„AI-Crypto" wird gehandelt, als wäre es ein Sektor. Ein Narrativ, ein Korb, eine Wette. Das ist der erste Fehler. Wer ein Render mit einem Virtuals oder einem Bittensor in einen Topf wirft, vergleicht Dinge, die an völlig verschiedenen Stellen der Wertschöpfungskette sitzen und grundverschiedene Risiken tragen.
Tatsächlich ist „AI-Crypto" mindestens vier verschiedene Dinge auf vier Schichten des Stacks. Und quer durch alle hindurch läuft ein einziger Test, der die Spreu vom Weizen trennt — schärfer als jede Roadmap und jeder Marktkap-Vergleich. Erst die Landkarte, dann der Test.
Kategorie 1: Payment-Rails — wo das Geld fließt
Die unterste, konkreteste Schicht: die Blockchains, über die ein KI-Agent tatsächlich bezahlt, wenn er eine API, Compute oder Daten kauft. Die Aufgabe ist hart umrissen — Agenten zahlen pro Call, Median 0,01–0,10 $, 76% unter der 0,30-$-Schwelle, an der Kartengebühren beginnen. Das verlangt Sub-Cent-Gebühren, Sub-Sekunden-Finalität und programmierbare Ausgabe-Grenzen. Der verbindende Standard ist x402 (über 100 Mio. Zahlungen chainübergreifend).
Die relevantesten Player: Solana führt das Settlement (~65% des x402-Volumens, ~400ms, von Google für Pay.sh gewählt). Ethereum/Base besitzt den Trust-Layer (ERC-8004-Identität, ERC-4337-Ausgabe-Limits, Geburtsort von x402). Sui hat die sauberste Architektur (parallele Ausführung, owned-object-Fastpath), aber weniger Traction. Tempo (Stripe/Paradigm) und Arc (Circle) sind zweckgebaut, aber kaum live.
Das ist das Feld, das wir in einem eigenen Post im Detail aufgeschlüsselt haben. Hier zählt nur die Einordnung in die Landkarte — und ein erstes Aufblitzen des Tests: Der Wert dieser Schicht fließt überwiegend nicht in die Chain-Token, sondern in USDC, das rund 98,6% der Agenten-Zahlungen abwickelt. Die beste Rail ist nicht automatisch die beste Token-Wette.
Kategorie 2: Agent-Frameworks — wo der Agent lebt
Eine Schicht höher: nicht wo das Geld fließt, sondern wo der Agent selbst existiert — die Software, die ihm Persönlichkeit, Wallet und manchmal einen eigenen Token gibt.
Virtuals Protocol (auf Base) ist das prägnanteste Beispiel: Es macht Agenten zu handelbaren, mit-besessenen Token. Über 18.000 Agenten wurden gestartet, einige wie AIXBT überschritten 100 Mio. $ Marktkap. Jeder Agenten-Token ist mit $VIRTUAL in einer gesperrten Liquidity gepaart — der Token fängt also Nachfrage ein, wenn die Agenten-Ökonomie real ist. ElizaOS (ehemals ai16z, auf Solana) ist das Open-Source-Framework, nach manchen Zählungen in über der Hälfte neuer AI-Crypto-Projekte verbaut; aus einem VC-DAO-Meme wurde Infrastruktur. Fetch.ai / ASI Alliance hat sogar echte Agenten-Payments gebaut (Visa + USDC + FET, mit Identitäts-Layer) — aber Governance-Chaos (Austritt von Ocean, große Treasury-Verkäufe) hat den Token schwer getroffen.
Der ehrliche Befund über die Kategorie: Fast alle haben echte Software ausgeliefert — und trotzdem koppelte sich der Tokenwert oder der Umsatz davon ab. Virtuals' Monatsumsatz fiel deutlich von seinem 2025er-Hoch; die meisten der 18.000 Agenten tragen vernachlässigbare Marktkaps. Die These ist real, die Token-Wertabschöpfung ist es noch nicht.
Kategorie 3: Dezentrale Intelligenz — das Gehirn, das der Agent mietet
Noch eine Schicht abstrakter: nicht der Agent und nicht die Zahlung, sondern die Intelligenz selbst — Training, Inferenz, Modell-Märkte, permissionless verkauft.
