Die globalen Bemühungen, die KI-Infrastruktur auszubauen, stoßen auf zunehmende Kritik hinsichtlich des Energie- und Wasserverbrauchs sowie des Kapitals, das für den Bau großer Rechenzentren erforderlich ist. Aktivisten halten die Umweltbelastung für zu hoch, während Marktteilnehmer auf die enormen Kosten verweisen, die mit dem Ausbau zentralisierter Rechenkapazitäten verbunden sind – etwa die von Epoch AI in seinen Datenanalysen genannte Summe von rund 38 Milliarden US-Dollar für den Bau eines KI-Rechenzentrums mit einer Leistung von einem Gigawatt.

Vor diesem Hintergrund gewinnt ein anderer Ansatz an Aufmerksamkeit: Netzwerke, die gewöhnliche Smartphones als verteilte Rechen- und Konnektivitätsinfrastruktur nutzen. Laut DataReportal gab es im Oktober 2026 weltweit schätzungsweise 7,68 Milliarden Mobilfunkverbindungen – ein riesiger Bestand ungenutzter Geräte, die theoretisch koordiniert werden könnten, um KI-Arbeitslasten zu bewältigen.

Die wichtigsten Erkenntnisse

• Dezentrale KI-Netzwerke sollen die Abhängigkeit von energie- und kapitalintensiven Rechenzentren verringern, indem sie die weit verbreitete Hardware von Smartphones nutzen.

• Acurast zufolge wurden 335.000 Smartphones eingebunden, von denen an einem durchschnittlichen Tag etwa 40.000 aktiv sind und Aufgaben wie KI-Inferenz und das Hosten von Agenten übernehmen.

• Projekte wie Phase Proxy zielen auf eine praktische Bereitstellungslücke ab: Webplattformen, die Datenverkehr aus Rechenzentren blockieren oder begrenzen, indem Anfragen über Proxys in Privat- und Mobilfunknetzen geleitet werden.

• Die technische Koordination ist der zentrale Engpass – reale Telefonnetzwerke unterscheiden sich hinsichtlich Verfügbarkeit, Konnektivität, thermischer Grenzen und Gerätespezifikationen.

• Die Wirtschaftlichkeit ist weiterhin ungewiss, da Anreizmodelle stark von der Verfügbarkeit, dem Staking oder der Teilnahme sowie einer anhaltenden Kundennachfrage abhängen.

Smartphones als alternative Rechenebene

Dezentrale KI-Netzwerke positionieren Mobilgeräte als neue Infrastrukturebene – dabei wird die Kapazität zentralisierter Rechenzentren gegen einen weltweit verteilten Pool von Smartphones mit integrierten Prozessoren, Speicher und Internetzugang eingetauscht.

Acurast ist eines der bekannteren Beispiele. Mitgründer Alessandro De Carli zufolge hat das Unternehmen mehr als 335.000 Smartphones eingebunden, von denen durchschnittlich etwa 40.000 täglich vollständig aktiv sind. Diese aktiven Geräte steuern seiner Beschreibung nach Rechenleistung für Arbeitslasten wie Web-Scraping, Cybersicherheitsaufgaben, KI-Inferenz und das Hosten von Agenten bei.

De Carli zufolge können Smartphones für bestimmte Arbeitskategorien besonders geeignet sein. Er hebt Hardware-Sicherheitsfunktionen hervor, die seiner Ansicht nach beim vertraulichen Rechnen und beim Erstellen isolierter Umgebungen für die Installation und Ausführung von Programmen „hervorragend“ sind. Smartphones könnten sich außerdem für „CPU-intensive“ Arbeitslasten und Szenarien eignen, die einen umfassenden, ungefilterten Zugriff auf Internet-Endpunkte erfordern – Bereiche, in denen zentralisierte Server durch Ratenbegrenzungen oder Erkennungssysteme eingeschränkt sein können.

