Skip to main content

Was ist DeFAI

Hinweis: Dieses Dokument ist eine automatische Übersetzung des englischen Originals.

Was ist DeFAI

DeFAI (Decentralized Finance + AI) beschreibt Projekte an der Schnittstelle von DeFi und künstlicher Intelligenz. Anders als ein einzelner enger Archetyp ist DeFAI eine breite Bezeichnung, die jedes Projekt abdeckt, das KI-Fähigkeiten mit dezentraler Finanzinfrastruktur kombiniert – von KI-Agenten, die DeFi-Operationen ausführen, bis zu Risiko-Engines, Liquiditätsmanagern und On-Chain-Analytik, die auf DeFi-Protokolle angewendet wird.

Kurz gesagt: DeFAI ist breiter als Trading-Bots. Es umfasst jedes Projekt, in dem KI- und DeFi-Komponenten strukturell integriert sind – und beide müssen unabhängig verifizierbar sein.

Analogie für Einsteiger

Stell dir ein Lagerhaus mit zwei Systemen vor: ein Logistiknetzwerk, das Güter zwischen Standorten bewegt (DeFi – Werte zwischen Protokollen bewegen), und ein Routing-Gehirn, das entscheidet, welche Güter wohin, wann und auf welchem Weg gehen (KI – Entscheidungen auf Basis von Daten treffen). Ein Lagerhaus, das nur ein Logistiknetzwerk hat, sich aber „smart“ nennt, weil jemand einen „KI-gestützt“-Aufkleber an die Tür geklebt hat, ist kein DeFAI. Ein Lagerhaus, in dem das Routing-Gehirn wirklich Nachfragemuster analysiert, Lieferreihenfolgen optimiert und sich in Echtzeit anpasst – das ist die Art von Integration, die DeFAI beschreibt. Beide Ebenen müssen funktionieren, und beide müssen echt sein.

Was DeFAI bedeutet

Der Begriff entstand, als Krypto-KI-Projekte zunehmend DeFi-Anwendungsfälle ins Visier nahmen. Statt eigenständige KI-Werkzeuge zu bauen, betten diese Projekte KI direkt in die Logik von Finanzprotokollen ein: Agenten, die Swaps und Bridges per natürlicher Sprache ausführen, Modelle, die Protokollrisiken in Echtzeit bewerten, oder Optimierungs-Engines, die Liquiditätspositionen autonom verwalten.

Die entscheidende Unterscheidung: DeFAI ist nicht einfach DeFi mit dem hinzugefügten Wort „AI“. Damit ein Projekt sich qualifiziert, muss die AI component eine Funktion erfüllen, die nicht durch statische Regeln oder manuellen Betrieb nachgebildet werden könnte – und die DeFi-Komponente muss echte On-Chain-Finanzoperationen beinhalten, nicht nur einen Token mit einem DeFi-Etikett.

DeFAI sitzt an einer besonders interessanten Schnittstelle, weil beide Ebenen unabhängig evaluiert werden können. Ein Projekt kann starke KI, aber kein echtes DeFi haben (ein Off-Chain-Analytik-Werkzeug mit einem Token). Oder es kann echtes DeFi, aber keine echte KI haben (ein DeFi-Protokoll, das seiner bestehenden Automatisierung ein „AI“-Etikett hinzugefügt hat). Die substanziellsten DeFAI-Projekte demonstrieren eine echte Rückkopplungsschleife: KI-Ausgaben informieren On-Chain-Aktionen, und On-Chain-Daten fließen zurück in das KI-Modell.

