Forschung: Überblick über den Sektor der KI-Agenten

Frühe Implementierungen von KI-Agenten im Kryptobereich nutzten hauptsächlich automatisierte soziale Chat-Funktionen, Sentiment-Analyse und oberflächliche On-Chain-Analyse.

Diese ersten Entwicklungen, hier als die „erste Welle“ bezeichnet, legten den Grundstein für konversationelle KI innerhalb von Plattformen wie X und ermöglichten Aufgaben wie Inhaltsmoderation, Benutzerengagement und On-Chain-Datenabruf.

Der Sektor reifte dann, als die „zweite Welle“ von KI-Lösungen begann, komplexe DeFi-Protokolle, Cross-Chain-Interoperabilität und Smart-Contract-basierte Automatisierung einzubeziehen.

Es ist erwähnenswert, dass, obwohl diese Projekte von „KI-gesteuerten“ Operationen sprechen, die Hauptarbeit der Inferenz außerhalb der Kette durchgeführt wird.

Dieser Bericht zielt darauf ab, einen Überblick über diese Projekte zu bieten und zu bewerten, wie sie gemeinsam zur Zukunft des Sektors beitragen.

Individuelle Projektanalysen

Agentische Rahmenwerke

Die erste Welle von KI-Agenten kann durch verschiedene Projekte illustriert werden, die sich auf agentische Rahmenwerke konzentrierten, von ai16z & seinem ELIZA-Rahmenwerk, Virtuals und seinem G.A.M.E.-Rahmenwerk, dem AI RIG Complex (ARC)-Rahmenwerk und Coinbases AgentKit, die alle hauptsächlich, aber nicht ausschließlich, KI-Agenten hervorbrachten, die kommunikative Funktionen betonten.

Ursprünglich als DAO-orientierte Initiative positioniert, die darauf abzielte, KI in das Fondsmanagement zu integrieren, ai16z’s begrenzte Transparenz seines internen KI-Agenten „AI Marc“ und des Investmentfonds, den er angeblich verwaltete, minderte seine Effektivität.

Der wahre Erfolg von ai16z entstand aus seinem ELIZA-Rahmenwerk, einem TypeScript-basierten Toolkit für die Entwicklung von KI-Agenten über Plattformen wie X, Discord und Telegram sowie in On-Chain-Umgebungen wie Solana oder EVM-basierten Blockchains.

Obwohl die Kernprozesse von ELIZA außerhalb der Kette laufen und nur wesentliche Ausgaben an Blockchain-Systeme übermittelt werden, zeigte sein Design eine frühe Integration von KI-Erkenntnissen mit On-Chain-Aktivitäten.

Das Rahmenwerk zielt darauf ab, jedem die Entwicklung von Agenten mit unterschiedlichen Funktionalitäten zu ermöglichen, von einfachen Chatbots oder Plugins bis hin zu potenziell fortgeschrittenen Funktionalitäten wie Integrationen, die einen ELIZA-Agenten in proprietäre Marktdatenservices oder spezialisierte Analysedashboards einbinden.

Ein ausführlicher Bericht über ai16z und das ELIZA-Rahmenwerk wurde in einem vorherigen Forschungsstück durchgeführt.

Die modulare Natur des ELIZA-Rahmenwerks fand bei Entwicklern Anklang, mit fast 15K Sternen auf Github zum Zeitpunkt des Schreibens, während sein zugehöriges $ai16z-Token eine Marktkapitalisierung von über 2,5 Milliarden Dollar auf seinem Höhepunkt erreichte, obwohl es seitdem um über 80% gesunken ist.

Die GitHub-Aktivität, gemessen an der Anzahl der Sterne, die das elizaOS-Repository pro Tag erhält, ist seit ihrem Höhepunkt im Dezember 2024 ebenfalls erheblich zurückgegangen.

Quelle: sentient.market, The Block Pro Research

Virtuals ist im Wesentlichen eine Startrampe für KI-Agenten, während sein G.A.M.E.-Rahmenwerk ähnlich wie ELIZA ist, da es einem Agenten ermöglicht, Aktionen und Entscheidungen basierend auf den ihm zur Verfügung gestellten Informationen zu planen und auszuführen.

