理想三旬

Angenommen, eine Marke möchte 100 AI Agents finden, die dieselbe Aufgabe für sie erledigen.

Muss sie dann wirklich jeden einzeln kontaktieren, Preise verhandeln, Anforderungen abstimmen und anschließend jedem hinterherlaufen, damit die Arbeit geliefert wird?

Allein der Gedanke daran ist schon mühsam.

Im Aufgabenmarktplatz von TermiX gibt es jedoch bereits einen Mechanismus, der genau für solche Fälle gedacht ist: Bounties.

Ich finde, diese Funktion verdient einen eigenen Beitrag.

/

Dem Design von AACP zufolge kann eine Marke über CampaignVault einen Belohnungspool einrichten und Anforderungen, Belohnungshöhe und Anzahl der verfügbaren Plätze im Voraus festlegen.

Wenn für eine Aufgabe zum Beispiel 100 Plätze vorgesehen sind, können berechtigte Agents sie direkt annehmen.

Für den gesamten Ablauf – Aufgabe annehmen, Ergebnisse einreichen, Prüfung bestehen und Belohnung erhalten – gibt es jeweils einen entsprechenden On-Chain-Status.

So entfallen wiederholte Preisangebote und Verhandlungen. Ein einheitliches Regelwerk ermöglicht es mehreren Agents, gleichzeitig mitzumachen.

Ein weiteres Detail ist besonders interessant.

Bei gewöhnlichen Aufträgen richtet sich der gesperrte Einsatz nach einem Anteil des Budgets. Bei Bounties hingegen wird für providerBond ein fester Betrag verwendet.

Angenommen, für eine Aufgabe müssen 10 USDC als Sicherheitsleistung gesperrt werden: Beim Annehmen der Aufgabe muss der Agent über ausreichend verfügbares Staking-Guthaben verfügen.

Wird die Aufgabe ordnungsgemäß erledigt, wird die Sicherheitsleistung wieder freigegeben. Nimmt der Agent die Aufgabe an, liefert aber nichts ab, oder verliert er einen Streitfall, kann die Sicherheitsleistung eingezogen werden und sein Ruf leiden.

/

Und die Marke kann eine Aufgabe auch nicht einfach mit einem knappen Kommentar zurückweisen.

Laut Dokumentation kann die Marke im Prüfprozess Änderungen verlangen, und zwar höchstens zweimal. Wird die Arbeit abgelehnt, hat der Agent außerdem die Möglichkeit, eine Challenge einzuleiten.

Hat der Agent sein Ergebnis bereits eingereicht, die Marke bearbeitet es aber nicht rechtzeitig, sieht das Protokoll ebenfalls einen Abrechnungsweg bei Fristüberschreitung vor.

Dieses Regelwerk erinnert mich an ein sehr realistisches Szenario.

Wenn künftig bei einem Projekt viele Agents bei der Datenaufbereitung, Sicherheitsprüfung oder Standardisierung von Inhalten helfen müssen, kann die Arbeit durchaus über ähnliche Belohnungspools in großem Umfang verteilt werden.

Jeder Agent hat seine eigene Lieferhistorie, und auch für Belohnungen, Sicherheitsleistungen und die Beilegung von Streitfällen gibt es klare Regeln.

Ich denke, genau darin liegt das Potenzial der Bounties von TermiX.

Wenn AI Agents in großem Umfang an der geschäftlichen Zusammenarbeit teilnehmen, ist es schon für sich genommen ein Geschäft, Hunderte oder Tausende Aufgaben reibungslos zu verteilen, wieder einzusammeln und abzurechnen.

Keine Anlageberatung. DYOR.

Wenn ich künftig wirklich einen AI Agent meine Positionen überwachen, Daten abrufen und sogar Trades automatisch ausführen lasse, werde ich vermutlich trotzdem nicht anders können, als zu fragen: Wie verlässlich sind die Daten, die du gerade verwendet hast?

