In der modernen digitalen Landschaft formen zwei mächtige Kräfte die Art und Weise, wie wir Technologie bauen und mit der Welt interagieren: künstliche Intelligenz und Kryptographie. Künstliche Intelligenz bezieht sich auf Computersysteme, die aus Daten lernen, um Aufgaben auszuführen, die normalerweise menschliches Denken erfordern, wie das Erkennen von Mustern, das Treffen von Entscheidungen oder das Generieren von Text. Kryptographie ist in diesem Kontext nicht nur auf geheime Codes beschreitbar, sondern ein breites Set an Werkzeugen zur Sicherung von Daten, zur Verifizierung, dass ein Computerprogramm genau das getan hat, was es sollte, und zur Gewährleistung, dass digitale Transaktionen ohne einen zentralen „Chef“ stattfinden. Jahrelang existierten diese beiden Felder in getrennten Silos, doch eine wachsende Zahl von Forschern und Unternehmen versucht, sie zu verschmelzen. Die Begeisterung ist spürbar, doch sie verschleiert oft, was heute tatsächlich möglich ist im Vergleich zu dem, was ein ferner Traum bleibt. Das Verständnis darüber, wo sich diese Technologien wirklich schneiden, ist entscheidend, denn die Kombination verspricht, tiefe Probleme sowohl in der Sicherheit als auch in der Automatisierung zu lösen, führt aber auch neue Risiken ein, die wir erst am Anfang zu verstehen beginnen.

Eine umfassende neue Umfrage, verfasst von einem großen Team von Forschern führender Universitäten und Industrielabore, durchschneidet das Grundrauschen, um den aktuellen Stand dieses Schnittpunkts abzubilden. Das Papier mit dem Titel „Crypto x AI, AI x Crypto“ behauptet nicht, eine magische Lösung gefunden zu haben, die sofort alles behebt. Stattdessen bietet es eine nüchterne Bestandsaufnahme dessen, was erreicht wurde, was lediglich theoretisch ist und wo die tatsächlichen Hindernisse liegen. Die Forscher organisieren ihre Ergebnisse in zwei Hauptrichtungen. Die erste ist „Crypto x AI“, welche fragt, wie künstliche Intelligenz Blockchain-Systeme und digitale Währungen nützlicher und einfacher zu bedienen machen kann. Die zweite ist „AI x Crypto“, welche untersucht, wie die Sicherheitswerkzeuge der Kryptographie KI-Systeme vor Manipulation und Betrug schützen können. Die Autoren kommen zu dem Schluss, dass das Potenzial zwar immens ist, die beiden Technologien sich jedoch noch in einem sehr frühen Stadium einer bedeutsamen Integration befinden und viele populäre Überzeugungen über ihre kombinierte Kraft derzeit eher Hype als Realität sind.

Auf der Seite der Nutzung von KI zur Unterstützung von Krypto stellt die Umfrage fest, dass künstliche Intelligenz bereits als Werkzeug zur Analyse nützlich ist. Forscher haben erfolgreich maschinelles Lernen angewandt, um Blockchain-Netzwerke nach Anzeichen von Problemen zu scannen, wie etwa das Aufspüren betrügerischer Transaktionen oder das Identifizieren fehlerhafter Codes in Smart Contracts – dies sind die selbstausführenden Programme, die auf Blockchains laufen. Diese Werkzeuge funktionieren am besten, wenn sie über reichlich historische Daten verfügen, um daraus zu lernen, wobei sie wie ein erfahrener Inspektor agieren, der einen Fehler erkennt, weil er bereits tausende ähnliche Beispiele gesehen hat. Über das bloße Suchen nach Fehlern hinaus hilft KI Designern dabei, bessere Blockchain-Systeme zu bauen. Durch das Lernen aus vergangenen Leistungen kann KI Verbesserungen für die Regeln vorschlagen, die den Betrieb dieser Netzwerke regeln, wie etwa die Geschwindigkeit, mit der sie Transaktionen verarbeiten, oder wie sie Konflikte zwischen Nutzern handhaben. Vielleicht am spannendsten ist, dass KI beginnt, eine Brücke zwischen der starren Welt der Blockchains und der unstrukturierten, chaotischen realen Welt zu schlagen. Während Blockchains traditionell nur saubere, strukturierte Daten verstehen, kann KI nun helfen, menschliche Sprache oder komplexe reale Ereignisse in ein Format zu übersetzen, das eine Blockchain verstehen kann, was es potenziell ermöglicht, dass digitale Verträge automatisch auf Nachrichtenberichte, Wetteränderungen oder Rechtsdokumente reagieren, ohne dass ein Mensch die Daten manuell eingeben muss.