Häufige Muster

DeFAI-Projekte gruppieren sich um mehrere wiederkehrende Muster:

  • KI-Agenten für DeFi-Operationen – autonome Agenten, die auf Basis von natürlichsprachlichen Anweisungen oder vordefinierten Strategien swappen, bridgen, verleihen oder staken. Oft „DeFi-Copiloten“ genannt. Siehe Agents for DeFi.
  • KI-Risiko-Engines – Modelle, die Protokollrisiken bewerten, Smart-Contract-Schwachstellen analysieren, Liquidationsschwellen überwachen oder Anomalien in DeFi-Protokollen erkennen.
  • KI-getriebenes Liquiditätsmanagement – Optimierungs-Engines, die Liquiditätspositionen verwalten, Spannen anpassen oder über Pools und Protokolle hinweg rebalancieren.
  • KI für DeFi-Analytik – Machine Learning, das auf On-Chain-DeFi-Daten für Renditevorhersage, Strategiebewertung oder Flussanalyse angewendet wird. Überschneidet sich mit dem Archetyp KI-Trading-Analytik.
  • KI-gestützte Renditestrategien – Modelle, die Renditechancen über Protokolle hinweg identifizieren, bewerten und ohne manuellen Eingriff ausführen.
  • MEV-Schutz und -Optimierung – KI, die auf Transaktionsreihenfolge, MEV-Erkennung oder Ausführungsoptimierung angewendet wird.

DeFAI ist bewusst breiter als jedes einzelne Muster. Ein Projekt, das nur einen Trading-Bot betreibt, ist eine Instanz; ein Projekt, das Risiko-Scoring, Portfoliooptimierung und autonome Ausführung kombiniert, ist eine andere.

Wie sich DeFAI von regulärer DeFi-Automatisierung unterscheidet

Traditionelle DeFi-Automatisierung verwendet statische Regeln: „Wenn der Preis von Token A unter X fällt, swappe zu Token B.“ Diese Regeln sind vordefiniert, deterministisch und passen sich nicht an. Die Logik ist ein Wenn/Dann-Baum, kein gelerntes Modell.

DeFAI hingegen impliziert eine KI-Ebene, die lernt, sich anpasst oder über feste Parameter hinaus schlussfolgert:

Merkmal DeFi-Automatisierung DeFAI
Entscheidungslogik Statische Regeln, feste Schwellenwerte Gelernte Modelle, adaptive Strategien
Datenverarbeitung Reagiert auf spezifische Auslöser Analysiert Muster über Datenquellen hinweg
Anpassungsfähigkeit Erfordert manuelle Regelaktualisierungen Aktualisiert sich auf Basis neuer Daten oder Modell-Neutraining
Komplexitätsgrenze Begrenzt auf vordefinierte Szenarien Kann neuartige Situationen innerhalb des Trainingsumfangs bewältigen
Überprüfbarkeit Regeltransparenz (der Code ist die Logik) Erfordert KI-Verifizierung (Modelldokumentation, Benchmarks)

Diese Unterscheidung ist wichtig, weil viele als „DeFAI“ beschriebene Projekte tatsächlich DeFi-Automatisierung mit einem KI-Etikett sind. DecAIHub verwendet das Feld AI component und die Unterscheidung Automatisierung vs. echte KI, um die beiden zu trennen.

Wo DeFAI in DecAIHub erscheint

In der DecAIHub-Registry bildet DeFAI nicht auf eine einzelne Kategorie ab. Es erscheint über mehrere zusammengesetzte Kategorien hinweg:

  • AI/Agents | DeFi – das größte Cluster, das autonome Agenten abdeckt, die in DeFi operieren.
  • AI/Analytics | DeFi – Analytik- und Scoring-Modelle, die sich auf DeFi-Protokolle und -Märkte konzentrieren.
  • AI/Analytics | DeFAI | InfoFi – zusammengesetzte Bezeichnungen, bei denen DeFAI sich mit Analytik und Information Finance überschneidet.
  • AI/DeFi | Infra – Infrastrukturprojekte, die Werkzeuge zum Bauen von DeFAI-Anwendungen bereitstellen.

Anwendungsfälle umfassen typischerweise DeFi copilot, AI-assisted DeFi strategies, AI-driven portfolio management, on-chain risk analysis und ähnliche zusammengesetzte Werte.