Schließlich geht es um echtes Geld. Selbst wenn die Antworten der KI überzeugend klingen: Wenn schon die ursprünglich abgerufenen Informationen fehlerhaft sind, kann man auch den späteren Einschätzungen kaum vertrauen.

Vor Kurzem hat Primus eine neue Zusammenarbeit mit Cournot bekannt gegeben. Das Update finde ich ziemlich interessant, und ich habe dadurch auch ein besseres Verständnis für Primus zkTLS bekommen.

/

Zunächst zu Cournot: Das Protokoll ist nativ für KI entwickelt und fungiert als Orakel. Es kann Informationen zu Ereignissen in der realen Welt analysieren und für Onchain-Anwendungen wie Prognosemärkte überprüfbare Einschätzungen bereitstellen.

Doch dabei gibt es ein Problem.

Ein Prognosemarkt muss zum Beispiel feststellen, ob eine bestimmte Wirtschaftszahl die Erwartungen erfüllt hat. Die KI kann Nachrichten analysieren, Websites aufrufen und APIs nutzen – aber woher stammen diese Informationen genau? Wurden sie möglicherweise verändert?

Hier kommt Primus ins Spiel.

Mit zkTLS kann Primus die Authentizität von Daten aus Websites oder APIs nachweisen und zugleich die Offenlegung sensibler Informationen begrenzen.

Die Aufgabenverteilung bei dieser Zusammenarbeit ist ebenfalls recht klar: Primus überprüft die Herkunft der Offchain-Belege, und Cournot analysiert diese Belege anschließend, um eine überprüfbare Einschätzung zu erstellen.

Ich finde, diese Kombination ist durchaus einen genaueren Blick wert.

Schließlich geht es bei Prognosemärkten letztlich um die Abwicklung mit echtem Geld. Daher ist die Zuverlässigkeit der Datenquellen sehr wichtig.

Außerdem erwähnten beide auch Privatkredite und ein breiteres Spektrum an Onchain-Finanzanwendungen. Künftig könnten auch Daten zu finanziellen Verhältnissen oder Kreditbedingungen überprüft werden, ohne dabei die Privatsphäre preiszugeben.

Dieser Bereich ist allerdings noch in der Erprobung. Wie viel sich davon später tatsächlich umsetzen lässt, muss sich erst noch zeigen.

/

Tatsächlich hat Primus bereits zuvor Erfahrungen in ähnlichen Anwendungsbereichen gesammelt.

Ein Beispiel ist der Proof of Reserves: Mit zkTLS wird die Herkunft von Offchain-Daten zu Vermögenswerten überprüft. Anschließend werden die Reserven mithilfe einer zkVM berechnet und verifiziert. So können Institutionen überprüfbare Nachweise über ihre Vermögenswerte bereitstellen und zugleich einen Teil ihrer sensiblen Betriebsinformationen schützen.

Darüber hinaus erwähnt die offizielle Primus-Dokumentation ausdrücklich die Verifiable AI Agent Execution.

Wenn ein Agent externe APIs aufruft, Daten abfragt oder Finanzaufgaben ausführt, können für wichtige Interaktionen zkTLS-Nachweise erstellt werden. So lässt sich ein Teil der Ausführung nachvollziehen.

Hier gibt es meiner Meinung nach ein wichtiges Detail zu beachten.

Der Nachweis, dass Daten aus einer echten Quelle stammen, bedeutet nicht, dass die Einschätzung der KI zwangsläufig richtig ist. Primus löst ein äußerst wichtiges Problem im Entscheidungsprozess: die Vertrauenswürdigkeit der zugrunde liegenden Belege.

/

Von der Verifizierung von Reserven über AI Agents bis hin zur jüngsten Zusammenarbeit mit Cournot zur Erweiterung von Prognosemärkten: Die Anwendungsfelder von Primus entwickeln sich ständig weiter.

Außerdem muss dafür keine neue öffentliche Blockchain aufgebaut werden. Die Verifizierungs- und Datenschutzfunktionen lassen sich direkt in bestehende Ökosysteme integrieren.

Ich sehe die Entwicklung solcher Infrastruktur persönlich sehr positiv.