Die Umfrage hebt jedoch auch erhebliche Gefahren in dieser Richtung hervor. Da KI immer fähiger wird, eigenständig Entscheidungen zu treffen, besteht das Risiko, dass diese autonomen Agenten manipuliert werden könnten oder auf unvorhersehbare Weise handeln könnten. Die Forscher weisen auf eine spezifische Spannung in Finanzanwendungen hin: Wenn ein KI-Investmenttool seine Strategie geheim hält, um seine Gewinne zu schützen, wird es für Nutzer unmöglich zu wissen, ob das Tool fair ist oder ob Insider unangemessen handeln. Wenn das Tool transparent ist, damit Nutzer die Fairness prüfen können, kann seine Strategie von Konkurrenten gestohlen werden. Dieses Dilemma, das die Autoren als „CoinAlg Bind“ bezeichnen, legt nahe, dass das bloße Hinzufügen von KI zu Krypto nicht automatisch Probleme des Vertrauens oder der Fairness löst; in einigen Fällen kann es sogar neue, schwierigere Probleme schaffen.

Beim Übergang zur anderen Richtung, „AI x Crypto“, untersucht das Papier, wie kryptographische Werkzeuge künstliche Intelligenz sicherer und vertrauenswürdiger machen können. Derzeit müssen Nutzer, wenn sie ein KI-Modell eine Frage stellen, darauf vertrauen, dass das Unternehmen, welches das Modell betreibt, die Antwort nicht manipuliert, die privaten Daten des Nutzers nicht stiehlt und nicht ein anderes Modell verwendet als das beworbene. Die Kryptographie bietet Wege, diese Dinge zu verifizieren, ohne den Betreiber vertrauen zu müssen. Beispielsweise ermöglicht eine Technologie namens „Zero-Knowledge Proof“ (Null-Wissen-Beweis) einem Computer zu beweisen, dass er eine spezifische Berechnung korrekt ausgeführt hat, ohne die Details darüber preiszugeben, wie er es getan hat. Dies bedeutet, dass ein Nutzer verifizieren kann, dass ein KI-Modell seine Daten exakt wie versprochen verarbeitet hat, selbst wenn das Modell selbst ein Geheimnis ist. Ähnlich nutzt „Trusted Computing“ spezielle Hardware, um eine sichere, isolierte Umgebung zu schaffen, in der ein Modell laufen kann, wodurch sichergestellt wird, dass niemand, nicht einmal der Besitzer des Computers, in die Daten hineinsehen oder die Ergebnisse ändern kann. Diese Werkzeuge könnten es ermöglichen, KI für sensible Aufgaben, wie medizinische Diagnosen oder Kreditbewilligungen, zu nutzen, mit der Gewissheit, dass die privaten Informationen privat bleiben und die Ergebnisse korrekt sind.

Die Umfrage untersucht auch die Idee, Blockchains zu nutzen, um die Infrastruktur zu organisieren, die KI antreibt, wie etwa die Schaffung dezentraler Netzwerke, in denen Menschen Rechenleistung vermieten, um Modelle zu trainieren. Während dies nach einem Weg klingt, um Kosten zu senken, warnen die Forscher davor, dass dies kein garantierter Gewinn ist. In ihrer Analyse stellen sie fest, dass das Mieten eines Computers in einem dezentralen Netzwerk pro Stunde zwar günstiger sein mag als bei einem großen Cloud-Dienst, aber die zusätzliche Zeit und Komplexität, die für die Koordination zwischen vielen verschiedenen Computern erforderlich ist, die Gesamtkosten eines großen Auftrags viel höher machen kann. Sie argumentieren, dass der effektivste Einsatz dieser Netzwerke derzeit für kleinere, weniger komplexe Aufgaben ist und dass die Branche mehr rigorose Tests benötigt, um zu verstehen, wann ein dezentraler Ansatz tatsächlich effizienter ist als ein traditioneller.

