Von der Zusammenarbeit mehrerer Agenten über Vorhersagemärkte bis zur Ausführung on-chain: Eine Experimentreihe über autonome KI-Ökonomen beginnt
Juli 2026
In den letzten zwei Jahren hat sich die Wettbewerbslinie in der Künstlichen Intelligenz deutlich verändert.
In der ersten Phase geht es darum, ob große Modelle bessere Texte, Bilder und Code generieren können. In der zweiten Phase richtet der Markt den Fokus auf AI Copilot – kann KI ein Assistenzwerkzeug für Menschen sein?
Und jetzt bildet sich gerade eine neue Richtung: KI ist nicht mehr nur dazu da, Fragen zu beantworten, sondern beginnt, Ziele zu verstehen, Aufgaben zu zerlegen, Tools aufzurufen, Entscheidungen zu treffen und die Ausführung abzuschließen.
Das ist auch der Grund, warum KI-Agenten zunehmend von Technologiegründern und Investoren Aufmerksamkeit erhalten.
Doch aus VC-Sicht ist die wirklich zu erforschende Frage nicht nur „Werden KI-Agenten zum nächsten heißen Trend-Ökosystem?“ Wichtiger ist: Was wird passieren, wenn KI-Agenten Assets, Identität, Zahlungsfähigkeit und ein verifizierbares Ausführungsumfeld erhalten?
Web3 liefert eine neue Antwort auf dieses Problem.
Und Vanguard versucht genau im Schnittbereich aus KI-Agenten, Vorhersagemärkten und On-Chain-Ausführung eine neue autonome Finanzinfrastruktur zu erkunden.
Vom Chatbot zum Agent: KI durchläuft gerade einen Rollenwechsel
Frühere KI war eher ein Werkzeug: Der Nutzer stellt eine Frage, die KI liefert eine Antwort; der Nutzer erteilt eine Anweisung, die KI gibt Empfehlungen; am Ende werden die eigentliche Bedienung und Ausführung jedoch weiterhin von Menschen übernommen.
Doch das Erscheinen von KI-Agenten verändert dieses Muster. Ein Agent mit echter Bedeutung ist nicht nur „fähig zu chatten“. Er muss auch über Fähigkeiten verfügen wie Umgebungserkennung, Aufgabenverständnis, autonome Planung, Tool-Nutzung, mehrstufige Ausführung, Rückmeldung der Ergebnisse und kontinuierliche Optimierung.
Ganz einfach: Herkömmliche KI ist eher „sagt dir, was du tun sollst“, während KI-Agenten eher „versteht, was du erreichen willst, und hilft dabei, die Aufgabe fertigzustellen“.
Aus Investment-Logik folgt daraus: Der kommerzielle Wert von KI könnte sich gerade von „Software-Abo“ hin zu „Task-Ausführung“ verlagern.
Wenn KI beginnt, direkt an Geschäftsprozessen teilzunehmen, hängt ihr Wert nicht mehr nur von der Leistungsfähigkeit des Modells ab. Entscheidend ist außerdem, ob Echtzeitdaten verfügbar sind, ob externe Systeme aufgerufen werden können, ob autonom ausgeführt wird, ob ein Berechtigungsmanagement vorhanden ist, ob Zahlungen und Abwicklungen abgeschlossen werden können und ob die Ausführungsergebnisse verifizierbar sind.
Genau hier beginnen KI-Agenten und Web3 sich zu überschneiden.
Warum braucht ein KI-Agent Web3?
Viele Menschen sehen KI und Web3 als zwei völlig unterschiedliche Bereiche: der eine steht für Intelligenz, der andere für Blockchain und digitale Assets.
Doch aus Sicht der Infrastruktur gibt es zwischen beiden tatsächlich eine natürliche Ergänzung.
KI-Agenten sind gut darin, Informationen zu verstehen, die Umgebung zu analysieren, Strategien zu generieren, Entscheidungen zu treffen und Aufgaben auszuführen. Web3 kann dagegen digitale Identitäten, Wallet-Konten, Eigentum an Assets, programmierbare Zahlungen, On-Chain-Aufzeichnungen, offene Protokolle und verifizierbare Ausführung bereitstellen.