Onchain-Finanzanwendungen werden künftig immer mehr Daten aus der realen Welt verarbeiten müssen. Wie sich diese Daten unter Wahrung der Privatsphäre verifizieren und nutzen lassen, dürfte daher immer wichtiger werden.

Und Primus treibt diese Entwicklung weiter voran.

Keine Anlageberatung. DYOR

Kaum hatte ich euch den REA-Reverse-Engineering-Agent vorgestellt, schon wurde dem AI Agent die nächste Aufgabe zugeteilt: Quantitative Strategien.

Die Agents sind mittlerweile wirklich immer beschäftigter – vom Schreiben von Code und der Durchführung von Audits bis hin zur Marktforschung. Selbst am quantitativen Handel wirken sie inzwischen mit.

Außerdem gibt es bei TermiX in letzter Zeit einige neue Entwicklungen, über die ich gerne gemeinsam sprechen würde.

/

Zunächst eine interessante Nachricht: TermiX prüft derzeit eine Integration in das Binance-AI-Ökosystem.

Entwickler, die Binance Agent OS nutzen, können kompatible Agents bereits mithilfe von TermiX Skills an den Aufgabenmarktplatz von TermiX anbinden.

Künftig ist außerdem die Anmeldung über eine Binance .ai Agent ID geplant.

Ich finde, das eröffnet spannende Möglichkeiten.

Schließlich bietet das Binance-AI-Ökosystem selbst bereits Funktionen wie Marktforschung und Handelsanalysen. Wenn diese künftig über TermiX als Dienste angeboten werden können, hätten Agents die Chance, ihre Fähigkeiten in echte Einnahmen umzuwandeln.

Natürlich befinden sich einige Funktionen derzeit noch in der Planungsphase. Wie weit sich das Ganze konkret entwickeln wird, hängt davon ab, wie die Umsetzung weiter voranschreitet.

/

Wenn man die jüngsten Entwicklungen bei TermiX zusammen betrachtet, ist das Ganze ziemlich interessant.

Vom REA-Reverse-Engineering-Agent über den Quant Agent bis hin zu den stetig wachsenden Agent Skills wird das Angebot an verfügbaren Diensten immer vielfältiger.

Und das von AACP bereitgestellte Aufgaben-Hosting, die Lieferverifizierung und die automatische Abrechnung schaffen zugleich die Grundlage für den Handel mit diesen Diensten.

Ich finde, genau das ist der spannendste Aspekt, den man bei TermiX als Nächstes im Blick behalten sollte.

Wenn der Wallet-Signaturalgorithmus, den wir heute verwenden, eines Tages nicht mehr sicher genug ist – müssen dann wirklich alle ihre Adresse wechseln, ihre Vermögenswerte übertragen und das Ganze noch einmal durchmachen?

Diese Frage erinnert mich an einen technischen Vorteil von Starknet: Crypto Agility, also kryptografische Agilität.

Tatsächlich ist im Juli dieses Jahres im Starknet-Mainnet etwas ziemlich Interessantes passiert.

Ein experimentelles Konto mit einer Post-Quanten-Signatur auf Basis von Falcon-512 hat erfolgreich eine Überweisung von 0,01 STRK durchgeführt.

Der Betrag ist so klein, dass man ihn vernachlässigen kann, aber die dahinterstehende technische Fähigkeit ist durchaus einen genaueren Blick wert.

/

Hier kommt Starknets Native Account Abstraction (native Account-Abstraktion) ins Spiel.

Anders als bei herkömmlichen externen Konten ist ein Starknet-Konto selbst ein Smart Contract. Über programmierbare Verifizierungslogik kann es unterschiedliche Signaturverfahren auswählen.

Das bedeutet: Wenn in Zukunft sicherere kryptografische Algorithmen verfügbar sind, können Konten neue Signaturprüfverfahren übernehmen, ohne dass dafür ein Hard Fork des gesamten Netzwerks nötig ist.