Der wohl kritischste Teil der Umfrage ist ihr Bemühen, die weit verbreiteten Missverständnisse zu entlarven, die sich in der öffentlichen Vorstellung festgesetzt haben. Die Autoren stellen explizit klar, dass Blockchains nicht magisch zwischen von Menschen erstellten Inhalten und von KI erstellten Inhalten unterscheiden können. Während eine Blockchain einen digitalen Fingerabdruck einer Datei aufzeichnen kann, um zu beweisen, dass diese seit ihrer Erstellung nicht verändert wurde, kann sie nicht sagen, ob diese Datei ursprünglich von einem Menschen oder einer Maschine gemacht wurde; dieses Urteil erfordert weiterhin einen externen Detektor, der sich irren kann. Ähnlich argumentiert das Papier, dass das bloße Ausführen eines KI-Modells auf einem dezentralen Netzwerk eine KI nicht automatisch fair oder unvoreingenommen macht. Voreingenommenheit (Bias) ist meist in die Daten eingebettet, die zum Trainieren des Modells verwendet werden, und das Verschieben des Modells auf einen anderen Computer behebt die Daten nicht. Während Blockchains den Prozess des Trainings transparenter machen können, indem sie es ermöglichen, zu sehen, welche Daten verwendet wurden, garantiert diese Transparenz allein noch kein faires Ergebnis.

Schließlich befassen sich die Forscher mit der Idee, dass die Ausstattung eines KI-Agenten mit einer digitalen Wallet ihn wahrhaft autonom macht. Sie klären auf, dass eine Wallet der KI zwar erlaubt, Dienste zu bezahlen oder Geld zu verdienen, ohne dass ein Mensch einen Knopf drücken muss, dies jedoch lediglich Automatisierung ist, nicht wahre Unabhängigkeit. Die KI ist immer noch abhängig von dem Menschen, der den Server kontrolliert, auf dem sie läuft; wenn dieser Mensch den Server abschaltet, hört die KI auf zu arbeiten, unabhängig davon, ob sie Geld in ihrer Wallet hat. Wahre Autonomie würde erfordern, dass die KI in der Lage ist, ihre eigene Existenz aufrechtzuerhalten und Entscheidungen auf hoher Ebene ohne menschliches Eingreifen zu treffen – eine Fähigkeit, die die aktuelle Technologie noch nicht besitzt.

Die Umfrage schließt mit der Betonung, dass die Integration von Krypto und KI ein vielversprechendes, aber noch junges Feld ist. Die Forscher haben einen klaren Weg nach vorn identifiziert, doch dieser ist eher mit Herausforderungen als mit einfachen Lösungen gepflastert. Sie fordern strengere Tests, um die Kosten dezentraler Systeme gegenüber traditionellen zu vergleichen, sowie bessere Methoden, um KI-Systeme gegen neue Arten von Angriffen abzusichern, die entstehen, wenn sie mit autonomen Agenten kombiniert werden. Die Arbeit dient als notwendige Realitätsprüfung und erinnert uns daran, dass während die Werkzeuge zum Bau einer sichereren und intelligenteren Zukunft entstehen, wir uns noch in der Anfangsphase befinden, zu lernen, wie man sie effektiv einsetzt. Die Zukunft dieses Schnittpunkts hängt nicht vom Hype ab, sondern von der sorgfältigen, methodischen Arbeit, zu verifizieren, was funktioniert, zu verstehen, was scheitert, und Systeme zu bauen, die robust genug sind, um die Komplexität der realen Welt zu bewältigen.