Eine Zeile in @NewtonProtocol technischen Materialien zog mich immer wieder zurück. Es war kein Schlagzeilen-Feature und nichts, das als Mittelpunkt der Architektur in den Vordergrund gerückt wurde. Es war die Idee, dass Aktionen, die von intelligenten Systemen erzeugt werden, vor der Ausführung an überprüfbare Bedingungen gebunden werden können – statt sie lediglich im Nachhinein zu bewerten.
Auf den ersten Blick klingt das eher nach Vorgehenslogik, fast schon langweilig.
Aber nachdem ich weiter in die Diskussionen und Dokumentationen zum Newton Mainnet Beta eingetaucht war, begann ich zu denken, dass diese kleine Einzelheit vielleicht mehr zählt als viele der größeren Gespräche über KI in Krypto.
Seit Jahren geht DeFi von einer relativ einfachen Annahme aus: Der Code führt genau so aus, wie er geschrieben ist. Smart Contracts verhandeln nicht, interpretieren nicht neu und improviesieren nicht. Sie befolgen Anweisungen.
KI-Systeme führen etwas anderes ein. Sie führen Interpretation ein.
Ein KI-Agent, der die Allokation der Kasse, das Verschieben von Liquidität, Kreditstrategien oder das Ausbalancieren eines Portfolios verwaltet, führt nicht einfach nur Anweisungen aus. Er bewertet Informationen und trifft Entscheidungen. Das Problem ist, dass die generierten Entscheidungen grundsätzlich anders sind als deterministischer Code.
Zwei identische Prompts können zu unterschiedlichen Ergebnissen führen.
Das wirft eine neue Frage auf: Wenn #AI in #AI DeFi-Systeme beginnt als Teilnehmer mitzuwirken, wie können die Teilnehmer Entscheidungen vertrauen, ohne alles durch menschliche Aufsicht auszubremsen?
Newton scheint das aus einer ungewöhnlichen Richtung anzugehen.
Anstatt zu versuchen zu beweisen, dass ein KI-System selbst vertrauenswürdig ist, scheint die Architektur eher daran interessiert zu sein nachzuweisen, ob die Ausgaben vordefinierte Regeln erfüllen, bevor die Abwicklung stattfindet.
Dieser Unterschied ist wichtig.
Stell dir ein autonomes System vor, das Liquidität zwischen Protokollen bewegt. Nutzer würden traditionell entweder dem Entwickler vertrauen, der das System baut, oder der Qualität des Modells dahinter. Newtons Ansatz scheint näher daran zu sein, Prüfpunkte um das Verhalten herum zu schaffen.
Überstieg die vorgeschlagene Aktion die Expositionsgrenzen?
Hat es gegen die Richtlinie für die Kasse verstoßen?
Hat er die im Voraus festgelegten Risikobedingungen erfüllt?
Der Schwerpunkt verlagert sich weg von der Intelligenz selbst hin zur Verifikation.
Ich glaube, das verändert das Vertrauen innerhalb von DeFi auf eine Weise, die weniger Beachtung erhält, als sie verdient.
DeFi hat intermediäre Akteure historisch entfernt, indem es Institutionen durch Code ersetzt hat. Aber KI eröffnet eine seltsame Möglichkeit: Intelligente Intermediäre tauchen erneut innerhalb dezentraler Systeme auf.
Wenn KI-Agenten zunehmend Kapitalflüsse verwalten, Yield-Strategien optimieren oder Protokollaktionen koordinieren, werden Nutzer möglicherweise irgendwann aufhören zu fragen, ob der Agent intelligent genug ist.
Sie werden vielleicht fragen, ob der Agent eingeschränkt werden kann.
Das verändert die Anreize für Entwickler und Institutionen.
Entwickler können damit beginnen, Systeme für Nachvollziehbarkeit zu optimieren statt nur für reine Effizienz. DAOs können explizite Verhaltensrichtlinien festlegen, statt nach Problemen auf sozialen Konsens zu vertrauen. Institutionen, die über KI-unterstützte Ausführung nachdenken, könnten eher beobachtbare Compliance als Modellsophistizierung in den Mittelpunkt stellen.
Die Investitionsfrage, zu der ich immer wieder zurückkehre, ist relativ einfach:
Wenn KI zu einem Teilnehmer in Finanzsystemen wird, verschiebt sich dann der Wert irgendwann von der Intelligenz selbst hin zu der Infrastruktur, die Intelligenz validiert?
Denn die Geschichte legt immer wieder nahe, dass die Übernahme einer Technologie selten genau dort beginnt, wo die meiste Aufmerksamkeit darauf gerichtet ist.
Jeder bemerkt den Motor.
Wenige Menschen bemerken die Systeme, die Motoren sicher genug machen, um ihnen zu vertrauen.
Natürlich hat Krypto die Angewohnheit, erst ein Problem zu lösen, um darunter das nächste freizulegen.
Wir entfernten zentrale Intermediäre und entdeckten Koordinationsprobleme.
Wir schufen transparente Systeme und stellten Datenschutzbedenken fest.
Wir automatisierten die Ausführung und stellten eine Governance-Komplexität fest.
Verifizierbare KI könnte etwas Ähnliches offenbaren.
Denn die Verifikation selbst hängt von Annahmen ab.
Wer definiert akzeptables Verhalten?
Wer schreibt die Richtlinien?
Wer aktualisiert diese Regeln, wenn sich die Marktbedingungen ändern?
Ein KI-Agent, der durch starre Parameter eingeschränkt ist, kann zwar sicherer werden, aber weniger anpassungsfähig. Übermäßig flexible Regeln können den gesamten Zweck der Verifikation schwächen. Das Gleichgewicht zwischen Autonomie und Kontrolle kann dann schwer aufrechtzuerhalten sein.
Es gibt außerdem ein praktisches Problem, das Architekturdiagramme selten betonen: Nutzer bevorzugen durchgehend Bequemlichkeit.
Zusätzliche Verifikationsschichten können Reibung, Latenz und operative Komplexität einführen. Stärkere Garantien sind nur dann relevant, wenn die Menschen bereit sind, die dafür entstehenden Kosten zu akzeptieren.
Dennoch glaube ich, dass die übersehene Detailstelle aus Newtons Design wichtig bleibt.
Seit Jahren konzentrierte sich DeFi darauf, Vertrauen aus Systemen zu entfernen.
Newton scheint etwas leicht anderes zu erkunden, nämlich über #Newt Mainnet Beta: Vertrauen um beobachtbares Verhalten zu strukturieren, statt um Annahmen über Intelligenz.
Das mag nicht revolutionär klingen.
Aber wenn KI irgendwann zu einem aktiven Teilnehmer im dezentralen Finanzwesen wird, statt nur ein Werkzeug darum herum zu sein, dann sind vielleicht nicht die Systeme am wichtigsten, die Entscheidungen erzeugen.
Vielleicht sind sie diejenigen, die still prüfen, ob diese Entscheidungen überhaupt erst hätten passieren dürfen.