doch was verbirgt sich hinter dem Hype rund um die Verschmelzung hinter KI und der Blockchain-Technologie?
Derzeit liegt laut CoinGecko die kombinierte Marktkapitalisierung digitaler Vermögenswerte in diesem Bereich bei über 42 Milliarden USD. Für eine Weile wurde jedes Projekt mit dem Begriff „KI“ im Pitchdeck automatisch zum Favoriten auf Krypto-Twitter und von selbst ernannten Krypto-Experten angepriesen. Einige KI-Krypto-Projekte konnten ihre Versprechen nicht halten. Was diese KI-Krypto-Projekte präsentierten im Vergleich zu ihren möglichen Anwendungen, war ein Thema offener Diskussionen. Dies führte dazu, dass Nutzer genauer auf Details achteten, was Projekte dazu zwang, bei der Festlegung von Erwartungen pragmatischer zu sein. Wie kam dieser KI-Hype zustande? Welche Top-Projekte gibt es in diesem Bereich? Wie sieht die Zukunft dieses Sektors aus?
In Kürze
- Seit 2019 haben Unternehmen im Bereich der künstlichen Intelligenz (KI) über 220 Milliarden USD aufgebracht. Die Nachfrage nach KI-Tools und High-End-Hardware steigt.
- Um die steigende Nachfrage zu decken, entstanden dezentrale Lösungen, und die Krypto-Märkte sahen ein neues Narrativ: die Verbindung von KI und Blockchain-Technologie.
- KI-gesteuerte Onchain-Agenten und dezentrale physische Infrastrukturnetzwerke (DePINs) sind die beiden Hauptsektoren im Bereich der KI-Themen im Krypto-Bereich.
- Bittensor, Fetch.ai, Render Network und Worldcoin sind die führenden KI-Krypto-Projekte in Bezug auf Marktkapitalisierung und Beliebtheit.
- Zero Knowledge (ZK) Machine Learning (ML) zeigt Potenzial als mögliche Lösung, um das datenintensive Wesen der KI und das auf Datenschutz ausgerichtete Cypherpunk-Ethos von Krypto zu verbinden.
- Der Sektor ist vielversprechend, jedoch gibt es derzeit mehrere Herausforderungen, darunter die Zuverlässigkeit der Dienstleister und die schleppende Nachfrage.
- Während die Möglichkeiten für KI und Krypto aufregend sind, sollten keine unrealistischen Erwartungen gemacht werden.
Abonnieren Sie unseren Newsletter
Die besten Artikel der Woche direkt in ihre Mailbox geliefert.
Entwicklung offener Märkte
Freie, offene Märkte haben immer zu Sprüngen in der menschlichen Produktivität geführt. Die industrielle Revolution war der grösste Sprung in dieser Hinsicht etwas, das die Funktionsweise der Märkte für immer veränderte. Vom Transport bis zur Herstellung bot sie einen besseren Lebensstil und brachte eine strukturelle Veränderung auf dem Arbeitsmarkt mit sich. Spulen wir vor, die Dotcom-Blase veränderte auch radikal unser tägliches Leben. Sie brachte mehr Investitionen in Technologieunternehmen und führte zur Verdrängung weniger effizienter Unternehmen. Unternehmen, die Technologie nutzten, übernahmen die Führung. Diese Führung wird nun durch den Aufstieg der künstlichen Intelligenz weiter ausgebaut.
KI-Unternehmen haben eine Revolution zur Steigerung der menschlichen Effizienz herbeigeführt und der Sektor hat enorme Investitionen angezogen. Laut Statista beläuft sich die Gesamtfinanzierung in diesem Sektor seit 2011 auf über 284 Milliarden USD, während allein im Jahr 2023 die Gesamtfinanzierung von Unternehmen, die KI-Dienstleistungen anbieten, über 40 Milliarden USD betrug. Der Durchbruch in der KI wurde durch das grosse Sprachmodell (LLM) ChatGPT von OpenAI herbeigeführt, das die Technologie durch eine einfache Chatbot-Oberfläche in die Hände jedes Nutzers mit Online-Zugang legte. Die meisten KI-Lösungen auf dem Markt basierten auf generativer KI (Gen AI).