Anders gesagt: KI ist verantwortlich für „Denken und Handeln“, Web3 für „Identität, Assets, Abwicklung und Nachweise“.
Wenn KI-Agenten in Zukunft nur helfen würden, E-Mails zu schreiben oder PPTs zu erstellen, bräuchte es nicht unbedingt Web3. Aber wenn KI-Agenten beginnen, digitale Assets zu verwalten, On-Chain-Protokolle aufzurufen, an Vorhersagemärkten teilzunehmen, automatisierte Strategien auszuführen, Zahlungen zwischen Maschine und Maschine abzuwickeln und Ressourcen selbstständig zu steuern, dann könnten Wallets, On-Chain-Konten, digitale Assets und verifizierbare Aufzeichnungen zu wichtigen Infrastrukturbausteinen werden.
Das ist auch der Grund, warum AI × Web3 für VCs wirklich interessant ist. Es ist nicht nur eine einfache Addition zweier angesagter Konzepte, sondern eine tiefere Frage: Wenn Software Handlungskompetenz bekommt, braucht die Software dann auch eigene Konten, Assets und ein Abrechnungssystem?
Aus VC-Sicht sind für KI × Web3 vor allem drei Fragen entscheidend
Für Investoren hängt es bei der Frage, ob ein neuer Bereich langfristig beobachtet werden sollte, häufig nicht davon ab, ob das Konzept gerade „in Mode“ ist, sondern davon, ob es neue Fähigkeiten schafft, neue ökonomische Beziehungen hervorbringt und eine neue Infrastruktur-Schicht entstehen lässt.
Erstens: Wurde eine neue Fähigkeit geschaffen?
Wirklich wertvolle technische Veränderungen sind normalerweise nicht das Umbenennen eines bestehenden Produkts, sondern das Schaffen von Fähigkeiten, die zuvor nicht möglich waren.
Die größte Veränderung durch die Kombination von KI-Agenten und Web3 ist: Die Software liefert nicht mehr nur Informationen, sondern verfügt über die Fähigkeit zu kontinuierlicher Wahrnehmung der Umgebung, zu autonomen Entscheidungen, zum Aufrufen von Mitteln und Protokollen sowie zur Ausführung komplexer Prozesse.
Das bedeutet, dass Software möglicherweise nicht mehr nur „ein Werkzeug“ ist, sondern „ein Teilnehmer“.
Zweitens: Entstehen neue ökonomische Beziehungen?
Im traditionellen Internet dient Software hauptsächlich Menschen. Im Agenten-Zeitalter könnten immer mehr Transaktionen zwischen Agenten und Menschen entstehen, zwischen Agenten und Plattformen sowie zwischen Agenten untereinander.
Wenn Künstliche Intelligenz Daten eigenständig einkaufen, die Kosten für Zahlungs-APIs bezahlen, Rechenleistung abrufen, Assets konfigurieren und On-Chain-Aufgaben ausführen kann, dann könnte die Maschine selbst zum neuen wirtschaftlichen Akteur werden.
Das ist auch der sogenannte „Agent Economy“-Gedanke, also der zentrale Vorstellungsspielraum der Agentenökonomie.
Drittens: Entsteht eine neue Infrastruktur-Schicht?
Was VC-Partner meist am meisten interessiert, ist nicht eine kurzfristige Anwendung, sondern wer die Chance hat, zur grundlegenden Infrastruktur des nächsten Ökosystems zu werden.
Im Zeitalter des mobilen Internets umfasst die Infrastruktur Betriebssysteme, Cloud-Services, Zahlungsdienste und App-Stores.
Im Zeitalter der KI-Agenten könnte eine neue Infrastruktur unter anderem Agent-Identitäten, Agenten-Wallets, Modellplanung, Datenzugriff, Task-Ausführung, Risikokontrolle und die Abwicklung auf der Chain umfassen.
Der von Vanguard gewählte Kurs befindet sich genau in diesem Schnittbereich.