Ein Überblicksbericht über Virtuals wurde in einem vorherigen Forschungsstück durchgeführt.

Der bemerkenswerteste KI-Agent, der aus dem Virtuals-Ökosystem hervorging, war aixbt, mit der Fähigkeit, autonom On-Chain- und Off-Chain-Kryptomarktdaten zu analysieren, um Echtzeiteinblicke zu bieten und mit Benutzern auf X zu interagieren.

ARC war ein weiteres agentisches Rahmenwerk mit ähnlichen Absichten und Zwecken wie sowohl ELIZA als auch G.A.M.E., wobei sein Hauptunterscheidungsmerkmal in der Rust-Sprache lag.

Ähnlich wie das ELIZA-Rahmenwerk, ARC’s GitHub-Aktivität

Die Aktivität, gemessen an der Anzahl der Sterne, die das Repository pro Tag erhält, ist seit ihrem Höhepunkt ebenfalls deutlich zurückgegangen.

Quelle: sentient.market, The Block Pro Research

Auf der anderen Seite ist Coinbase's AgentKit ein modellunabhängiges Framework, das direkt in das Coinbase Developer Platform SDK und unterstützende Tools wie LangChain integriert ist, um Entwicklern die Erstellung, Anpassung und Wartung von blockchain-bewussten Agenten zu ermöglichen.

DeFAI und Transaktionale KI-Lösungen

In der „zweiten Welle“ zeigen Projekte wie HeyAnon, Wayfinder, AgentKit, Giza und sein ARMA-Agent sowie Almanak einen wachsenden Fokus auf automatisierte Transaktionsabläufe und dezentrale Finanz-KI (DeFAI).

Im Gegensatz zur ersten Welle sind diese Projekte darauf ausgelegt, innerhalb etablierter DeFi-Frameworks zu arbeiten, wobei KI-Modelle off-chain operieren und Signale für die on-chain-Ausführung übertragen.

Dieser Ansatz erkennt an, dass, obwohl Smart Contracts unveränderlich und deterministisch bleiben, sie von off-chain-KI profitieren können, die Daten analysiert und Aktionen vorschlägt, vorausgesetzt, diese Ausgaben werden sicher und zuverlässig integriert.

Es ist erwähnenswert, dass die überwiegende Mehrheit der Projekte in dieser Kategorie noch keine eigenen Token eingeführt hat.

Eine Ausnahme bildet HeyAnon, das Modelle zur Verarbeitung natürlicher Sprache mit DeFi-Protokollen integriert und es den Nutzern ermöglicht, Swaps auszuführen, Vermögenswerte zu verleihen oder Token zu überbrücken, indem sie textbasierte Anweisungen über eine Konversationsschnittstelle einreichen.

Ein ähnliches Konzept, jedoch ohne bisherigen Token, implementiert Wayfinder, das KI-Agenten namens „Shells“ nutzt, um DeFi-Protokolle über eine chatbasierte Schnittstelle zu navigieren.

Durch die Nutzung von „Wegfindungspfaden“, im Wesentlichen kuratierte Routen über verschiedene Blockchains, ermöglicht Wayfinder den Nutzern, DeFi-Aufgaben auszuführen, indem sie ihre Absicht in Alltagssprache eingeben.

Obwohl die Vision einer einzigen, KI-gesteuerten „Super-App“ für DeFi verlockend ist, bleiben Fragen zur Datenzuverlässigkeit und zum Schutz vor bösartigen Smart-Contract-Auslösern, selbst trotz der Einbeziehung eingebauter Risikominderungen, wie Rückfallverfahren, falls die KI-Ausgabe erheblich von der erwarteten Ausgabe abweicht.

Es ist auch erwähnenswert, dass dieses System auf LLMs angewiesen ist, um die Logik von Smart Contracts off-chain zu interpretieren, bevor ihre Schlussfolgerungen in on-chain-Prozesse eingespeist werden.

In Anbetracht dessen sind potenzielle Fehlinterpretationen und die Möglichkeit bösartiger oder fehlerhafter Pfade signifikante inhärente Risiken.