Das KI-Phänomen
Generative KI-Modelle generieren Text, Bilder, Videos oder andere Daten als Antwort auf Prompts (Eingaben). Dazu gehört ChatGPT, das in nur 5 Tagen eine Million Benutzer erreichte und hat derzeit über 180 Millionen monatlich aktive Nutzer. Dieses Wachstum inspirierte weitere Forschungen und Entwicklungen im Bereich der KI-Chatbots. Zum Beispiel brachte Google "Bard" auf den Markt und endete das Jahr mit einem weiteren Produkt "Gemini". Baidu brachte Ernie heraus. Meta stellte verschiedene KI-Tools vor. Amazon, wenn auch nur in einer Vorschau, brachte Amazon Q heraus. Auch Bildgenerierungs-Tools proliferierten und verbesserten sich. Midjourney führte komplexe Text zu Bild Eingaben durch, aber auch OpenAIs DALL-E entwickelte sich schnell weiter.
Inzwischen entstanden sogar Open-Source-Initiativen. HuggingFace ist ein führendes Unternehmen im Bereich der Open-Source-Generative-KI. Dies führte sogar zu strukturellen Veränderungen auf dem Arbeitsmarkt. Beispielsweise erhöhten Unternehmen die Stellenausschreibungen für Maschinenlern-Ingenieure (ML), um KI-Systeme zu entwickeln. ML ist ein Zweig der KI, der darauf abzielt, einer Maschine intelligentes menschliches Verhalten zu imitieren. Es umfasst das Training von KI-Algorithmen mit verschiedenen Datensätzen, um sicherzustellen, dass sie eine optimale Ausgabe für eine bestimmte Eingabe liefert.
Kosten von KI-Infrastruktur
KI-Modelle sind rechnerisch intensiv. Die Ressourcen zum Ausführen eines Programms können nach mehreren Faktoren variieren. Wie der Komplexität des Programms, der Grösse der Datensätze, die zum Trainieren des Modells erforderlich sind, und dem gewünschten Leistungsniveau. Während zentrale Verarbeitungseinheiten (CPUs) von Computern entscheidend für das Ausführen dieser komplexen Programme waren, waren Grafikprozessoren (GPUs) der Game Changer. CPUs können eine Vielzahl von Eingabetypen verarbeiten. GPUs hingegen ermöglichen die Parallelverarbeitung in Computersystemen. Dies hilft, Daten um mehrere Grössenordnungen schneller zu verarbeiten als eine CPU. Da die meisten KI-Modelle um Grafikrendering (z.B. DALL-E und Midjourney) und natürliche Sprachverarbeitung (wie ChatGPT) aufgebaut sind, stieg die Nachfrage nach GPUs.
Jeder Tech-Enthusiast wollte bald Open-Source-KI-Modelle nach seinen Anforderungen und auf seinen eigenen Maschinen anpassen. Entwickler und Technologieunternehmen begannen daher, GPUs in grossen Mengen zu kaufen. Dies führte zu einer Nachfrageexplosion und einem Preisanstieg. Als es schwierig wurde, solche Hardware zur Ausführung von Modellen zu erhalten, suchten Entwickler nach unkonventionellen Wegen – dem dezentralen Web. So entstand eine neue Welle: die Kreuzung von KI, dezentralem Computing und Kryptowährungen.
KI und Krypto
KI-orientierte Kryptowährungsprojekte und Token sind solche, die entweder KI-Lösungen anbieten oder Ressourcen zur Ausführung von KI-Technologie bereitstellen. Durch die Kombination von KI und Blockchain-Technologie zielen KI-basierte Krypto-Projekte darauf ab, Probleme wie GPU-Knappheit zu lösen und Nutzern zu helfen, die KI nutzen möchten, aber nicht über das technische Know-how verfügen. Die Implementierung von KI auf Blockchains wird es auch Smart Contracts ermöglichen, maschinelle Lernmodelle sicher abzufragen. Dies wird einen neuen Bereich der Blockchain-Technologie schaffen, bekannt als Zero-Knowledge-Machine-Learning (ZKML).
Dezentrale physische Infrastruktur (DePIN)
Der Anstieg der Beliebtheit von KI-Chatbots wie ChatGPT und Bard führte zu einem erhöhten Bedarf an Grafikprozessoren, die entscheidend für den Betrieb von KI sind. Dies verursachte eine globale GPU-Knappheit und veranlasste Cloud-Giganten wie Amazon Web Services (AWS), Microsoft und andere, den Zugang zu GPUs zu begrenzen. Als die Wartezeiten auf mehrere Monate anstiegen, begannen Entwickler, DePINs in Betracht zu ziehen. DePINs können Menschen, die Rechenleistung benötigen, mit ungenutzten CPU- oder GPU-Ressourcen verbinden. Einige Beispiele für dezentrale Anbieter sind:
- Render Network: Überbrückt die Lücke zwischen Knotenbetreibern und Nutzern für 3D-Rendering-Dienste. Dies können einfache Bilder, Animationen oder Motion Graphics sein. Nutzer reichen Rendering-Anfragen ein, die von Knotenbetreibern mit ihren GPU-Ressourcen erfüllt werden. Knotenbetreiber erhalten RNDR-Token als Entschädigung.