Vanguards Einstiegspunkt: KI von der Beurteilung zur Ausführung bringen
Laut Projektunterlagen hat Vanguard sich nicht als reiner Chatbot oder als Tool für Handelssignale definiert. Das zentrale technische System basiert auf der intelligenten Engine von VGQuant.
Das System versucht, Echtzeitdaten, KI-Analyse, Strategieentscheidungen, Risikokontrolle, den Ausführungsprozess, Rückmeldungen zu den Ergebnissen und Modelliteration zu verbinden.
Projektunterlagen zeigen eine Vier-Schichten-Architektur: Die unterste Ebene ist das intelligente Kernsystem von VGQuant, die Interaktionsebene ist das AI-Agent-Backend („Agent-Plattform“), die Anwendungsebene ist die VGMatrix DApp und die Benutzerebene ist eine personalisierte Oberfläche.
Diese Architektur versucht, Daten auf Basisebene, Modellfähigkeiten, Agenten-Zusammenarbeit und On-Chain-Anwendungen miteinander zu verbinden.
Aus VC-Sicht besteht der Fokus dieses Designs nicht darin, „wie viel KI eingesetzt wurde“. Entscheidend ist, ob es einen vollständigen technischen geschlossenen Kreislauf bilden kann – vom Datenempfang bis zur finalen Ausführung.
Denn im Agenten-Zeitalter könnte die größte technische Lücke nicht mehr „wer welches Modell hat, das mehr Fragen beantworten kann“ sein, sondern „wer es schafft, dass KI Aufgaben zuverlässig in realen Umgebungen ausführt“.
Sechs Agenten: Vanguards Multi-Agenten-Experiment
Ein weiteres wichtiges Design von Vanguard ist, dass nicht versucht wird, dass ein einzelnes KI-Modell die gesamte Arbeit übernimmt. Laut Projektunterlagen besteht das System aus sechs spezialisierten intelligenten Agenten, die jeweils unterschiedliche Aufgaben übernehmen.
RECON: Informationsagent
RECON ist für das Scannen globaler Nachrichten, Social-Media-Stimmungen, On-Chain-Daten, makroökonomische Ereignisse und Veränderungen in Vorhersagemärkten zuständig. Seine Rolle ist eher wie ein 24/7-Informationssystem.
In einem traditionellen Prozess muss eine Nachricht den Ablauf „Person sieht – Person versteht – Person analysiert – Person entscheidet, ob gehandelt wird“ durchlaufen. In einem Agentensystem geht es hingegen darum, diesen Ablauf zu komprimieren zu: Ereignis entsteht – Maschine nimmt wahr – strukturierte Analyse – Strategieentscheidung – Übergang in den Ausführungsprozess.
RAPTOR: Opportunitäts-Erkennungsagent
RAPTOR ist für das Erkennen potenzieller Preis-Ausfälle im Vorhersagemarkt verantwortlich.
Das Besondere an Vorhersagemärkten ist, dass nicht klassische Waren gehandelt werden, sondern die Wahrscheinlichkeit, dass ein zukünftiges Ereignis eintritt. Da sich die Informationsausbreitung in der realen Welt unterscheidet, treffen verschiedene Teilnehmer unterschiedliche Einschätzungen, und auch die Markttiefe ist unterschiedlich; daher kann es kurzfristig zu Preisabweichungen kommen.
Die Rolle von RAPTOR besteht darin, diese anomalen Preisbeziehungen zu erkennen.
Aus technischer Perspektive ist das keine einfache „Vorhersage von steigenden oder fallenden Kursen“, sondern das Suchen nach logischen Inkonsistenzen zwischen verschiedenen Preisen.
AEGIS: Risikokontrollagent
Jedes ausführungsorientierte KI-System darf sich nicht nur auf Chancen fokussieren. Es muss auch wissen, wann es nicht ausgeführt werden sollte.
AEGIS überwacht Anomalien, führt Risikoschwellenprüfungen durch, verwaltet Positionslimits, implementiert Schutzmaßnahmen und löst bei Bedarf eine Notabschaltung („Circuit Breaker“) aus.