Einschränkungen beim Speicher werden zwar eingeräumt, doch De Carli zufolge lassen sich viele Aufgaben weiterhin im verfügbaren Arbeitsspeicher der Geräte ausführen. Außerdem behauptet er, dass die gebündelte Rechenleistung aktiver Smartphones der Kapazität von etwa 2.340 leistungsstarken Rechenzentrumsservern entsprechen könne. Als Vergleich dient ein ASUS RS720A-E11-Server, der für KI und Hochleistungsrechnen ausgelegt ist.

Auch wenn solche Vergleiche als technische Argumentation überzeugend wirken, sollten Investoren und Betreiber sie als anwendungsabhängig betrachten. Entscheidend wird sein, ob verteilte Smartphones unter produktiven Arbeitslasten eine gleichbleibende Leistung und Zuverlässigkeit erbringen können – insbesondere dann, wenn das Netzwerk wie ein vorhersehbarer Dienst und nicht wie ein Forschungsprototyp funktionieren muss.

Phase Proxy und das Proxy-Problem beim Datenverkehr aus Rechenzentren

Nicht alle von Smartphones betriebenen Netzwerke versuchen, sofort vollständige KI-Modelle auf den Geräten auszuführen. Einige setzen zunächst bei einem anderen Engpass an: dem Zugang zum öffentlichen Internet und dem Verhalten der Datenverbindungen.

Phase brachte Phase Proxy im Oktober auf den Markt. Das Modell nutzt die Mobilfunk- und Privatanschlüsse der Nutzer als Proxys für KI-Agenten. Gründer Kirill Eves erklärt, dass Websites automatisierten Datenverkehr aus Rechenzentren häufig blockieren oder begrenzen. Indem Anfragen über Mobilfunk- und Privatnetze geleitet werden, will Phase diese Hürden bei von Agenten ausgeführten Aufgaben verringern.

Eves erläutert die Preisgestaltung für den Proxy-Dienst: 0,5 USDT pro 1.000 Anfragen und 1 GB Datenverkehr. Die nächste Komponente, Phase Router, soll einfachere Anfragen an Modelle weiterleiten, die auf Smartphones im Netzwerk laufen, während komplexere Aufgaben an große externe Anbieter wie OpenAI und Anthropic geleitet werden. Die Routing-Entscheidungen hängen laut Beschreibung von der Aufgabenkomplexität, den Fähigkeiten des Modells, der Leistung und den Kosten ab.

Phase deutet außerdem auf eine spätere Erweiterung über Smartphones hinaus auf Desktop-Computer, Server und GPUs hin. Für Nutzer ist das relevant, weil es auf eine hybride Architektur hindeutet: Mobilgeräte könnten bestimmte Lücken schließen (etwa beim Proxy-Zugang oder bei der lokalen Verteilung), während andere Hardware-Pools die anspruchsvollsten Inferenz- und Skalierungsanforderungen bewältigen.

Zuverlässigkeit und Koordination: das praktische Hindernis

Leerlaufende Geräte in eine zuverlässige Rechenressource zu verwandeln, ist weitaus schwieriger, als nachzuweisen, dass ein einzelnes Gerät eine Arbeitslast ausführen kann. Die Koordination einer großen Anzahl unterschiedlicher Smartphones – bei denen jeweils Akkuverbrauch, Überhitzung, schwankende Netzwerkbedingungen und unterschiedliche Hardwarespezifikationen zu berücksichtigen sind – schafft ein Zuverlässigkeitsproblem, das zentralisierte Infrastrukturen normalerweise vermeiden.

Eine 2025 in der Fachzeitschrift Sensors veröffentlichte Studie testete kleine Gruppen von Smartphones bei Bilderkennungsaufgaben und stellte fest, dass vernetzte Smartphones unter kontrollierten Bedingungen konkurrenzfähig arbeiten konnten. Die Ergebnisse wurden jedoch in Umgebungen erzielt, in denen die Geräte verwaltet und nicht über die ganze Welt verteilt waren – ein wichtiger Unterschied, wenn man die Ergebnisse auf ein aktives Netzwerk überträgt.

