Im Bericht „State of AI 2025“ widmet Messari ein ganzes Kapitel der Decentralized AI (deAI) und definiert sie nicht als ideologische Alternative zur traditionellen KI, sondern als ein notwendiges Ergänzungselement, um Transparenz, Sicherheit und globale Teilnahme zu gewährleisten.
In einer Welt, in der Modelle zu Black Boxen werden und die Macht privater Labore wächst, ist die Rolle der deAI nicht theoretisch: Sie ist eine strukturelle Antwort auf die Herausforderungen der neuen Ordnung der Intelligenz.
Die künstliche Intelligenz wird zur strategischsten digitalen Infrastruktur des Planeten. Doch während die Tech-Giganten ihre Dominanz festigen, wächst eine parallele Bewegung, die eine radikal andere KI aufbauen möchte: offen, überprüfbar, permissionless und dezentralisiert.
Inhalt
Was ist die Decentralized AI (deAI)?
Die deAI ist ein KI-System, das auf verteilten Netzwerken aufgebaut ist, wo:
- Daten können in einer permissionless Weise gesammelt, etikettiert und ausgetauscht werden;
- die Berechnung wird auf globalen Netzwerken unabhängiger GPUs durchgeführt;
- die Modelle können koordiniert trainiert und genutzt werden, ohne eine einzige Kontrollinstanz;
- Privatsphäre, Verifizierbarkeit und Reputation werden durch Blockchain, Kryptografie und Attestierungssysteme gewährleistet;
- die KI-Agenten können in einer trustless Umgebung Transaktionen durchführen, sich identifizieren und zusammenarbeiten.
Mit anderen Worten:
Die deAI ist die Infrastruktur, die es ermöglicht, eine offene KI „für jeden und von jedem“ zu entwickeln, ohne von einem privaten Giganten abhängig zu sein.
Warum wird deAI notwendig?
Messari unterteilt die Gründe in zwei Kategorien: philosophische und praktische.
🔹 Philosophie
- Konzentration der Macht
Die zentralisierte KI gibt wenigen Unternehmen (OpenAI, Google, Anthropic) enorme Kontrolle. Dies beeinflusst Narrative, Datenzugang, technologische Standards und sogar soziale Prozesse. - Intransparenz
Wir wissen nicht, wie die Modelle trainiert wurden, welche Daten sie verwenden und welche Biases sie enthalten. - Begrenztes Vertrauen
Es gibt keine überprüfbaren Garantien, dass das bereitgestellte Modell das angegebene ist oder die Daten korrekt verarbeitet.
🔹 Praxis
- Globale Koordination
Blockchains ermöglichen die Koordination von Millionen von Geräten und Mitwirkenden ohne Vertrauen. - On-Chain-Verifizierbarkeit
Identität, Reputation, Modellstatus und Integrität können unveränderlich aufgezeichnet werden. - Native Zahlungen
KI-Agenten benötigen sofortige Zahlungen, Mikrotransaktionen und sofortige Abwicklung: Hier ist Krypto unersetzlich. - Skalierbarkeit durch verteilte Netzwerke
DeAI nutzt bereits vorhandene Hardware (Gaming-PCs, Edge-Geräte, kleine Rechenzentren), nicht nur Hyperscaler-GPUs.
Der deAI Stack: Die 6 Ebenen, die das Ökosystem bilden
Der Bericht beschreibt detailliert den technologischen Stack der deAI, der aus 6 miteinander verbundenen Schichten besteht: Data → Compute → Training → Privacy/Verification → Agents → Applications.
Schauen wir sie uns einzeln an.
1. Datenebene
Das Herzstück jedes KI-Systems ist der Datensatz.
In der deAI werden die Daten über verteilte Netzwerke gesammelt, etikettiert, gespeichert und ausgetauscht.
Hauptaktivitäten:
- Datenerfassung (Video, Audio, Sensoren, reale Interaktionen)
- Labeling über incentivierte Marktplätze
- Bereinigung & Vorverarbeitung
- Speicherung auf verteilten Netzwerken (Filecoin, Arweave, Jackal)
- Datenmarktplätze (Ocean, Vana, Cudis)
Die Dezentralisierung ermöglicht:
- größere Datenvielfalt
- direkte finanzielle Anreize für die Beitragszahler
- Verifizierbarkeit (Herkunft, Zeitstempel, Identität)
- Reduzierung der Kosten für proprietäre Datensätze
Mit der bis 2030 erwarteten „data famine“ wird diese Schicht entscheidend.
2. Compute Layer
Hier findet der kostspieligste Teil der KI statt: das Durchführen von Training und Inferenz.
Dezentrale Compute-Netzwerke (DCN):
- Akash
- Render
- io.net
- Aethir
- Hyperbolisch
- EigenCloud
- Exabits
Der Hauptvorteil: Sie stellen On-Demand-Computing zu Marktpreisen zur Verfügung, die nicht von einem Cloud-Anbieter festgelegt werden.