Hinzu kommt, dass das STARK-Beweissystem hauptsächlich auf Hashfunktionen beruht und dadurch angesichts der Bedrohung durch Quantencomputer bereits gewisse architektonische Vorteile mitbringt.

Allerdings ist die zuvor erwähnte Falcon-512-Implementierung derzeit noch experimentell und nicht auditiert. Bis sie von gewöhnlichen Nutzern in großem Maßstab eingesetzt werden kann, müssen noch Fragen der Wallet-Kompatibilität und Schlüsselverwaltung geklärt sowie Sicherheitsprüfungen durchgeführt werden.

Doch zumindest hat eine echte On-Chain-Transaktion bereits die Machbarkeit dieses technischen Ansatzes bestätigt.

/

Bei meinen Recherchen bin ich zu dem Schluss gekommen, dass das Konzept der Crypto Agility ziemlich interessant ist.

Wenn wir früher über die technischen Vorteile einer öffentlichen Blockchain gesprochen haben, standen oft leicht verständliche Kennzahlen wie TPS, Gasgebühren und Transaktionsbestätigungszeiten im Mittelpunkt.

Doch auch die Kryptografie selbst entwickelt sich ständig weiter. Gerade heute, wo KI und Quantencomputer rasante Fortschritte machen, kann niemand garantieren, dass die heute verwendeten Algorithmen dauerhaft sicher bleiben.

Ich denke, sich schon im Voraus Spielraum für Upgrades angesichts künftiger technologischer Veränderungen zu schaffen, ist ebenfalls ein langfristiger Wettbewerbsvorteil.

Starknet verfügt bereits über eine solche architektonische Grundlage. Als Nächstes bleibt zu beobachten, ob diese experimentellen Funktionen nach und nach zu Features werden, die auch gewöhnliche Nutzer problemlos verwenden können.

$STRK

Keine Anlageberatung. DYOR.

Wie lange dauert es eigentlich, eine Überweisung zu berechnen, wenn sowohl der Kontostand als auch der Überweisungsbetrag verschlüsselt sind?

Die Antwort von Primus ist ziemlich überraschend: etwa 90 Millisekunden.

Das ist auch der Grund, warum ich finde, dass einige der jüngsten technischen Fortschritte von Primus eine genauere Betrachtung verdienen.

/

Fangen wir mit AutoHoG an, einer FHE-Engine, die Primus für vertrauliche Finanzanwendungen auf der Blockchain entwickelt hat.

Den offiziell veröffentlichten Testergebnissen zufolge dauert die Berechnung einer vertraulichen Überweisung mit einem verschlüsselten Kontostand von 64 Bit nur etwa 90 ms. Ein einzelner Bootstrapping-Vorgang dauert etwa 5 ms.

Noch interessanter: Mit acht Consumer-Grafikkarten vom Typ NVIDIA RTX 5090 kann das System mehr als 210 vertrauliche Überweisungen pro Sekunde berechnen und erreicht dabei eine nahezu lineare Skalierung um den Faktor 8.

Natürlich handelt es sich dabei um Rechenleistung unter bestimmten Testbedingungen. Das lässt sich nicht direkt mit dem tatsächlichen TPS-Wert einer öffentlichen Blockchain gleichsetzen.

Doch für FHE ist es an sich schon bedeutsam, verschlüsselte Berechnungen so stark zu beschleunigen.

Gleichzeitig wurde die Forschungsarbeit HasteBoots, an der das Primus-Team beteiligt war, in die USENIX Security 2026 aufgenommen. Sie verkürzt die Beweiserstellung für programmierbares TFHE-Bootstrapping von zuvor mehreren Stunden oder sogar Tagen auf wenige Sekunden.

Dabei geht es eigentlich um zwei verschiedene Fragen: Kann die verschlüsselte Berechnung schnell genug ausgeführt werden? Und lässt sich der Berechnungsvorgang effizient überprüfen?

/

Betrachten wir das Ganze einmal aus einer größeren Perspektive.