Aus Sicht von VC ist ein Risikomanagementsystem oft wichtiger als eine reine Handelsstrategie. Denn was bestimmt, ob ein automatisiertes System langfristig betrieben werden kann, ist nicht, wie viel es in der besten Zeit verdient, sondern ob es in der schlechtesten Zeit überlebt.
NEXUS: Liquiditätsagent
Theoretische Chancen bedeuten nicht, dass es in der Realität auch tatsächlich umsetzbar ist. Der echte Markt wird außerdem durch Faktoren wie Tiefe, Handelsvolumen, Slippage, Kapitalbindung und Ausführungskosten beeinflusst.
Die Aufgabe von NEXUS besteht darin zu beurteilen, wie Mittel zwischen verschiedenen Märkten und Liquiditätspools aufgeteilt werden.
PULSE: Timing-Agent
PULSE ist für den richtigen Zeitpunkt zuständig.
In schnell wechselnden Märkten können schon eine Sekunde früher oder später bei derselben Strategie die Kosten völlig unterschiedlich ausfallen. Daher muss das System nicht nur wissen „was getan werden soll“, sondern auch „wann es getan werden sollte“.
ANCHOR: Rebalancing-Agent
ANCHOR übernimmt das dynamische Rebalancing der Assetallokation. Selbst eine einzelne Strategie, die sich als effektiv erweist, kann bei langfristig übermäßiger Konzentration neue Risiken erzeugen.
Daher muss das System fortlaufend die Konzentration der Mittel, das Portfoliogleichgewicht, Marktveränderungen und Risikopositionen verarbeiten.
Die eigentliche Bedeutung der sechs Agenten liegt nicht in den Namen selbst, sondern darin, dass sie eine neue Art des Softwaredesigns verkörpern: Zukünftige komplexe Systeme werden möglicherweise nicht mehr von einem einzigen Supermodell alle Aufgaben erledigen lassen, sondern von mehreren spezialisierten Agenten, die zusammenarbeiten.
Warum könnte der Vorhersagemarkt zu einem wichtigen Testfeld für KI-Agenten werden?
Aus Sicht von VC ist ein Vorhersagemarkt ein sehr spannendes Szenario. Denn er vereint Eigenschaften wie Echtzeitdaten, ein klares Ergebnis, schnelle Veränderungen in Hochfrequenzinformationen, handelbare Wahrscheinlichkeiten sowie Abwicklung von digitalen Assets.
Das macht es zu einer natürlichen Umgebung zum Testen von KI-Agenten. Ein Agentensystem muss Aufgaben wie Nachrichten beschaffen, Ereignisse verstehen, Auswirkungen einschätzen, Preisänderungen erkennen, Risiken bewerten, den richtigen Ausführungszeitpunkt auswählen und das finale Ergebnis protokollieren, vollständig erledigen.
Projektunterlagen beschreiben diesen Prozess als einen geschlossenen Kreislauf mit acht Schritten: Datenerfassung, Entscheidungsbeurteilung, Ausführung der Trades, Ergebnisprotokollierung, Attribution-Analyse, Strategie-Update, Modelliteration und anschließende Optimierung.
Das unterscheidet sich von klassischer KI am meisten: Bei klassischer KI endet die Aufgabe nach der Ausgabe einer Antwort; bei Agenten beginnt die Aufgabe erst nach der Ausführung wirklich.
Denn das System muss außerdem wissen, ob das Ergebnis korrekt ist, warum es erfolgreich war, warum es fehlgeschlagen ist und wie es beim nächsten Mal angepasst werden sollte.
Der Wert von Web3: Ausführungsergebnisse können nachverfolgt werden
Eines der größten Probleme von KI-Agenten ist das Vertrauen.
Wenn eine KI dir sagt „Ich habe die Aufgabe bereits ausgeführt“, wie kann man das nachweisen?
Im traditionellen Internet werden viele Ausführungsaufzeichnungen in den eigenen Datenbanken der Plattform gespeichert. Die Plattform kontrolliert Daten, Berechtigungen, Protokolle und Ergebnisse.