Historisch gesehen waren sie für das großflächige Training ineffizient (aufgrund von Latenzen und Synchronisationen), heute sind DCN perfekt geeignet, um Inference bereitzustellen, weil:
- erfordert weniger Kommunikation zwischen GPUs
- kann auf heterogener Hardware ausgeführt werden
- ist das Segment, das bis 2030 voraussichtlich 50–75% der Nachfrage nach Rechenleistung ausmachen wird
3. Trainings- & Inferenzschicht
Messari unterscheidet klar:
Vorbereitungstraining
Äußerst schwierig zu dezentralisieren:
erfordert riesige Datensätze, enge Synchronisation, extrem hohe Bandbreite.
Post-Training (SFT / RLHF / RL)
Perfekt für verteilte Netzwerke:
- mehr Asynchronität
- weniger Kommunikation
- mehr Skalierbarkeit
- Möglichkeit des Crowdsourcings von Daten
Dezentrale Inferenz
Es ist das fehlende Glied, das die deAI im realen Leben nutzbar macht.
Im Bericht zitierte Beispiele:
- Prodia
- Rückgänge
- Fortytwo Network
- dria
- inference.net
4. Datenschutz- & Verifizierungsschicht
Hier kommen die komplexesten kryptografischen Technologien ins Spiel.
Grundlegende Techniken:
- ZKML (Zero-Knowledge Machine Learning)
- Optimistic ML (Überprüfung durch Challenge-Periode)
- TEE-basiertes ML (Trusted Execution Environments)
- FHE (vollständig homomorphe Verschlüsselung)
- MPC (Multi-Party Computation)
- Federiertes Lernen
Ziel:
Sicherstellen, dass ein Modell korrekt berechnet wurde, ohne Änderungen und ohne sensible Daten offenzulegen.
Erwähnte Projekte:
- Phala (TEE)
- Zama (FHE)
- Nillion (MPC)
- EZKL (ZKML)
- Lagrange (zkML + Verifizierungsinfrastruktur)
Dies ist die wichtigste Schicht für die Unternehmensadoption.
5. Agenten & Orchestrierungsschicht
Der Bericht analysiert, wie autonome Agenten zur neuen „Schnittstelle“ der KI werden.
Ein vollständiger Stack umfasst:
- Basismodell (LLM oder SLM)
- Tools (API, Wallet, Browser-Automatisierung)
- Framework (ElizaOS, Daydreams, Olas, Questflow)
- Kommunikationsstandard
- Multi-Agenten-Koordination
- nachprüfbare Integrität (unveränderlicher Prompt, verifizierte Begründung)
Die Blockchains öffnen neue Möglichkeiten für Agenten:
- Identität
- Reputation
- self-custodial Zahlungen
- trustless Zugang zu Finanzdienstleistungen
- Prüfbarkeit
Die Agenten werden in den nächsten 5 Jahren die Hauptnutzer der Blockchain sein.
6. Anwendungsschicht
Die letzte Ebene: die Apps, die auf dem gesamten Stack aufgebaut sind.
Beispiele:
- Trading-Agenten
- autonome DeFi-Bots
- autonome Browser
- Cybersecurity-Systeme
- KI-gestützte Datenkennzeichnung
- Multi-Agenten-Universen für Gaming, Discovery oder E-Commerce
- dezentrale Empfehlungssysteme
Die deAI-Apps funktionieren wie normale KI, jedoch mit drei Unterschieden:
- Transparenz
- Überprüfbarkeit
- Interoperabilität mit Krypto
Warum jetzt? Die 5 Kräfte, die die deAI antreiben
Messari identifiziert fünf Megatrends, die den perfekten Boden für das Wachstum der dezentralisierten KI schaffen:
- Nachfrage nach Inferenz in vertikalem Boom
- Erschöpfung öffentlicher Daten und Nachfrage nach proprietären Daten
- Explosion von KI-Agenten, die autonom handeln müssen
- Globaler Kampf um Talente und prohibitive Kosten für Rechenleistung
- Fortschritte bei der Dezentralisierung von Training und Verifizierung
Zentralisierte KI kann nicht alles erfüllen: Es braucht Komplementarität.
Fazit: deAI ist die Grundlage für eine offene, überprüfbare und partizipative KI
Die dezentrale KI ist kein Trend: Sie ist eine strukturelle Antwort.
Während die Modelle wachsen und die Macht der Big Techs sich konzentriert, wird die Notwendigkeit von:
- überprüfen
- dezentralisieren
- bestätigen
- koordinieren
- ausgleichen
- schützen
- verteilen
wird zentral.
Die deAI ist die Infrastruktur, die es der KI ermöglicht, nicht nur leistungsstark, sondern auch:
- offen
- sicher
- dezentralisiert
- weltweit zugänglich