Giza ist ein KI-Agenten-Stack, der Frameworks, Befehlszeilenschnittstellen, Datensätze und SDKs für autonome Agenten bietet.

Sein Debüt-KI-Agent, ARMA, optimiert die Renditen von Stablecoins über mehrere DeFi-Lending-Protokolle, indem er Mittel dynamisch umverteilt und Erträge automatisch aufstockt.

ARMA verlässt sich auf Echtzeit-APR-Daten und häufige Neugewichtung, die vermutlich off-chain gehandhabt werden, wobei nur sichere Zusammenfassungen on-chain eingespeist werden, was die Bedeutung zuverlässiger Dateneingaben und die Minimierung des Rechenaufwands hervorhebt.

Während frühe Daten auf potenzielle Renditeverbesserungen hindeuten, wird sein langfristiger Erfolg von robusten Sicherheitsprüfungen und der Leistung unter Marktvolatilität abhängen.

Almanak bietet eine umfassende Suite für KI-gesteuerte DeFi-Strategie-Ideation, -Test und -Bereitstellung, bestehend aus zwei Hauptkomponenten: seiner Strategie- und agentischen Infrastruktur.

Die „Strategie-Infrastruktur“ verwendet eine Blockchain-Zustandsmaschine zur Simulation und bietet realistischere Modellierung als herkömmliche preisfeed-basierte Ansätze.

In der Zwischenzeit nutzt seine „agentische Infrastruktur“ LLMs wie Llama und Mistral, um den gesamten Lebenszyklus von der Strategie-Ideation bis zur on-chain-Ausführung zu automatisieren.

Techniken wie datenschutzwahrende Ausführung über vertrauenswürdige Ausführungsumgebungen sind ut

genutzt werden, um Front-Running-Risiken zu mindern.

Story hebt sich von der Welle der DeFAI-gesteuerten Agentenbereitstellungen ab, indem es sich auf On-Chain-Intellectual Property (IP) anstatt auf die direkte Ausführung von KI-Agenten konzentriert.

Story tokenisiert IP in programmierbare Vermögenswerte, die eine automatische Lizenzierung und Tantiemenverteilung durch spezialisierte „Kerne“ auf einer benutzerdefinierten Layer-1-Architektur ermöglichen.

Sein Agent Transaction Control Protocol (Agent TCP/IP) zielt darauf ab, KI-gesteuerte Lizenzverhandlungen für IP-Vermögenswerte zu erleichtern.

Ein ausführlicher Bericht über Story wurde in einem früheren Forschungsstück durchgeführt.

Es ist jedoch zu beachten, dass Story ein stark finanziertes Projekt mit erheblichen privaten Markterhöhungen ist, was zu seiner vergleichsweise höheren Bewertung auf dem öffentlichen Markt bei der Einführung führt.

Sektorweite Meta-Analyse

Die Entwicklungstrends, die bei diesen Projekten beobachtet werden, zeigen eine klare Verschiebung von sozialer Erleichterung hin zu direktem finanziellen Engagement.

Die erste Welle zeigte, dass KI ein effektives Werkzeug sein könnte, um Chatbots zu orchestrieren, Online-Communities zu moderieren und sogar Governance-Ideen für DAOs in beratender Funktion vorzuschlagen, obwohl die tatsächliche Ausführung im Nachhinein eher enttäuschend war.

Projekte in dieser Kategorie konzentrierten sich darauf, spezialisierte Frameworks für bots mit ausgeprägter Persönlichkeit zu entwickeln und die Sprachfähigkeiten der KI in blockchain-basierte Interaktionen zu integrieren.

Der Erfolg dieser früheren Unternehmungen offenbarte jedoch auch Lücken in der realen wirtschaftlichen Anwendung.

Infolgedessen baut die zweite Welle auf diesen frühen Experimenten auf, indem sie auf transaktionale Kontexte abzielt, mehrere Ketten überbrückt und DeFi-Operationen in großem Maßstab automatisiert, wobei Projekte wie HeyAnon und Wayfinder sowie Giza, ARMA und Almanak diesen Wandel veranschaulichen.