Die Vielfalt der Kategorien spiegelt die Breite von DeFAI wider. Es ist kein einzelner Produkttyp – es ist eine Schnittstelle, die sich unterschiedlich manifestiert, je nachdem, welche KI-Technik auf welche DeFi-Funktion angewendet wird.

Was zu prüfen ist

Bei der Bewertung eines DeFAI-Projekts müssen beide Ebenen unabhängig verifiziert werden:

  • KI-Ebene – hat das Projekt eine echte AI component? Gibt es ein trainiertes Modell, ein Agenten-Framework mit Schlussfolgerung oder eine dokumentierte ML-Methodik? Oder ist „KI“ auf Marketingtexte beschränkt? Siehe wie man erkennt, ob ein Projekt wirklich KI hat.
  • DeFi-Ebene – interagiert das Projekt mit echten DeFi-Protokollen On-Chain? Gibt es überprüfbare Smart-Contract-Interaktionen, oder ist die DeFi-Behauptung darauf beschränkt, einen Token zu haben?
  • Integration – sind KI und DeFi strukturell verbunden, oder existieren sie als separate Features unter einer Marke?
  • Automatisierung vs. KI – ein DeFi-Bot, der festen Wenn/Dann-Regeln folgt, ist Automatisierung. Das KI-Etikett erfordert Lernen, Anpassung oder modellbasierte Schlussfolgerung.
  • Evidenztier – gibt es Tier-1-Artefakte sowohl für die KI- als auch für die DeFi-Komponente?

Ein nützlicher mentaler Test: Entferne die KI-Ebene vollständig. Funktioniert der DeFi-Teil immer noch von allein? Entferne nun die DeFi-Ebene. Funktioniert der KI-Teil immer noch? Wenn beide unabhängig ohne Verlust existieren können, ist die „Integration“ möglicherweise eher ein Etikett als eine strukturelle Realität.

DeFAI und das DecAI-Fit-Rahmenwerk

Weil DeFAI zwei Domänen umspannt, ist die DecAI Fit-Bewertung besonders aufschlussreich. Ein DeFAI-Projekt wird bewertet nach:

  • AI reality (ai_score) – ist die AI component verifizierbar? Geht sie über einen API-Wrapper hinaus?
  • Onchain necessity (onchain_score) – ist die Blockchain integraler Bestandteil der DeFi-Operationen, oder ist sie nur eine Token-Ausgabeebene?
  • Token necessity (token_score) – erfüllt der Token eine Funktion in der DeFAI-Pipeline (Bezahlung von KI-Compute, Staking für Validator-Rollen, Governance von Protokollparametern), oder ist er losgelöst?
  • Evidenz (evidence_score) – gibt es Tier-1-Artefakte sowohl für die KI- als auch für die DeFi-Behauptungen?

DeFAI-Projekte, die bei DecAI Fit gut abschneiden, demonstrieren typischerweise eine klare Schleife: KI verarbeitet On-Chain-Daten, erzeugt eine Entscheidung, und diese Entscheidung löst eine On-Chain-Aktion aus – mit überprüfbaren Artefakten in jedem Schritt.

Was DeFAI allein nicht beweist

  • „DeFi“ und „AI“ in einem Projektnamen zu kombinieren beweist nicht, dass eine der beiden Komponenten echt ist. Beide müssen unabhängig durch das DecAI Fit-Rahmenwerk verifiziert werden.
  • Ein DeFi-Protokoll mit einem „AI“-Feature zu haben beweist nicht, dass die KI mehr ist als ein API-Wrapper oder ein Dashboard mit automatisierten Warnungen.
  • Einen KI-Agenten in einem DeFi-Kontext zu betreiben beweist nicht, dass der Agent autonom schlussfolgert. Er könnte einem festen Skript folgen. Siehe was ist ein KI-Agent.
  • DeFAI als Kategorie-Bezeichnung beweist nicht, dass der Token notwendig ist, damit die KI- oder die DeFi-Komponente funktioniert.
  • DecAIHub bewertet AI reality, Onchain necessity und Token necessity – nicht die finanzielle Performance von DeFAI-Strategien.