- Io.net: Ein Open-Source-GPU-Netzwerk, das sich maschinellen Lernanwendungen widmet und 30 Millionen USD an Finanzierung sicherte, derzeit mit 1 Milliarde USD bewertet. Es hat Partnerschaften mit Render und Filecoin und ermöglicht Apple-Nutzern, durch Unterstützung für Apple-Siliziumchips zum Netzwerk beizutragen, was die Einzelhandelsbeteiligung fördert.
- Akash Network: Eine dezentrale Open-Source-Cloud-Computing-Plattform, die Serverbesitzer, die Rechenleistung benötigen, über ihren Marktplatz mit Anwendungen verbindet. Das Netzwerk läuft auf einer Tendermint-basierten Blockchain mit dem Cosmos SDK. Derzeit verfügt es über einen Pool von 74 GPUs und 5,6K CPUs. Ein 3,5-Millionen-USD-Anreizprogramm ist im Gange, um mehr GPU-Anbieter anzuziehen und Nvidia-Chips dem Netzwerk zuzuweisen.
- Grass: Früher bekannt für die Bereitstellung von Wohnproxies und ungenutzter Internetbandbreite, hat Grass sich auf Maschinendatenverarbeitung verlagert. Sie bieten Web-Scraping-Dienste an, um den Anforderungen von KI-Anwendungen gerecht zu werden. Grass bindet Benutzer in die Datenbeschriftung ein und strebt die Erstellung automatisierter Modelle für diese Aufgaben an. Ihr Ziel ist es, eine Dateninfrastruktur zu schaffen, die von jedem Onchain-KI-Modell genutzt werden kann.
Onchain-KI-Projekte
KI hat neue Möglichkeiten eröffnet, um Smart Contracts für dezentrale Finanzanwendungen (DeFi) zu entwerfen. Tools und Software können Onchain-Transaktionen für Endbenutzer erleichtern, was den Bedarf an manueller Ausführung reduziert. KI-Smart-Contract-Agenten können auch komplexe Aufgaben übernehmen. Zum Beispiel könnten KI-Charaktere in blockchain-basierten Marktplätzen oder Spielen unabhängig interagieren und Aktionen basierend auf Benutzereingaben ausführen. Dezentrale Infrastrukturen sind für KI-Agenten geeignet, da es weniger Hürden gibt als in traditionellen Finanzsystemen. Beispielsweise erfordern Kryptomarktplätze keine persönliche Identitätsverifizierung (KYC), was ein Standard in traditionellen Finanzdienstleistungen ist. KI-Agenten erleichtern es neuen Blockchain-Benutzern, mit der Technologie zu interagieren. Sie verbinden sich direkt mit den zugrunde liegenden Smart Contracts und ermöglichen die Ausführung von Aufgaben, die für normale Benutzer zu komplex sind.
Einige Anwendungsfälle:
- Automatisierung in DeFi am Beispiel von Kreditprotokollen: Kreditplattformen könnten maschinelle Lernmodelle (ML) verwenden, um Parameter in Echtzeit dynamisch anzupassen. Derzeit verlassen sich Kreditprotokolle stark auf Off-Chain-Modelle, die von ihren jeweiligen dezentralen autonomen Organisationen (DAOs) oder manchmal sogar privaten Organisationen verwaltet werden, um Parameter wie den Sicherheitsfaktor der Beleihungsquote, Liquidationsschwellen und andere Risikofaktoren zu bestimmen. Ein möglicher Ansatz wäre die Verwendung von Open-Source-Modellen, die von der Gemeinschaft trainiert werden und öffentlich überwacht und validiert werden können.
- On-Chain-Kreditbewertung: Ein ML-Modell kann Daten aus der Wallet-Aktivität eines Benutzers vergangenen Transaktionen und Onchain-Verhalten verwenden, um eine klare und vertrauenswürdige Bewertung ihrer Kreditwürdigkeit zu erstellen. Die Veröffentlichung dieser Modelle als Open-Source wäre ein erster Schritt, um erlaubnislose, nicht zusätzlich gesicherte Kredite zu fördern.
