Künstliche Intelligenz geht über Chatbots hinaus.
Die nächste Generation von KI wird um Agenten herum aufgebaut, die denken, Werkzeuge nutzen, Aufgaben ausführen und mit minimalem menschlichem Eingriff weiterarbeiten können.
Doch größere Autonomie schafft eine grundlegende Herausforderung:
Wie geben wir KI die Fähigkeit zu handeln, ohne Sicherheit, Datenschutz und Nutzerkontrolle aufzugeben?
@NEAR Protocol ’s IronClaw 1.0 bietet eine interessante Antwort.
IronClaw 1.0: Eine andere Architektur für KI-Agenten
IronClaw 1.0 basiert auf einer einfachen, aber wichtigen architektonischen Unterscheidung: dem Trennen des Teils eines KI-Systems, der entscheidet, von dem Teil, der handelt.
NEAR AI beschreibt die Architektur so:
„der Teil, der entscheidet, ist getrennt vom Teil, der handelt“
Zwischen diesen beiden Komponenten sitzt eine sichere Koordinationsschicht namens Guard.
Die Architektur lässt sich verstehen als:
Denke → Guard → Handle
Das KI-Modell übernimmt die Entscheidungsfindung.
Die Guard bewertet und kontrolliert die vorgeschlagene Aktion.
Die Ausführungsebene führt dann die genehmigte Aktion aus.
Diese Trennung schafft eine klarere Grenze zwischen Intelligenz und Autorität.
Anstatt zuzulassen, dass ein KI-Modell direkt jedes für ihn verfügbare Tool steuert, wird die Guard zum Prüfpunkt, durch den Aktionen laufen.
Für sensible Vorgänge kann eine explizite Genehmigung erforderlich sein, #IronClaw bevor die Ausführung erfolgt.
Diese Unterscheidung könnte zunehmend wichtiger werden, sobald KI-Agenten von der Erstellung von Informationen dazu übergehen, im Namen der Nutzer sinnvolle Aktionen auszuführen.
Benchmark-Leistung: Können trifft Architektur
Sicherheit allein reicht nicht.
Ein KI-Agent muss außerdem Aufgaben erledigen können.
IronClaw 1.0 hat starke Ergebnisse über drei Benchmarks hinweg gemeldet, die das deepseek-v4-flash-Base-Modell verwenden:
93,5 % bei PinchBench
88,6 % bei ClawBench
76,4 % bei OfficeQA
#NEARAI berichtet, dass IronClaw in allen drei Benchmarks, die in seiner Ankündigung hervorgehoben wurden, die Spitzenposition einnimmt. Die Tests decken verschiedene Aspekte der Agentenleistung ab – von der Ausführung realer Aufgaben und Live-Webinteraktionen bis zum Schlussfolgern über Unternehmensdokumente.
Was diese Ergebnisse besonders interessant macht, ist die Kombination aus Leistung und Architektur.
PinchBench bewertet Agenten über 147 echte Aufgaben hinweg, darunter Terminplanung, E-Mail-Management, Programmierung, Forschung und Dateimanagement.
ClawBench bringt Agenten auf mehr als 140 echte Produktionswebsites und bewertet mehrstufige Aufgaben.
OfficeQA fokussiert auf fundiertes Schlussfolgern über eine riesige Sammlung von Unternehmensdokumenten.
Also geht es bei den Zahlen nicht nur darum, wie gut ein Modell eine Frage beantworten kann.
Es geht darum, wie effektiv ein Agent Dinge erledigen kann.
Das ist eine wichtige Unterscheidung in der entstehenden Agenten-Ökonomie.
Die Architektur hinter den Zahlen
NEAR AI bringt eine interessante Argumentation dafür, warum IronClaw neu aufgebaut wurde statt nur geflickt zu werden.
„Eigenschaften wie diese sind keine Features, die man hinzufügt; es sind Grundlagen, auf die man aufbaut.“
Diese Philosophie zeigt sich in mehreren IronClaw-Funktionen.
1. Sicherer durch Design
Jede Aktion passiert die Guard.
Sensible Aktionen können eine explizite Genehmigung erfordern, anstatt dem Agenten zu erlauben, zuerst zu handeln und später zu erklären.
IronClaw nutzt außerdem Schutzmechanismen rund um Anmeldeinformationen und Secrets und schafft so eine stärker kontrollierte Umgebung für autonome Ausführung.
Die wichtigste Erkenntnis ist, dass Sicherheit als Teil der Architektur behandelt wird – statt als Feature, das erst hinzugefügt wird, nachdem der Agent bereits gebaut wurde.