Weitere Belege liefert eine im Rahmen einer von Google unterstützten Initiative an der University of California, San Diego durchgeführte Studie. Demnach konnte ein Verbund aus 20 ausgemusterten Smartphones die Spitzenlast einer Klasse mit mehr als 75 Studierenden bewältigen; die Bewertung erfolgte dabei schneller als mit der standardmäßigen Cloud-Umgebung der Universität. Auch dieses Experiment fand mit Geräten statt, die in einer kontrollierten Umgebung organisiert waren, statt unter unvorhersehbaren Bedingungen der realen Welt miteinander verbunden zu sein.

In Produktivumgebungen müssen Netzwerke damit rechnen, dass sich Smartphones trennen, ihre Verbindung wechseln, der Akku leer wird oder sie unterschiedliche Rechen- und Speicherkapazitäten aufweisen. Bei Blockchain-Systemen wie Ethereum – die im Ausgangsartikel angeführt werden – kann die Leistung außerdem durch Kommunikationslatenzen und die begrenzte Rechenleistung der leistungsschwächsten Knoten beeinträchtigt werden. Bei Smartphone-Netzwerken ist die Herausforderung der Aufgabenverteilung noch größer: Werden Teilaufgaben auf unabhängige Geräte verteilt, kann die Ausführung scheitern, wenn auch nur ein kleiner Teil der Geräte hinterherhinkt, die Verbindung verliert oder nicht mehr verfügbar ist.

Wer zahlt, und wie lassen sich die Belohnungen skalieren?

Selbst wenn sich Koordinations- und Zuverlässigkeitsprobleme technisch eindämmen lassen, müssen Smartphone-basierte Netzwerke für Kunden und Gerätebetreiber wirtschaftlich sinnvoll sein.

De Carli zufolge setzt Acurast nicht auf eine einzige feste Belohnung. Stattdessen variieren die Belohnungen je nach Faktoren wie der Verfügbarkeit des Geräts, den Hardwarespezifikationen (Benchmark-Leistung), der insgesamt gestakten Menge an ACU und der aktiven Nachfrage von Entwicklern nach Rechenleistung. Er beschreibt das System als Wettbewerb um einen aus Inflation finanzierten Belohnungspool, statt Entwicklern Gebühren zu berechnen, die direkt den Auszahlungen an einzelne Betreiber entsprechen.

Das Belohnungsmodell von Phase ist anders aufgebaut. Eves zufolge wird Phase einen Teil seiner Dienstleistungseinnahmen verwenden, um PHASE auf dem offenen Markt zu kaufen und die Token anschließend entsprechend ihrem Beitrag an die Knotenbetreiber auszuschütten.

Beide Ansätze verweisen auf dieselbe praktische Erkenntnis: KI-Berechnungen auf einem Smartphone auszuführen, ist längst nicht mehr die einzige Herausforderung. Schwieriger ist es, Anreize und Betriebsmechanismen zu schaffen, die Zehntausende Geräte zuverlässig zur Teilnahme bewegen und zugleich sicherstellen, dass die Kundennachfrage stark genug bleibt, um Auszahlungen und die Nutzung des Netzwerks dauerhaft zu tragen.

Während sich diese Projekte weiterentwickeln, könnte für den Markt weniger entscheidend sein, wie Token-Kennzahlen oder Knotenzahlen ausfallen, sondern vielmehr, ob die Netzwerke kontinuierlich Dienste bereitstellen, für deren Aufrechterhaltung Nutzer zu zahlen bereit sind – und zwar mit einer ausreichend stabilen Leistung, um zentralisierte Infrastruktur zu ersetzen oder zu ergänzen.

Vorerst sollten Investoren und Entwickler beobachten, wie diese Netzwerke drei Fragen in der Praxis bewältigen: dauerhaft hohe Verfügbarkeit unter unvorhersehbaren Bedingungen, Kosteneffizienz im Vergleich zu herkömmlichen Anbietern und Anreizmodelle, die auch nach der frühen Einführungsphase Bestand haben, ohne die Zuverlässigkeit zu beeinträchtigen.

Dieser Artikel wurde ursprünglich unter dem Titel Can Decentralized Phone Networks Unlock the Next AI Wave? bei Crypto Breaking News veröffentlicht – Ihrer zuverlässigen Quelle für Krypto-Nachrichten, Bitcoin-News und Blockchain-Updates.