Und On-Chain-Systeme bieten eine weitere Möglichkeit: Ausführungsprotokolle können nachverfolgbar werden, Zeitstempel enthalten, schwer zu manipulieren sein und können öffentlich verifiziert werden.
Das bedeutet nicht, dass alle KI-Systeme zwingend on-chain gehen müssen. Aber in Szenarien rund um Assets, Zahlungen, Handel und Abwicklung wird die Nachweisbarkeit immer wichtiger.
Das ist auch eine Kernlogik von Vanguard, KI-Agenten mit On-Chain-Anwendungen zu kombinieren. Laut Projektunterlagen verbindet das VGQuant-Datensystem verschiedene Datenquellen wie On-Chain-Daten, Börsendaten, Informationen aus Vorhersagemärkten, Orakel sowie News- und Stimmungsdaten.
Aus Sicht von Kapital ist der potenzielle Wert dieses Designs nicht nur „automatisierter Handel“. Viel wichtiger ist, dass es versucht, ein System aufzubauen, das KI wahrnehmen, entscheiden und ausführen kann – und das zugleich verifizierbar ist.
Die echte Burgmauer wird nicht nur „weil wir KI genutzt haben“ sein
In den kommenden Jahren werden immer mehr Projekte behaupten, sie hätten KI, Agenten, Web3 und Automatisierung. Daher wird das Konzept selbst keine langfristige Markteintrittsbarriere sein.
Der echte Wettbewerb wird sich auf fünf Bereiche konzentrieren: Daten, Ausführung, Risikokontrolle, Nachweisbarkeit und kontinuierliches Lernen.
Erstens: Daten
Verfügt das System über stabile, Echtzeit- und qualitativ hochwertige sowie nachhaltige Datenquellen?
Zweitens: Ausführung
Können die Entscheidungen, die das Modell trifft, wirklich in eine zuverlässige Ausführung übersetzt werden? Viele Probleme von KI-Produkten sind nicht, dass sie nicht analysieren können, sondern dass sie die letzte Meile nicht schaffen.
Drittens: Risikokontrolle
Kann das System Anomalien erkennen, Verluste begrenzen, fehlerhafte Ausführung stoppen und auch mit extremen Situationen umgehen?
Viertens: Nachweisbarkeit (Verifizierbarkeit)
Behauptet das System, was es getan hat, und kann es von außen verifiziert werden?
Fünftens: Kontinuierliches Lernen
Kann das Ausführungsergebnis in neue Modelle und Strategien einfließen? Wenn kein Feedback-Kreislauf entsteht, kann ein KI-Agent sehr leicht zu einem gewöhnlichen Automationsskript degenerieren.
Vanguards langfristige Wettbewerbskraft hängt letztlich auch von diesen Fähigkeiten ab – nicht einfach davon, wie viele Agenten es gibt oder wie groß die Modellparameter sind oder wie neu die beworbenen Konzepte sind.
Vom Kapital-Narrativ zur echten Verifizierung
Die Geschichte von AI × Web3 ist groß – aber je größer die Geschichte, desto mehr braucht sie echte Verifizierung.
Für Vanguard sind die Fragen, die der künftige Markt wirklich im Fokus haben wird, unter anderem: Läuft das System tatsächlich real? Können die sechs Agenten stabil zusammenarbeiten? Sind die Datenquellen zuverlässig? Sind die Risikomechanismen wirksam? Können die Ausführungsergebnisse nachverfolgt werden? Können Strategien langfristig auf unterschiedliche Märkte angepasst werden? Und können technische Kennzahlen unabhängig verifiziert werden?
Projektunterlagen zeigen das Multi-Source-Datensystem von VGQuant, die sechs Agenten sowie einen vollständigen Ausführungs-Closed-Loop.
Aber für jede neu entstehende KI-Finanzinfrastruktur gilt: Das echte Vertrauen entsteht nicht durch PPTs, sondern durch fortlaufende, transparente und verifizierbare Bereitstellung.
Das ist auch die gemeinsame Herausforderung, der sich alle KI-Agenten-Projekte in Zukunft stellen müssen.