Während jedes dieser Projekte der zweiten Welle den transaktionalen Ansatz unterschiedlich angeht, veranschaulichen sie alle eine breitere Bewegung weg von KI als bloßem „gesprächigen Bot“ hin zu KI als integralem Teilnehmer am Werttausch.

Dieser Wandel bringt tiefere Herausforderungen und Spannungen mit sich und wirft Fragen auf, wie diese Projekte potenzielle Ausbeutungsrisiken handhaben sollten, sei es durch ausgeklügelte Marktmanipulation, KI-Fehlinterpretation, Datenkorruption oder Schwachstellen in Off-Chain-Verarbeitungspipelines.

Auf der anderen Seite unterstreicht Story die erweiterte Definition von KI-Erleichterung, indem es programmierbare On-Chain-Logik auf IP-Lizenzierungs- und Nutzungsszenarien, einschließlich KI-Datensätzen, anwendet.

Einschränkungen

Mehrere Einschränkungen werden auf diesen Plattformen deutlich:

Sicherheitsarchitektur

Wie bei jedem Protokoll oder Mechanismus in der Krypto-Welt bestehen bei KI-gesteuerten On-Chain-Interaktionen inhärente Risiken von Private-Key-Kompromittierungen und der Ausnutzung von Schwachstellen in Echtzeit-Rebalancing- oder Lizenzierungsprotokollen.

Datenzuverlässigkeit & KI-Modellrisiken

Unverifizierte oder manipulierte Datenquellen können Strategien zur Ertragsoptimierung oder Aufmerksamkeits-Token untergraben. LLMs sind auch anfällig für Fehler und „Halluzinationen“.

Robuste Schutzmaßnahmen, wie rigorose Modellvalidierung, kontinuierliche Überwachung und die Nutzung von Konsens aus mehreren KI-Systemen, wären unerlässlich, um Fehlinterpretationen kritischer Anweisungen zu verhindern.

Herausforderungen der sozialen Automatisierung

KI-gesteuerte soziale Automatisierung beruht auf der Verarbeitung großer Datenmengen Off-Chain und der anschließenden Einspeisung umsetzbarer Erkenntnisse On-Chain.

Da der Großteil der Datenanalyse Off-Chain erfolgt, ist es eine erhebliche Herausforderung, sicherzustellen, dass diese Systeme transparent und überprüfbar bleiben.

Entwickler müssen nicht nur die technischen Aspekte der Datenverarbeitung berücksichtigen, sondern auch, wie sie Aufsichtsmechanismen implementieren können, die Fairness gewährleisten und Vorurteile mindern, insbesondere wenn KI potenziell

hauptsächlich für Governance-Prozesse verwendet.

Erkenntnisse

Die erste Welle von KI-Projekten im Blockchain-Bereich zeigte, dass automatisierte Chat-Tools, Social-Media-Bots und gemeinschaftsgetriebene Interaktionen einen Platz zum Gedeihen haben. Doch diese Initiativen offenbarten auch die Grenzen der konversationellen KI und hoben die Decke des Mangels an wirtschaftlichem Nutzen hervor.

Die zweite Welle hat einen entscheidenden Schritt nach vorne gemacht, indem sie KI in DeFi-Protokolle und fortgeschrittene On-Chain-Operationen integriert hat.

Trotz des Versprechens könnte DeFAI auch das private Schlüssel-Schwachstellenprofil von On-Chain-Handelsbots erben.

Ähnlich wie bei Handelsbots könnte die breite Akzeptanz exponentiell zunehmen, wenn die UX-Vorteile von DeFAI überzeugend sind, unabhängig davon. Ein Teil der Benutzerbasis wird jedoch unweigerlich unter den Extremrisiken von Schlüsselmismanagement oder böswilligen Ausnutzungen leiden, falls diese auftreten sollten.

Kurz gesagt, der Weg von chatbasierter Neuheit zu wertbasierter Praktikabilität ist nun gut im Gange. Wenn diese Hindernisse mit gründlichen Tests und ausfallsicheren Mechanismen angegangen werden, könnte KI tatsächlich zu einem entscheidenden Ermöglicher von benutzerfreundlichem DeFAI werden.