2. Persistenter Zustand
Autonome Workflows können mehrere Schritte umfassen und erheblich Zeit in Anspruch nehmen.
Eine Unterbrechung sollte nicht bedeuten, dass alles verloren ist.
IronClaw checkt kontinuierlich seinen Fortschritt, sodass die Arbeit fortgesetzt werden kann, statt den Agenten zu zwingen, von vorn zu beginnen.
NEAR AI stellt es besonders klar:
„Eine Unterbrechung kostet eine Pause – nicht die Aufgabe.“
Das klingt vielleicht nach einer kleinen technischen Verbesserung, aber es verändert die Bedienbarkeit autonomer KI erheblich.
Ein Assistent, der sich merkt, wo er aufgehört hat, kann längere und kompliziertere Workflows unterstützen.
3. Omni-Channel-Memory
IronClaw ist so konzipiert, dass es über Folgendes hinweg funktioniert:
CLI
Web
Slack
Telegram
Noch wichtiger ist: Diese Kanäle funktionieren als ein einziger Assistent mit geteilter Memory und Sicherheitsregeln.
NEAR AI beschreibt das Erlebnis als:
„CLI, Web, Slack und Telegram laufen als ein einziger Assistent“
Das ist wichtig, weil Nutzer zunehmend in mehreren Umgebungen arbeiten.
Der Wert eines KI-Agenten sollte nicht einfach verschwinden, nur weil der Nutzer von einem Terminal zu einer Messaging-Anwendung wechselt.
4. Team-Isolation
Enterprise-KI bringt noch eine weitere Herausforderung: Wer erhält Zugriff auf was?
Verschiedene Mitarbeitende und Teams benötigen möglicherweise unterschiedliche Arbeitsbereiche, Berechtigungen und Daten-Grenzen.
IronClaw unterstützt Multi-Tenant-Deployments, bei denen Tools und Fähigkeiten in einer Organisation geteilt werden können, während einzelne Arbeitsbereiche getrennt bleiben.
Organisationen, die eine stärkere Isolation benötigen, können außerdem Single-Tenant-Deployments nutzen.
Das verleiht IronClaw eine praktikablere Enterprise-Dimension.
Die Herausforderung besteht nicht mehr nur darin, einen intelligenten Agenten zu erstellen.
Es gilt, eines zu schaffen, das innerhalb einer Organisation arbeiten kann, ohne jede Berechtigungsgrenze in ein Sicherheitsproblem zu verwandeln.
NEAR AI: Die größere Vision
IronClaw 1.0 sollte nicht isoliert betrachtet werden.
Es ist Teil der umfassenderen NEAR-AI-Vision für private, nachprüfbare und nutzerkontrollierte künstliche Intelligenz.
Die Infrastruktur hinter dieser Vision umfasst vertrauliches Computing und Trusted Execution Environments, die dazu entworfen sind, sensible Workloads zu schützen und gleichzeitig Möglichkeiten bereitzustellen, zu verifizieren, wo die Berechnung stattgefunden hat.
Das wird immer wichtiger, wenn KI von der Beantwortung von Fragen dazu übergeht, mit privaten Informationen umzugehen und Aktionen durchzuführen.
Ein Agent kann Zugriff auf E-Mail, Dokumente, Anwendungen, Finanzinformationen oder Geschäftsabläufe benötigen.
In dieser Umgebung kann Privatsphäre nicht einfach ein Versprechen sein.
Es muss Teil der Infrastruktur sein.
Wo NEAR Staking ins Spiel kommt
Hier wird die Staking-Komponente besonders interessant.
NEAR AI hat Staking für NEAR AI eingeführt und ermöglicht Nutzern, $NEAR zu staken, um Credits für vertrauliche Inferenz und Agent-Hosting zu erhalten.
Laut NEAR AI:
„Du behältst das NEAR – und gleichzeitig finanziert es deine NEAR-AI-Nutzung.“
Das Modell unterstützt sowohl vertrauliche Inferenz als auch IronClaw-Agent-Hosting.
Für IronClaw im Speziellen bestimmt der gestakte Betrag das monatliche Kreditbudget und wie viele Agenten parallel laufen können.
Das schafft eine interessante Beziehung zwischen Eigentum und KI-Nutzung.
Anstatt einfach einen zentralen Anbieter mit einem herkömmlichen Abonnement zu bezahlen, können Nutzer ihre NEAR-Bestände direkt verbinden, um auf KI-Infrastruktur zuzugreifen.
