In den letzten zehn Jahren hat sich die künstliche Intelligenz hauptsächlich von derselben Ressource ernährt: den öffentlichen Daten des Webs. Texte, Bilder, Dokumente, Foren, Nachrichten, Blogs, Repositories… eine enorme Menge an Material, das die Modelle aufgenommen haben, um ihre Sprache und kognitiven Fähigkeiten zu entwickeln. Doch diese Phase neigt sich dem Ende zu.
Laut den von Messari zitierten Projektionen könnte die gesamte Menge an öffentlich verfügbarem Text für das Training von Modellen—etwa 300 Billionen Token—zwischen 2026 und 2032 vollständig aufgebraucht sein. Das bedeutet, dass die großen Modelle das Internet „aufgefressen“ haben und nun etwas anderes benötigen. Die nächste Grenze der KI wird nicht mehr das Web sein: Es wird die reale Welt sein.
Und hier kommt das Konzept der Frontier-Daten ins Spiel, die Ressource, die die Wettbewerbsfähigkeit der Modelle der Zukunft bestimmen wird. Video-, Audio-, sensorische, motorische, robotische Daten, Aktionsdaten, Daten, die durch die Interaktion mit der physischen Welt oder mit komplexen digitalen Schnittstellen generiert werden. Daten, die nicht einfach heruntergeladen werden können: Sie müssen gesammelt, koordiniert, verifiziert und vor allem gefördert werden.
Aus diesem Grund ist die Blockchain kein Detail oder eine marginale Ergänzung: Sie ist die Infrastruktur, die es ermöglicht, diese neue Datenökonomie zu orchestrieren.
Inhalt
Das Ende des „Web Scraping“ und der Beginn von Daten mit höchstem Wert
Die fortschrittlichsten Modelle des Jahres 2025—nicht nur sprachlich, sondern auch multimodal, agentisch und auf das Denken ausgerichtet—verbessern sich nicht mehr durch die einfache Hinzufügung generischer Textdatensätze. Sie benötigen etwas viel Spezifischeres und viel Kostspieligeres zu sammeln: Daten, die Aktionen, Intentionen, Bewegung, Interaktion, Manipulation, Kontext widerspiegeln.
Dies ist beispielsweise der Fall bei den computer-use agents, den KI-Systemen, die in der Lage sind, direkt mit dem Computer zu interagieren, wie es ein Mensch tun würde. Um diese Systeme zu trainieren, reichen textuelle Beschreibungen nicht aus: Es werden „Trajektorien“ benötigt, also reale Aufzeichnungen von Personen, die Aufgaben auf dem Bildschirm ausführen.
Ein Protokoll wie Chakra, das im Bericht erwähnt wird, hat eine Erweiterung entwickelt, die es den Nutzern ermöglicht, ihren Bildschirm aufzuzeichnen, während sie alltägliche Aufgaben erledigen: ein Verwaltungssystem navigieren, ein Excel-Dokument vorbereiten, Bilder bearbeiten, professionelle Software verwenden. Diese Aufzeichnungen werden zu äußerst wertvollem Material, um Modelle wie GLADOS-1 zu trainieren, das erste Computer-Nutzungsmodell, das fast vollständig auf crowdsourced Daten basiert.
Und genau das ist der Punkt: diese Daten existieren nicht, bis jemand sie erzeugt. Und sie müssen bezahlt werden. Genau wie man für Energie oder für Inferenz bezahlt.
Der steigende Wert von Gameplay-Action-Pairs
Ein weiteres anschauliches Beispiel kommt aus der Videospielwelt. Eine Plattform wie Shaga, die als dezentrales Cloud-Gaming-Netzwerk entstanden ist, produziert ein äußerst wertvolles Nebenprodukt: die sogenannten Gameplay-Action Pairs (GAP), also synchronisierte Paare dessen, was auf dem Bildschirm passiert und der Befehle, die der Spieler erteilt.
Es handelt sich um Daten, die nicht einfach durch das Ansehen von Videos auf YouTube abgerufen werden können: Sie müssen direkt an der Quelle, auf dem Gerät des Spielers, erfasst werden. Und dieser Datensatztyp kann laut Schätzungen von Messari bis zu 50–100 Dollar pro Spielstunde wert sein.
Zur Kontextualisierung: Shaga hat bereits über 259.000 Stunden Gameplay gesammelt, mit einem geschätzten Wert von über 26 Millionen Dollar. Und es ist kein Zufall, dass OpenAI ein Jahr zuvor eine halbe Milliarde angeboten hat, um Medal zu erwerben, eine ähnliche Plattform, die sich genau auf Gameplay-Aufzeichnungen spezialisiert hat.
Diese Daten dienen dazu, die world models zu trainieren, Modelle, die nicht nur die Sprache interpretieren, sondern auch die Physik, die Kausalität und die Interaktion zwischen Agent und Umgebung simulieren. Es sind die Modelle, die intelligentere Roboter, autonome Agenten, fortschrittliche Vorhersagesysteme und KI ermöglichen werden, die sich in komplexen Umgebungen „bewegen“ können.
Physical AI: die Intelligenz, die in die physische Welt eintritt
Und genau hier kommen wir zur zweiten großen Welle der Frontier-Daten: die robotischen Daten.