- Gaming: Blockchain-basierte Spiele können KI nutzen, um ihre Angebote zu verbessern. Die Entwicklung kann bei der Erstellung visueller Spielinhalte einschliesslich Charakteren, Objekten und Umgebungen helfen. Darüber hinaus können nicht spielbare Charaktere (NPCs) KI nutzen, um sich basierend auf dem Profil eines Spielers und den In-Game-Umgebungen anzupassen und zu personalisieren, was das immersive Erlebnis steigert.
Onchain-KI-Projekte
Diese Konzepte mögen futuristisch klingen. Dennoch wird diese Basisarbeit von vielen Protokollen durchgeführt. Derzeit sind Protokolle in Bezug auf die Dezentralisierung von KI-Diensten noch sehr rudimentär. Sie werden entweder manuell von sogenannten Knoten (Nodes) durchgeführt, die das Blockchain-Netzwerk sichern, oder bieten Entwicklern Werkzeuge, um KI-gesteuerte Agenten Onchain zu starten.
Zwei der beliebtesten Projekte in diesem Bereich sind Bittensor und Fetch.
- Bittensor: Erlaubt es Nutzern, KI für verschiedene Anwendungen zu vermieten. Bittensor hat mehrere Subnetze, die sich jeweils auf eine bestimmte maschinelle Lernaufgabe oder die Bereitstellung spezifischer Ressourcen spezialisieren. Diese Subnetze bieten eine Vielzahl von Dienstleistungen wie KI-Chatbots, Finanzprognosetools, trainierte Modelle, Datenspeicherung und mehr. Um auf diese Dienste zu nutzen, müssen Benutzer auf Subnetz-Validatoren zugreifen, die als Torwächter für jedes Subnetz fungieren. Laut Tao Stats existieren momentan 32 Subnetze und 1001 aktive Miner.
- Fetch.ai: Eine Plattform, die Tools und Software für Entwickler bereitstellt, um KI-Agenten zu erstellen. Kürzlich hat Fetch Fetch Compute gestartet – ein Programm, das 100 Millionen USD in den Kauf von Nvidia H100s und A100s investiert. Diese GPUs werden von Entwicklern und Benutzern für Rechenaufgaben auf der Fetch-Plattform verwendet. Durch die Beteiligung am Netzwerk können Benutzer, die den nativen FET-Token des Projekts staken, Fetch Compute Credits verdienen, um Zugang zur GPU-Nutzung zu erhalten.
ZKML: Die Zukunft?
Die Integration von KI und Kryptowährung erfordert ein Gleichgewicht. Während KI-Systeme umfangreiche Daten benötigen, betont die Cypherpunk-Kultur der Krypto-Szene Datenschutz und Anonymität. Dies stellt eine Herausforderung dar, die Genauigkeit von KI-Modellen zu verbessern, ohne die Datenintegrität zu gefährden. Hier kommen Zero-Knowledge-Proofs (ZKPs) ins Spiel. ZKPs bieten eine potenzielle Lösung, indem sie eine Verifizierung ermöglichen, ohne sensible Informationen preiszugeben. Sie ermöglichen es einer Person (dem Beweisführer), zu zeigen, dass etwas wahr ist, ohne zusätzliche Details zu teilen. In Kombination mit maschinellem Lernen (ML) ermöglicht diese Technologie die Generierung von Ergebnissen, ohne sensiblen Daten, die zum Training verwendet wurden, offenzulegen.
Diese Technologie garantiert sowohl rechnerische Genauigkeit als auch Datenschutz. Dies ermöglicht es KI-Modellen, ihre Effektivität öffentlich zu demonstrieren und gleichzeitig Geheimhaltung zu wahren. Die Konvergenz von ZKPs und ML wird als ZKML – Zero Knowledge Machine Learning – bezeichnet. Interessierte Leser können sich in unserem Blog weiter über die ZKP-Technologie informieren. Worldcoin ist ein bemerkenswertes Projekt, das ZKML-Technologie nutzt. Sein ZK-basiertes Iris-Erkennungssystem überprüft die Einzigartigkeit von Individuen, ohne spezifische Irismerkmale oder Modellparameter offenzulegen. ZKML hat zahlreiche potenzielle Anwendungen. Zum Beispiel könnten dezentrale soziale Medienplattformen (wie das Lens Protocol oder Farcaster) ZKML integrieren, um massgeschneiderte soziale Feed-Empfehlungen basierend auf den Blockchain-Aktivitäten und Interaktionen jedes Benutzers zu entwickeln.