Aber hier gibt es einen tieferen Punkt.
Staking geht nicht nur um Rendite.
Es kann auch als Beteiligung an der Infrastruktur betrachtet werden, von der dezentrale Anwendungen abhängen.
KI-Agenten brauchen Rechenleistung.
Sie brauchen sichere Ausführung.
Sie brauchen eine persistente Infrastruktur.
Und dezentrale Infrastruktur braucht einen wirtschaftlichen Mechanismus, der Beteiligung und Sicherheit unterstützt.
Das Staking-Modell von NEAR AI versucht, diese Elemente näher zusammenzubringen.
Wie NEAR AI erklärt:
„Staking schließt die Schleife zwischen dem, was du hältst, und dem, was du ausführst“
Das ist vielleicht eine der interessantesten Ideen rund um die Entwicklung dezentraler KI.
Warum IronClaw wichtig ist
Der interessanteste Teil von IronClaw 1.0 ist nicht einfach, dass es ein weiteres KI-Agent-Framework ist.
Es steht für einen größeren Wandel darin, wie wir über autonome KI nachdenken.
Das traditionelle Modell ist:
KI erzeugt → Mensch entscheidet → Mensch handelt
Das entstehende agentische Modell kommt näher an:
KI folgert → Guard verifiziert → Agent handelt
Das erfordert einen anderen Ansatz für Sicherheit.
Ein autonomer Agent braucht Grenzen.
Er braucht Memory.
Er braucht Persistenz.
Es braucht kontrollierte Berechtigungen.
Und letztlich brauchen Nutzer die Gewissheit, dass das System ihnen gegenüber rechenschaftspflichtig bleibt.
IronClaw adressiert mehrere dieser Herausforderungen auf Framework-Ebene.
NEAR AI erweitert das Gespräch um Privatsphäre, Nachprüfbarkeit und Nutzer-Eigentum.
Staking fügt eine weitere Ebene hinzu, indem es Nutzer mit der Infrastruktur verbindet, die KI-Dienste antreibt.
Das größere Ganze
Der KI-Wettlauf wird oft so gerahmt, dass es darum geht, wer das klügste Modell hat.
Aber die nächste Phase könnte weniger um Modelle allein gehen und mehr um Infrastruktur.
Wer kontrolliert den Agenten?
Wer kontrolliert die Daten?
Wer verifiziert die Berechnung?
Wer entscheidet, welche Aktionen ausgeführt werden dürfen?
Und wer sichert die Infrastruktur darunter ab?
IronClaw 1.0 liefert eine mögliche Antwort auf die erste Ebene dieses Problems: Agenten bauen, mit einer klaren Trennung zwischen Denken und Handeln.
NEAR AI adressiert die Infrastruktur-Ebene mit Privatsphäre und Nachprüfbarkeit.
Staking verbindet Nutzer mit KI-Diensten über ihre NEAR-Bestände.
Zusammen zeigen diese Entwicklungen hin zu einem Modell von KI, das nicht nur stärker autonom ist, sondern potenziell auch sicherer, persistent, nachprüfbar und nutzerkontrolliert.
Der eigentliche Durchbruch in der KI liegt daher möglicherweise nicht in einem Agenten, der alles kann.
Es kann ein Agent sein, der mehr kann, ohne die Kontrolle über die Person zu nehmen, der er dient.
Referenzen
1. NEAR AI — Einführung von IronClaw 1.0: Der Leader über PinchBench-, ClawBench- und OfficeQA-Agent-Benchmarks hinweg
27. Juli 2026.
Primäre Quelle für die Architektur von IronClaw 1.0, die Guard-Ebene, Benchmark-Leistung, persistenten Zustand, Omnichannel-Support und Team-Isolation.
2. NEAR AI — Staking für NEAR AI ankündigen: Setze dein NEAR ein, um vertrauliche KI zu ermöglichen
30. Juli 2026.
Primäre Quelle für NEAR-AI-Staking, vertrauliche Inferenz, KI-Compute-Credits und IronClaw-Agent-Hosting.
3. NEAR AI — Vertrauliche KI-Infrastruktur
Offizieller Überblick über die vertrauliche KI-Infrastruktur von NEAR AI und das IronClaw-Ökosystem.
4. NEAR — Die Währung von Agenten
Offizieller NEAR-Überblick über seine Infrastruktur für die entstehende Agenten-Ökonomie, einschließlich NEAR AI, vertraulicher Inferenz und IronClaw.