Bittensor ($TAO) ist hier das Flaggschiff und im engeren Sinn gar kein Agent-Payment-Projekt, sondern ein dezentrales Machine-Learning-Netzwerk: über 128 Subnetze, jedes ein spezialisierter AI-Markt, der über Yuma Consensus um Emissionen konkurriert. Mit Dynamic TAO (dTAO) bekam jedes Subnetz ein eigenes Alpha-Token. Es gibt echte Substanz — das Subnetz Templar trainierte mit Covenant-72B das größte je vollständig dezentral trainierte 72B-Modell, und Inferenz-Subnetze unterbieten klassische Cloud-Anbieter teils deutlich.
Die Token-Mechanik ist hier tiefer ins Protokoll verwoben als bei den meisten — dTAO-Emissionen sind das Koordinations- und Anreizsystem, nicht bloß ein Ticker (fixes 21-Mio.-Supply, halbierte Emission im Dezember 2025). Aber dasselbe Risiko beißt: Am 10. April 2026 stieg das Templar-Team aus und verkaufte ~10 Mio. $ TAO — Insider-Verhalten, das den Preis stärker bewegt als die Produktnutzung.
Kategorie 4: Dezentrales Compute (DePIN) — die echteste Ecke
Die Schicht mit der härtesten physischen Realität: das Vermieten ungenutzter GPUs, um die H100-Knappheit zu umgehen. Echte Hardware, echte Rechnungen, echte Auslastung.
Der Treiber ist nüchtern: H100-Cloud-Stunden kosten bei AWS/GCP/Azure 4,50–5,50 $ mit quartalslangen Wartelisten; DePIN-Netze bündeln ungenutzte GPUs 50–70% darunter. Die Player unterscheiden sich nach Nische: io.net (AI/ML-Cluster auf Solana, 100.000+ GPUs, Ray-nativ), Akash (general-purpose Reverse-Auction-Marktplatz), Render (vom 3D-Rendering zu Full-Stack-AI-Compute gepivotet), Aethir (Enterprise/Gaming mit SLAs).
Warum diese Kategorie anders ist: Der Token hat hier oft einen echten Sink. Akash verbrennt rund 0,85 $ AKT pro 1 $ Compute-Spend — die Nutzung übersetzt sich direkter in Token-Nachfrage als irgendwo sonst im AI-Crypto-Feld. Das ist der Test, der besteht, nicht nur „anwesend".
Der eine Test: Necessity, nicht Narrativ
Hier laufen alle vier Kategorien zusammen. Die nützlichste Frage bei jedem AI-Crypto-Token ist nicht „wie gut ist die Technik?" oder „wie groß ist der Markt?" — sondern: Ist der native Token strukturell notwendig, damit das System funktioniert, oder ist er nur anwesend, ein Marketing-Vehikel um ein Produkt, das auch ohne ihn liefe?
An diesem Test sortiert sich das Feld überraschend klar:
| Kategorie | Beispiele | Token notwendig oder anwesend? |
|---|---|---|
| Payment-Rails | Solana, Base, Sui, Tempo, Arc | Wert fließt großteils in USDC, nicht in den Chain-Token — Necessity schwach |
| Agent-Frameworks | Virtuals, ElizaOS, Fetch/ASI | Token oft optional im eigenen Stack — Necessity unbewiesen |
| Dezentrale Intelligenz | Bittensor (TAO) | Tief verwoben (dTAO), aber Value-Capture aus realer Nutzung offen |
| Dezentrales Compute | Render, Akash, io.net | Echter Sink (z.B. AKT-Burn gegen Spend) — Necessity am stärksten |
Das ist keine Kauf- oder Verkaufsempfehlung und keine Aussage über Preise. Es ist ein Denkraster. Ein Token kann eine fantastische Technik haben und trotzdem den Necessity-Test nicht bestehen — und genau dann ist der Tokenpreis langfristig von Verkaufsdruck (Insider, Treasury, Unlocks) statt von Nutzung getrieben. Fetch und ElizaOS sind dafür Lehrstücke: viel ausgelieferte Substanz, aber ein Token, dessen Kurs zuletzt mehr von Treasury-Verkäufen als von Produktnutzung bewegt wurde.
Das verbindet diese Landkarte mit dem, worüber wir sonst schreiben: Es ist dieselbe Tokenomics-Disziplin wie beim FDV/MCap- und Unlock-Thema. Miss den Fluss, der real auf den Markt trifft, und frag, ob die Nachfrage strukturell oder nur narrativ ist. „AI-Crypto" als ein Block gedacht verschleiert genau das. Vier Kategorien und ein Test machen es wieder sichtbar.
Study the Past — Improve your Future. 🥋