Primus entwickelt derzeit eine modulare Datenschutzinfrastruktur auf Basis von zkTLS und FHE.

zkTLS überprüft die Authentizität von Off-Chain-Daten. FHE ermöglicht es, sensible Daten im verschlüsselten Zustand in Berechnungen einzubeziehen. Ergänzt wird das durch anwendungsspezifische Mechanismen zur selektiven Offenlegung, sodass für Audits und Überprüfungen nur die erforderlichen Informationen zugänglich sind.

Außerdem muss Primus keine neue öffentliche Blockchain aufbauen, sondern kann direkt in bestehende Ökosysteme integriert werden.

Das ist für Finanzinstitute ziemlich wichtig. Schließlich möchte kein Institut sein bestehendes Geschäft und seine Liquidität komplett verlagern, nur um Datenschutzfunktionen nutzen zu können.

Ich finde, das wirklich Beachtenswerte an AutoHoG ist, dass es FHE allmählich aus der technischen Forschung in Richtung praktischer Finanzanwendungen bringt.

Natürlich ist die Leistungssteigerung nur ein Teil davon. Auch Sicherheit, Betriebskosten und die Leistung in realen Geschäftsanwendungen sollten weiterhin aufmerksam beobachtet werden.

Ein KI-Agent schließt 50 Aufträge in Folge erfolgreich ab und liefert sie alle ordnungsgemäß aus. Wie viele Reputationspunkte hat er deiner Meinung nach?

100 Punkte? Tatsächlich sind es nur etwa 96.

Auf dieses interessante Detail bin ich vor Kurzem bei meiner Recherche in der AACP-Dokumentation von TermiX gestoßen.

Offenbar muss man sich Reputation tatsächlich Auftrag für Auftrag nach und nach erarbeiten.

/

Zunächst zu den Bewertungsregeln.

Neu registrierte Agents starten standardmäßig mit 60 Punkten. Das System legt fünf virtuelle Aufträge an, von denen drei erfolgreich abgeschlossen werden. So erhält der Agent zunächst eine Art Grundvertrauen.

Erst mit jedem weiteren abgeschlossenen echten Auftrag verändert sich die Punktzahl nach und nach.

Nach fünf erfolgreichen Aufträgen liegt die Reputation bei 80 Punkten, nach 20 bei 92 Punkten. Selbst nach 50 Aufträgen sind es nur etwa 96 Punkte.

Außerdem müssen all diese Einträge durch tatsächliche Abrechnungen zustande kommen. Der Agent kann sie nicht einfach selbst eintragen.

Noch interessanter: Kommt es zu einem Streitfall und verliert der Agent, zählt der Auftrag nicht als erfolgreicher Abschluss. Zusätzlich gibt es einen Punktabzug wegen des Streitfalls.

Das mühsam aufgebaute Vertrauen sollte man wirklich gut schätzen. 😂

/

Ich finde, das Reputationssystem von TermiX entspricht ziemlich gut der Geschäftslogik im echten Leben.

Selbst wenn jemand, der gerade erst Aufträge annimmt, den ersten Auftrag noch so gut erledigt, wird er kaum sofort das Vertrauen aller Kunden gewinnen.

Erst mit zunehmenden Nachweisen erfolgreicher Auftragserfüllung baut sich Vertrauen nach und nach auf.

Im AACP-Whitepaper ist außerdem ein Reputationsfaktor vorgesehen. Damit sollen Agents mit besserer Bonität künftig ihre Mittel effizienter einsetzen können.

Bei den gewöhnlichen Aufträgen im derzeitigen Live-Betrieb richtet sich der gesperrte Betrag allerdings weiterhin nach dem im Vertrag festgelegten Verhältnis. Wie sich das in der Praxis entwickelt, muss man noch abwarten.

Meiner Meinung nach werden mit zunehmender Größe der Agent-Ökonomie Fragen wie diese immer wichtiger: Wer kann Aufträge annehmen? Wem kann man vertrauen? Und wer ist qualifiziert, größere Geschäfte abzuwickeln?

TermiX hat bereits damit begonnen, diese Fragen im Protokoll zu verankern.