Die Herausforderungen der Kombination von KI und Blockchain-Technologie
KI ist stark auf Rechenleistung und Datenverfügbarkeit angewiesen. Während das vergangene Jahr bedeutende Fortschritte bei GPU-Netzwerken verzeichnet hat, die zu einem überfüllten Markt führten, haben datenfokussierte Projekte weniger Aufmerksamkeit erhalten. Dieser Trend ändert sich jedoch, und es gibt eine zunehmende Betonung auf datenorientierte Initiativen. Das Potenzial für incentivierte, crowd-sourced Datennetzwerke bleibt weitgehend unerforscht und bietet vielversprechende Aussichten. Es gibt Marktoptimismus bezüglich des Potenzials der Kombination von Kryptowährung und künstlicher Intelligenz. KI-bezogene Kryptowährungen sind weiterhin sehr beliebt. In diesem Jahr wird der globale KI-Markt voraussichtlich 305 Milliarden USD erreichen und eine durchschnittliche jährliche Wachstumsrate (CAGR) von über 15 % bis 2030 haben. In der Zwischenzeit wird erwartet, dass der Markt für GPU-as-a-Service bis 2030 signifikant auf 28,7 Milliarden USD expandiert. Trotz dieser vielversprechenden Zahlen gibt es immer noch Herausforderungen in diesem Bereich.
Das Wachstum von GPU-Netzwerken hängt davon ab, das Angebot und die Nachfrage auszugleichen. Um zu expandieren, müssen Netzwerke die Nachfrage von zahlenden Kunden erhöhen und das Angebot an Rechenressourcen anziehen und erfüllen. Eine Herausforderung besteht jedoch darin, dass Anbieter Einkommen benötigen, um teilzunehmen, während Kunden genügend Anbieter benötigen, um ihre Bedürfnisse zu erfüllen. Dies liegt daran, dass selbst wenn zentralisierte Rechendienste mit einem Angebotsschub konfrontiert sind, das Angebot an dezentralisierten Rechenressourcen die Nachfrage bei weitem übersteigt. Zum Beispiel ist die Nutzungsrate des Akash-Netzwerks von 40 % im Januar auf derzeit etwa 30 % gesunken.
Kosten- oder Rechenleistung priorisieren?
Günstigere dezentrale Rechennetze stehen vor Herausforderungen, da Kosteneinsparungen nicht so erheblich sind wie beworben. Darüber hinaus wird die Nachfrage nach diesen Netzwerken durch die unterschiedlichen Nutzungsraten weiter kompliziert. Niedrigwertige GPUs werden oft untergenutzt, während hochwertige wie die Nvidia A100s und H100s ständig mit maximaler Kapazität arbeiten, was zu begrenzter Verfügbarkeit führt und das potenzielle Angebot untergräbt.
Wenn KI-Unternehmen und Benutzer Cloud-Computing-Dienste von Web2- und Web3-Plattformen vergleichen, priorisieren sie sowohl Kosten als auch Zuverlässigkeit. Während Web3-Plattformen wie DePIN niedrigere Kosten bieten, haben sie oft Probleme mit Zuverlässigkeit und Ruf. Daher wird die Verbesserung der Zuverlässigkeit die Nachfrage stärken. Gleichzeitig wird das Angebot von Token-Belohnungen und das Teilen der Wachstumsanreize des Netzwerks Lieferanten anziehen, dem Netzwerk beizutreten. Dieser Ansatz bietet wirtschaftliche Anreize für neue Lieferanten, sich dem Netzwerk anzuschliessen und zu dessen Wachstum beizutragen.
Schlussfolgerung
Viele Kryptowährungen, die als KI-gekennzeichnet sind, reiten derzeit auf einer Hype-Welle, was zu überhöhten Preisen führt. Diese Aufregung um KI erinnert an die anfängliche Euphorie um Krypto und Blockchain. Während Krypto und Blockchain reale Auswirkungen hatten und sich weiterentwickeln werden, haben sie nicht alle übertriebenen Anfangsversprechen erfüllt. Dasselbe könnte mit KI passieren: Der Medienrummel könnte ihr Potenzial überschatten und Enttäuschungen verursachen.
Viele Anwendungsfälle befinden sich noch in den Kinderschuhen. Die meisten Projekte könnten diesen Marktzyklus nicht überstehen, obwohl einige wenige möglicherweise bestehen bleiben. Investoren sollten umsichtig sein und ihre Investitionen sorgfältig auf Basis fundamentaler Daten auswählen, anstatt nur aktuell angesagte Projekte zu verfolgen. Künstliche Intelligenz, Blockchain und Kryptowährungen haben enormes Potenzial zur Zusammenarbeit und bieten viele Vorteile. Die Möglichkeiten sind vielfältig und aufregend. Allerdings sind unrealistische Erwartungen zu vermeiden.