Die KI der Zukunft wird nicht nur in Rechenzentren leben. Sie wird in Robotern, Drohnen, autonomen Fahrzeugen, verteilten Sensoren und intelligenten Haushaltsgeräten existieren. Jeder Roboter wird Daten benötigen, um sich zu bewegen, Objekte zu identifizieren, Entscheidungen zu treffen und Umgebungen zu manipulieren. Und diese Datenerfassung ist unglaublich kostspielig: Sie erfordert physische Hardware, menschliche Operatoren für die Fernsteuerung, Wartung und kontinuierliche Koordination.
Projekte wie PrismaX, BitRobot, GEODNET und NATIX beginnen, die typischen Anreizmechanismen des Web3 zu nutzen, um diese Kosten auf ein globales Netzwerk von Beitragenden zu verteilen. Anstatt dass ein einziges Unternehmen robotische Daten sammelt, können Tausende von Nutzern dies koordiniert tun und direkte Vergütungen erhalten.
Es ist die gleiche Logik wie beim Mining: aber anstelle der Rechenleistung ist hier der Beitrag der reale Datenpunkt.
Machine-to-Machine-Koordination: wenn die KI in der realen Welt handelt
Wenn Roboter und KI-Agenten tatsächlich beginnen, mit der physischen Welt zu interagieren, ist ein völlig neues Maß an Koordination erforderlich. Die Roboter müssen:
- sich gegenseitig identifizieren,
- Zahlungen abwickeln,
- Dienstleistungen kaufen,
- Daten verbrauchen,
- Aufgaben auf überprüfbare Weise ausführen,
- nachweisen, dass eine Handlung durchgeführt wurde,
- sich auf gemeinsame Register für Identität und Reputation verlassen.
Hier treten Initiativen wie OpenMind und Peaq in Erscheinung, die versuchen, eine Onchain-Infrastruktur für die Kommunikation und Identität von Robotern zu schaffen. Ein Äquivalent zum DNS, aber für Maschinen. Ein System, in dem Drohnen, autonome Fahrzeuge, Roboterarme oder industrielle Systeme ihre Präsenz melden, ihre Aktionen zertifizieren, andere Systeme bezahlen und Dienstleistungen austauschen können.
Es ist der Beginn der machine economy, einer Wirtschaft, die von nicht-menschlichen Entitäten bevölkert wird, die autonom auf dezentralen Netzwerken interagieren.
Zertifizierte reale Daten: Die Rolle von IoTeX und DePIN-Netzwerken
Der Bericht widmet auch IoTeX einen wichtigen Fokus, ein Protokoll, das in den letzten Jahren seine Infrastruktur in eine vollständige Plattform für die Sammlung, Zertifizierung und Orchestrierung von realen Daten umgewandelt hat.
IoTeX ermöglicht die Verbindung von Sensoren, IoT-Geräten, Haussystemen und industriellen Geräten und bietet:
- eine verifizierte Onchain-Identität für jedes Gerät,
- ein Datenaggregationssystem,
- eine Ebene der kryptografischen Bescheinigung mittels ZK,
- APIs, die es KI-Agenten ermöglichen, diese Daten in Echtzeit zu nutzen.
Heute koordiniert IoTeX mehr als 16.000 Geräte und Dutzende von vertikalen Projekten, wodurch KI-Agenten die Möglichkeit erhalten, auf verifizierte Daten aus der realen Welt zuzugreifen. Ein enormer Unterschied im Vergleich zum einfachen Scraping.
Der Endpunkt: Daten als finanzieller Vermögenswert
Laut Messari ist die Richtung klar: Daten werden zu einer vollwertigen finanziellen Ressource. Genau wie man heute in Compute, GPU und Colocation investieren kann, wird es in Zukunft möglich sein, in „Datenströme“ zu investieren, Nutzungsrechte zu erwerben, Netzwerke zu unterstützen, die Frontier-Daten sammeln, und im Gegenzug wirtschaftliche Erträge zu erzielen.
Es ist eine fast unvermeidliche Entwicklung: Wenn Daten knapp, wertvoll und schwer zu produzieren werden, dann werden sie einen Markt, einen Preis, eine Nachfrage und ein Angebot haben.
Die Blockchain ist erneut die ideale Schicht für:
- diese Wirtschaft koordinieren,
- die Integrität überprüfen,
- die Herkunft nachverfolgen,
- die Vergütungen verteilen,
- die Nutzer schützen,
- die globale Skalierbarkeit unterstützen.
Fazit
Die KI wird nicht durch immer größere Modelle voranschreiten, sondern durch immer reichhaltigere Daten, die aus der realen Welt stammen und über globale Netzwerke von Beitragenden gesammelt werden. Es ist der größte Goldrausch des nächsten Jahrzehnts: nicht der der Chips, sondern der der Daten.
Die Web3-Protokolle sind kein Detail: Sie sind die natürliche Plattform, um diese Daten zu sammeln, zu verifizieren, zu verteilen und diejenigen zu entschädigen, die sie bereitstellen. Wenn das Web der Rohstoff der ersten AI-Welle war, wird die reale Welt der Rohstoff der zweiten sein.
Und dieses Mal, zum ersten Mal, wird die Sammlung nicht von wenigen Giganten kontrolliert, sondern von den Netzwerken.
Offene, anreizbasierte, dezentralisierte Netzwerke: die neue Infrastruktur der Frontier-Daten.