Häufig gestellte Fragen

Was ist der Unterschied zwischen DeFAI und regulärem DeFi?

Reguläre DeFi-Protokolle führen Finanzoperationen On-Chain mit Smart Contracts und deterministischer Logik aus – Regeln, die sich nicht ändern, sofern sie nicht explizit aktualisiert werden. DeFAI fügt eine KI-Ebene hinzu, die adaptive, datengetriebene Entscheidungsfindung einführt: Modelle, die aus historischen Mustern lernen, Agenten, die über mehrstufige Strategien schlussfolgern, oder Analytik, die Anomalien erkennt, die Menschen übersehen würden. Das zentrale Unterscheidungsmerkmal ist, ob die Entscheidungslogik statisch (reguläres DeFi / Automatisierung) oder gelernt und adaptiv (DeFAI) ist. Ein Kreditprotokoll mit festen Liquidationsschwellen ist DeFi. Dasselbe Protokoll mit einem Modell, das Schwellen dynamisch auf Basis von Echtzeit-Volatilitätsmustern und protokollübergreifenden Korrelationen anpasst, bewegt sich in DeFAI-Territorium – wenn die KI-Ebene verifizierbar ist.

Ist jeder KI-Trading-Bot DeFAI?

Nein. Ein Trading-Bot, der vorprogrammierte Regeln ausführt („ausführen, wenn RSI unter 30 fällt“), ist Automatisierung, keine KI. Damit ein Trading-Bot sich als DeFAI qualifiziert, braucht er eine verifizierbare AI component – ein trainiertes Modell, einen schlussfolgernden Agenten oder eine dokumentierte ML-Methodik –, die Funktionen über statische Regeln hinaus erfüllt. Er braucht außerdem echte DeFi-Integration: tatsächliche On-Chain-Operationen über Smart Contracts, nicht nur in einen Krypto-Token verpackte API-Aufrufe einer zentralisierten Börse. Ein Bot, der eine API einer zentralisierten Börse aufruft und einen Token hat, ist weder „De“ noch notwendigerweise „AI“.

Wie bewertet DecAIHub DeFAI-Projekte?

DecAIHub bewertet DeFAI-Projekte mit demselben DecAI Fit-Rahmenwerk, das auf alle Projekte angewendet wird, jedoch mit besonderem Augenmerk auf die Unabhängigkeit beider Ebenen. Die AI component wird auf Tier-1-Evidenz geprüft: Code, Benchmarks, Modelldokumentation, Demos. Die DeFi-Komponente wird auf On-Chain-Evidenz geprüft: Smart-Contract-Adressen, Transaktionshistorie, Protokollinteraktionen. Die Integration zwischen beiden wird bewertet: Treibt die KI-Ausgabe tatsächlich DeFi-Operationen an, oder sind KI und DeFi separate Features, die sich einen Markennamen teilen? Projekte, bei denen beide Ebenen starke, unabhängige Evidenz und eine echte technische Verbindung haben, schneiden am besten ab.

Kann ein Projekt DeFAI ohne einen Token sein?

Ja. DeFAI beschreibt eine technische Architektur – die Kombination aus KI und DeFi –, kein Tokenomics-Modell. Ein Projekt kann KI-getriebene DeFi-Werkzeuge bauen, ohne einen Token auszugeben. Tatsächlich erhalten Projekte ohne Token einen token_score von 2 in der DecAI-Fit-Formel (was widerspiegelt, dass das Fehlen eines Tokens token-bezogene Risiken wie unnötige Tokenisierung eliminiert). Was zählt, ist, ob die KI- und die DeFi-Ebene echt und integriert sind, nicht ob ein Token angehängt ist.

Externe Referenzen

Siehe auch

No comments to display

Back to top