Über Unternehmen und Compliance-Basis
Laut Projektunterlagen hat Vanguard Crypto Intelligence die Unternehmensregistrierung in Kalifornien, USA, abgeschlossen.
Die Unterlagen zeigen außerdem FinCEN Money Services Business, also Informationen zur MSB-Registrierung.
Es ist zu erwähnen, dass die FinCEN MSB-Registrierung Teil des regulatorischen Registrierungs- und Meldewesens ist und nicht gleichbedeutend mit einer Billigung oder Befürwortung durch die US-Regierung oder FinCEN für irgendein Geschäftsmodell, Anlageprodukt, Handelsstrategie, Token oder Ergebnisentwicklung.
Aus VC- und langfristiger Unternehmensentwicklungsperspektive ist das Wichtigste jedoch weiterhin: kontinuierliche Compliance, echte Business-Fähigkeiten, technisches Delivery, Risikokontrolle und Transparenz.
Das nächste Internet ist vielleicht nicht nur „Menschen nutzen Software“
Die zentrale Logik der vergangenen drei Jahrzehnte im Internet lautete: Menschen nutzen Software, Menschen klicken auf Buttons, Menschen tätigen Transaktionen.
Und das Erscheinen von KI-Agenten könnte neue Veränderungen mit sich bringen. In Zukunft könnte Software Ziele eigenständig verstehen, Aufgaben zerlegen, Tools aufrufen, Zahlungen durchführen, Trades ausführen und kontinuierlich dazulernen.
In dieser Situation werden die Teilnehmer im Internet nicht mehr nur Menschen sein, sondern auch viele KI-Agenten, die über Konten verfügen, Assets besitzen, Services aufrufen und Transaktionen abschließen können.
Web3 liefert Assets und Abwicklung, KI liefert Intelligenz und Entscheidungen.
Wenn beide beginnen, sich zu kombinieren, ist bereits ein neues Problem entstanden: Werden KI-Agenten in der zukünftigen digitalen Wirtschaft zu neuen wirtschaftlichen Teilnehmern?
Genau hier liegt der Aspekt, den KI × Web3 für den Kapitalmarkt langfristig am spannendsten macht.
Vanguards Position
Vanguard wählte nicht einfach eine Geschichte von „KI + Coin“. Zumindest in Bezug auf die technische Architektur versucht es zu untersuchen: die Kombination aus KI-Agenten, Zusammenarbeit mehrerer Agenten, Vorhersagemärkten, On-Chain-Ausführung, Datenrückkopplung und kontinuierlicher Iteration.
Aus Investorensicht liegt der echte Wert in diesem Ansatz darin, dass er eine langfristige Frage beantworten möchte: Wie wird KI von einer Software, die denkt, zu einer Software, die in einer digitalen Volkswirtschaft handeln kann?
Die Antwort ist noch nicht vollständig herausgebildet, und dieser Bereich befindet sich weiterhin in einem frühen Stadium.
Gerade deshalb könnte der Schnittbereich zwischen KI-Agenten und Web3 in den kommenden Jahren zu einem der lohnendsten technologischen Experimente gehören, die man kontinuierlich beobachten sollte.
Und Vanguard möchte sich als Infrastruktur-Teilnehmer an diesem Experiment beteiligen.
Über Vanguard
Vanguard ist eine technische Plattform, die um KI-Agenten, die intelligente Engine VGQuant, Vorhersagemärkte und On-Chain-Ausführung herum aufgebaut ist.
Laut Projektunterlagen umfasst das Multi-Agenten-System RECON (Informationsagent), RAPTOR (Opportunitäts-Erkennungsagent), AEGIS (Risikokontrollagent), NEXUS (Liquiditätsagent), PULSE (Timing-Agent) und ANCHOR (Rebalancing-Agent).
Die Kernrichtung der Projekttechnik besteht darin, KI schrittweise von einem traditionellen Informationsanalyse-Tool hin zu einem autonomen System weiterzuentwickeln, das wahrnehmen, entscheiden, kooperieren, ausführen, rückmelden und iterieren kann.